Qu’est-ce que la Business Intelligence (BI) ?

La Business Intelligence (BI) est descriptive, elle permet de prendre de meilleures décisions métier sur la base des données actuelles de l’entreprise. L’analytique métier (BA) est une  sous-discipline de la BI, elle fournit une analyse prescriptive et prospective. Il s’agit du sous-ensemble de l’infrastructure BI qui comprend les outils d’identification et de stockage des données pour la prise de décision.

La BI peut indiquer à une organisation combien de nouveaux clients ont été acquis le mois précédent et si la quantité de commandes a augmenté ou diminué pour le mois. Sur la base de ces données, l’analytique métier peut quant à elle prédire quelles stratégies seraient les plus bénéfiques pour l’organisation. Que se passerait-il par exemple si nous augmentions les dépenses publicitaires pour proposer une offre spéciale aux nouveaux clients ?

Les plateformes de BI s’appuient traditionnellement sur des entrepôts de données pour obtenir leurs informations de référence. Le point fort d’un entrepôt de données, c’est qu’il regroupe les données provenant de plusieurs sources dans un système central pour faciliter l’analyse des données métier et le reporting. La BI présente les résultats à l’utilisateur sous forme de rapports, de diagrammes et de cartes, pouvant être affichés dans un tableau de bord.

Les entrepôts de données peuvent inclure un moteur de traitement analytique en ligne (OLAP) pour la prise en charge des requêtes multidimensionnelles. Par exemple : « Quelles sont les ventes dans la région Est par rapport à la région Ouest cette année, comparé à l’année dernière ? »

L’OLAP fournit une technologie puissante pour la découverte de données, facilitant le processus de BI, les calculs analytiques complexes et l’analyse prédictive. L’un des principaux avantages de l’OLAP, c’est la cohérence de ses calculs, qui peuvent améliorer la qualité des produits, les interactions avec les clients et les processus métier.

Les data lakehouses sont désormais également utilisés pour la BI. L’avantage des data lakehouses, c’est qu'ils cherchent à résoudre les principales difficultés rencontrées dans les entrepôts de données et les data lakes afin d’offrir une solution optimisée de gestion des données aux organisations. Il s’agit de la prochaine évolution des solutions de gestion des données.

Les étapes suivies dans le cadre de la BI se déroulent généralement dans cet ordre :

• Sources de données : Identifier les données à examiner et à analyser, par exemple celles d’un entrepôt de données ou d’un data lake, du cloud, d’Hadoop, des statistiques sectorielles, de la chaîne d’approvisionnement, du CRM, de stock, de tarification, de ventes, de marketing ou des réseaux sociaux.
  
  
• Collecte des données : Collecter et nettoyer les données des diverses sources. Cette préparation des données peut impliquer la collecte manuelle des informations dans une feuille de calcul ou la mise en place d’un programme d’extraction, de transformation et de chargement (ETL) automatique.
  
  
• Analyse : Rechercher des tendances ou des résultats inattendus dans les données. Cette étape peut impliquer l’utilisation d’outils de data mining, de découverte des données ou de modélisation des données.
  
  
• Visualisation : Créer des visualisations de données, des graphiques et des tableaux de bord qui utilisent des outils de Business Intelligence tels que Tableau, Cognos Analytics, Microsoft Excel ou SAP. Idéalement, cette visualisation devrait inclure des fonctionnalités d’exploration drill-down, drill-up et drill-through permettant aux utilisateurs d’examiner différents niveaux de données.
  
  
• Plan d’action : Développer des informations exploitables basées sur l’analyse des données historiques par rapport aux indicateurs de performance clés (KPI). Ces actions peuvent inclure des processus plus efficaces, des changements dans le marketing, la résolution de problèmes dans la chaîne d’approvisionnement ou l’ajustement de l’expérience client.
  
  

Certains produits de BI plus récents peuvent extraire et charger des données brutes directement à l’aide de technologies comme Hadoop, mais les entrepôts de données restent souvent la source de données de choix.

Le terme « Business Intelligence » est utilisé pour la première fois en 1865 par l’auteur Richard Millar Devens, lorsqu’il cite un banquier qui collectait des informations sur le marché avant ses concurrents. En 1958, un informaticien d’IBM, Hans Peter Luhn, explore les possibilités qu’offre la technologie pour recueillir ce type d’informations. Ses recherches permettront d’établir des méthodes pour créer les premières plateformes d’analytique d’IBM.

