Les plateformes de BI s’appuient traditionnellement sur des entrepôts de données pour obtenir leurs informations de référence. L’entrepôt de données regroupe les données provenant de plusieurs sources dans un système central pour faciliter l’analytique métier et le reporting. Le logiciel de Business Intelligence interroge l’entrepôt et présente les résultats à l’utilisateur sous forme de rapports, de diagrammes et de cartes.

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 Business Intelligence, les calculs analytiques complexes et l’analyse prédictive », explique Doug Dailey, responsable de l’offre d’IBM, dans son article de blog sur l’entreposage de données. « L’un des principaux avantages de l’OLAP, c’est la cohérence des informations et des calculs qu’il utilise pour exploiter les données afin d’améliorer la qualité des produits, les interactions avec les clients et les processus. »

Certaines solutions de Business Intelligence plus récentes peuvent extraire et ingérer des données brutes directement avec des technologies comme Hadoop, mais les entrepôts de données restent la source de données de choix dans de nombreux cas.

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) sont développés pour stocker et organiser les volumes de données croissants.

« De nombreux historiens suggèrent que la version moderne de la Business Intelligence 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, dans le but de 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 Business Intelligence 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 Business Intelligence doivent suivre une formation approfondie pour interroger et analyser leurs données efficacement. ³

Les développements plus récents se concentrent sur les applications de BI en libre-service, qui permettent aux utilisateurs non experts de tirer parti de leurs propres rapports et analyses. Les plateformes cloud modernes étendent également la portée géographique de la BI. De nombreuses solutions gèrent désormais le big data et intègrent un traitement en temps réel, pour une prise de décision basée sur des informations actualisées.

La Business Intelligence permet aux organisations de poser des questions en langage naturel et d’obtenir des réponses qu’elles peuvent comprendre. Au lieu de s’appuyer sur leurs meilleures estimations, elles peuvent fonder leurs décisions sur ce que leurs données métier leur disent, concernant la production, la chaîne d’approvisionnement, les clients ou les tendances du marché.

Pourquoi les ventes sont-elles en baisse dans cette région ? Où avons-nous des stocks excédentaires ? Que disent les clients sur les réseaux sociaux ? La BI permet de répondre à ces questions critiques.

« La Business Intelligence fournit des informations passées et actuelles sur l’entreprise », explique Maamar Ferkoun dans son blog IBM sur le cloud computing et la Business Intelligence. « Elle s’appuie pour ce faire sur un éventail de technologies et de pratiques, de l’analytique au reporting, en passant par le data mining et l’analyse prédictive. En fournissant une image précise de l’activité de l’entreprise à un moment précis, la BI donne aux organisations les moyens de concevoir une stratégie métier basée sur des données factuelles. »

La Business Intelligence aide les organisations à devenir des entreprises fondées sur les données, à améliorer leurs performances et à acquérir un avantage concurrentiel. Elles peuvent :

• Améliorer leur ROI en comprenant mieux l’activité et en allouant intelligemment leurs ressources pour atteindre leurs objectifs stratégiques.
• Démêler les comportements, les préférences et les tendances chez les clients, et utiliser ces informations pour mieux cibler les prospects ou adapter les produits aux besoins changeants du marché.
• Surveiller les opérations métier et apporter des corrections ou des améliorations en continu, en s’appuyant sur les informations recueillies.
• Améliorer la gestion de la chaîne d’approvisionnement en surveillant les activités en amont et en aval et en communiquant les résultats aux partenaires et aux fournisseurs.

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.

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.

Voici comment les meilleurs logiciels de BI soutiennent ce processus de prise de décision :

• Connexion à une grande variété de systèmes de données et de jeux de données différents, y compris des bases de données et des feuilles de calcul.
• Des analyses approfondies, qui aident les utilisateurs à découvrir des relations et des schémas cachés dans leurs données.
• Présentation des réponses dans des visualisations de données informatives et percutantes telles que des rapports, des cartes, des diagrammes et des graphiques.
• Comparaisons côte à côte des données selon différents scénarios.
• Fonctionnalités d’exploration drill-down, drill-up et drill-through, permettant aux utilisateurs d’étudier différents niveaux de données.

Les systèmes de BI et d’analytique avancées peuvent également intégrer l’intelligence artificielle (IA) et le machine learning pour automatiser et rationaliser des tâches complexes. Ces capacités accélèrent encore davantage la capacité des entreprises à analyser leurs données et à obtenir des informations approfondies.

Prenons comme exemple IBM Cognos Analytics et les analyses de données et outils visuels qu’il réunit 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.

Selon un rapport sur la réinvention numérique publié par l’IBM Institute for Business Value : « Dans cinq ans, 58 % des 1 100 dirigeants interrogés dans le cadre de l’étude Digital Reinvention s’attendent à ce que les nouvelles technologies réduisent les barrières à l’entrée et 69 % s’attendent à une concurrence accrue entre les secteurs. »

« Les analyses avancées permettent d’approfondir la Business Intelligence et les informations sur les consommateurs recueillies à partir du big data, pour des informations descriptives aussi bien que prédictives ».