Dans les années 1960 et 1970, les premiers systèmes de gestion des données et systèmes d’aide à la décision (DSS) commencent à stocker et organiser les volumes de données croissants. « De nombreux historiens suggèrent que la version moderne de la BI s’est développée à partir de la base de données DSS », explique le site de formation informatique Dataversity. « Un vaste assortiment d’outils fut développé au cours de cette période, pour simplifier l’accès aux données et leur organisation. L’OLAP, les EIS (Executive Information Systems) et les entrepôts de données font partie des outils développés pour travailler avec les DSS. »²

Dans les années 1990, la BI devient de plus en plus populaire, mais la technologie reste complexe. Elle nécessite généralement l’intervention du service informatique, entraînant souvent l’accumulation de tâches en attente et des retards dans les rapports. Même sans département informatique, les analystes et les utilisateurs de la BI doivent suivre une formation approfondie pour interroger et analyser leurs données efficacement.³

La Business Intelligence, c’est tout ceci à la fois : une façon de penser, du matériel et des logiciels. En adoptant une culture fondée sur les données, c’est-à-dire un ensemble complet d’approches, de processus, de technologies numériques et d’analyses de données, les organisations pourront obtenir de nouvelles informations qui leur permettront de prendre de meilleures décisions métier et d’en tirer de nouveaux avantages. L’installation d’un nouveau package logiciel de BI ne suffit pas à opérer ce changement de culture.

Avantages de la BI :

• Reporting plus clair : La BI permet aux organisations de poser des questions en langage naturel et d’obtenir des réponses compréhensibles. Les tableaux de bord permettent de hiérarchiser les informations les plus importantes, faisant gagner du temps aux experts en données tout comme aux membres non techniques de l’équipe.
  
  Au lieu de s’appuyer sur leurs meilleures estimations, le personnel peut fonder ses décisions sur ce que ses données métier lui disent, concernant la production, la chaîne d’approvisionnement, les clients ou les tendances du marché. Ces données permettent de répondre aux questions les plus urgentes d’une organisation : Pourquoi les ventes sont-elles en baisse dans cette région ? Où avons-nous des stocks excédentaires ? Que disent les clients sur les réseaux sociaux ?
  
  
• Données consolidées : La BI fournit des informations métier en extrayant et en consolidant des données provenant de plusieurs sources, internes et externes, pour une analyse complète. En fournissant une image précise de l’activité de l’entreprise, la BI donne aux organisations les moyens de concevoir une stratégie métier adaptée. »
  
  
• Créer de nouvelles efficacités : Les organisations peuvent surveiller les opérations métier et les comparer à des valeurs de référence, et apporter des corrections ou des améliorations en continu, tout cela en s’appuyant sur les informations recueillies. Les analyses permettent de découvrir et d’éliminer les goulots d’étranglement de la fabrication ou de la chaîne d’approvisionnement. Les responsables peuvent surveiller les performances du personnel pour identifier les changements organisationnels pouvant être apportés. La gestion de la chaîne d’approvisionnement peut être améliorée en surveillant les activités en amont et en aval et en communiquant les résultats aux partenaires et aux fournisseurs.
  
  
• Des informations plus approfondies sur les données : La BI permet aux entreprises de devenir des organisations davantage axées sur les données, d’améliorer continuellement leurs performances métier, d’obtenir un avantage concurrentiel et de trouver de nouveaux clients et de nouvelles opportunités. Elles peuvent améliorer leur ROI en comprenant mieux leur activité et leur marché, et en allouant intelligemment leurs ressources pour atteindre leurs objectifs stratégiques. De nouvelles informations sur les données peuvent révéler le comportement des clients, leurs préférences et les tendances du marché. Ces informations permettent aux spécialistes du marketing de mieux cibler les prospects ou d’adapter les produits aux besoins changeants du marché.
  
  
• Une prise de décision plus rapide : Le suivi et l’analyse numériques des progrès accélèrent la prise de décisions plus éclairées, pour des ajustements plus rapides sur le marché.
  
  
• Améliorer la satisfaction des clients : Lorsque le personnel du service client a accès aux données et aux informations sur les clients, il peut fournir les informations demandées et résoudre les problèmes plus rapidement.
  
  
• Améliorer la satisfaction des employés : Un accès autonome aux données métier importantes peut optimiser les workflows et permettre au personnel de faire son travail plus rapidement, en moins d’étapes ou sans autant d’étapes répétitives.

Les défis de la BI

• Conclusions contradictoires : La BI en libre-service permet à plusieurs équipes de rechercher les informations dont elles ont besoin, mais elle peut également mener à des conclusions divergentes, entraînant des frictions et empêchant l’élaboration d’un plan d’action unifié. Ce phénomène se vérifie d’autant plus si des biais humains s’insinuent dans l’analyse.
  
  
• Pénurie de compétences : Compte tenu de la diversité des sources, il peut s’avérer difficile de répondre aux besoins en matière d’intégration de données, et cette intégration pourrait aller au-delà des capacités actuelles. Une expertise en science des données, en ingénierie et en architecture est nécessaire pour s’assurer que l’analyse permette d’obtenir des informations qui reflètent bien la réalité.
  
  
• Coûts initiaux : Les coûts initiaux associés au développement d’un système de BI puissant et moderne peuvent sembler importants, mais les économies générées par l’analyse compenseront cet investissement.

Les données sont l’élément vital des organisations prospères. Au-delà des rôles traditionnels associés aux données (ingénieurs en traitement de données, data scientists, analystes et architectes), les décideurs d’une organisation ont besoin d’un accès flexible et en libre-service aux informations fondées sur les données accélérées par l’intelligence artificielle (IA). Du marketing aux RH, en passant par la finance et la chaîne d’approvisionnement, les décideurs peuvent utiliser ces informations pour améliorer la prise de décision et la productivité à l’échelle de l’entreprise.

Les organisations en retirent des avantages lorsqu’elles peuvent évaluer pleinement les opérations et les processus, comprendre leurs clients, évaluer le marché et favoriser les améliorations. Elles ont besoin des bons outils pour agréger les informations métier à partir de n’importe quel endroit, les analyser, découvrir des tendances et trouver des solutions. Pour mettre en place un système de BI capable de rendre tout cela possible, les organisations doivent :

• Définir des objectifs métier clairs : En identifiant les informations les plus précieuses et les plus exploitables, les entreprises peuvent identifier les données à collecter ou à acquérir, puis sélectionner les fonctionnalités du système de BI nécessaires à la distribution de ces informations.
  
  
• Formation complète des utilisateurs : Il est plus facile d’aborder le changement de culture qu’exigent les organisations nouvellement axées sur les données lorsque tous les utilisateurs reçoivent des instructions claires et complètes concernant les nouveaux outils. Une formation sommaire ou une formation autonome bâclée peuvent nuire à l’adhésion de l’équipe ou produire des résultats inexacts.
  
  
• Surveiller la qualité et la pertinence des données  : Une surveillance constante des données est nécessaire pour garantir la cohérence et la fiabilité des résultats. Lorsque les conditions du marché évoluent, de nouvelles mesures peuvent être nécessaires ou différents formats de reporting doivent être développés, pour plus de clarté. Les jeux de données d’entrée doivent être fiables et impartiaux, et gérés selon des normes de gouvernance claires qui garantissent leur sécurité, leur confidentialité, leur exactitude et leur utilisabilité. Tout modèle d’IA qui éclaire la prise de décision et le forecasting doit être explicable et transparent. En outre, le système de BI devrait pouvoir se connecter aux différents systèmes de données des divers services de l’entreprise et être utilisé par des personnes qui ne sont pas des analystes de données professionnels.
  
  
• Garantir l’accès des décideurs aux données : De nombreuses entreprises sont à la traîne. Les données essentielles capturées ou analysées ne sont pas suffisantes, selon un rapport IDC⁴ qui estime que jusqu’à 68 % des données métier ne sont pas exploitées. Les entreprises dotées d’une architecture de données moderne qui ont su adopter la BI bénéficient d’un avantage concurrentiel : elles sont en bonne position pour aller encore plus loin en adoptant des pratiques de prise de décision en temps réel et l’analyse prédictive.
  

La Business Intelligence apporte de la valeur dans divers services de presque tous les secteurs. Par exemple :

Service client : Avec les informations sur les clients et les détails des produits à disposition via une source de données unifiée, les agents du service client peuvent rapidement répondre aux questions des clients ou commencer à résoudre leurs problèmes.

Finance et banque : Les entreprises financières peuvent évaluer leur santé et les risques organisationnels actuels, et prédire leur succès futur en examinant l’historique des clients par rapport aux conditions du marché. Les données peuvent être examinées branche par branche à l’aide d’une interface unique afin d’identifier les possibilités d’amélioration ou d’investissement.

Soins de santé : Les patients peuvent obtenir rapidement des réponses à de nombreuses questions urgentes en matière de santé sans faire perdre de temps au personnel médical. Les opérations internes, y compris les stocks, sont plus faciles à suivre, minute par minute.

Vente au détail : Les enseignes, par exemple, peuvent économiser encore davantage en comparant les performances et les indices de référence de leurs différents magasins, canaux et régions. De plus, grâce à une visibilité sur le processus de réclamation, les assureurs peuvent voir où ils n’atteignent pas leurs objectifs de service et utiliser ces informations pour améliorer leurs résultats.

Ventes et marketing : En unifiant les données sur les promotions, la tarification, les soldes, les actions des clients et les conditions du marché, les spécialistes du marketing et les équipes de vente sont mieux à même de planifier les promotions et les campagnes futures. Un ciblage détaillé ou une segmentation peut contribuer à stimuler les ventes.

Sécurité et conformité : associer données centralisées et tableau de bord unifié permet d’améliorer la précision et d’identifier la cause racine des problèmes de sécurité. Disposer d’un système unique pour la collecte des données de reporting simplifie la mise en conformité.

Analyse statistique : Grâce à l’analyse descriptive, les organisations peuvent examiner les statistiques pour repérer de nouvelles tendances et découvrir pourquoi elles apparaissent.

Chaîne d’approvisionnement : Une visibilité unifiée des données du monde entier peut accélérer le mouvement des marchandises et l’identification des inefficacités et des goulots d’étranglement de la chaîne d’approvisionnement.

Les développements récents en matière de Business Intelligence se concentrent sur les applications de BI en libre-service qui permettent aux utilisateurs non techniques d’utiliser l’analyse et le reporting automatiques. L’équipe informatique reste responsable de la gestion des données de l’entreprise, notamment de leur précision et de leur sécurité, mais plusieurs équipes peuvent désormais avoir un accès direct aux données et faire leur propre analyse, plutôt que de placer la tâche en file d’attente pour que le service informatique l’exécute.

Les progrès continus des systèmes modernes de Business Intelligence et d’analyse devraient bientôt intégrer des algorithmes de machine learning et l’IA pour rationaliser les tâches complexes. Avec l’importance que prend le libre-service, ces capacités peuvent également permettre à l’entreprise d’accélérer l’analyse des données et l’obtention d’informations plus approfondies. Les systèmes basés sur l’IA peuvent lire les données de sources multiples automatiquement tout en capturant les informations les plus pertinentes pour faciliter la prise de décision.

Découvrez par exemple comment IBM Cognos Analytics allie analyses de données et outils visuels pour soutenir la création de cartes dans les rapports. Ce système utilise l’IA pour identifier automatiquement les informations géographiques. Il peut ensuite affiner les visualisations en y ajoutant une cartographie géospatiale : du monde entier au plus petit quartier d’une ville.

Les solutions de BI modernes sont disponibles sur des plateformes cloud afin d’étendre la portée de la BI dans le monde entier. Les informations sur les consommateurs peuvent être recueillies à partir du big data, pour des informations descriptives aussi bien que prédictives. De nombreuses solutions BI incluent désormais un traitement en temps réel, permettant une prise de décision immédiate.

Parmi les autres avancées des systèmes de BI d’entreprise, citons les requêtes en langage naturel, qui sont plus faciles à apprivoiser pour les utilisateurs qui ne sont pas des experts en SQL. Des capacités de développement low code ou no-code sont disponibles dans certains systèmes de BI. Elles permettent aux utilisateurs de créer leurs propres outils, applications et interfaces de reporting, ce afin d’accélérer davantage les réponses et les délais de mise sur le marché.