À mesure que les entreprises recueillent davantage de données et cherchent à les exploiter de manière pertinente, accéder à ces données et en tirer le maximum de valeur peut s’avérer difficile.
Au-delà du simple volume de données, bon nombre des décideurs et des équipes qui ont besoin d’informations ne sont pas formés à l’analytique. Pour rester agiles, les analystes métier, les responsables, les dirigeants et les autres professionnels non informatiques d’une entreprise doivent exploiter rapidement les données disponibles afin de répondre à de nouvelles questions sans devoir attendre un long cycle de développement informatique.
L’analytique en libre-service (SSA) apporte une solution. En mettant en place un programme de SSA reposant sur des données gouvernées et adaptées aux besoins, ainsi que sur un Centre d’excellence (COE) en analytique visuelle, les organisations peuvent démocratiser leurs données. La SSA élargit l’accès aux données en simplifiant les requêtes, y compris pour les utilisateurs dépourvus de compétences techniques ou de plusieurs années d’expérience avec les outils d’analytique, et en représentant les données visuellement afin qu’elles soient faciles à comprendre d’un coup d’œil.
La SSA contribue également à résoudre le problème de la surcharge de données. Un programme de SSA bien conçu comporte des garde-fous qui ne font apparaître que les données pertinentes pour chaque question, afin que les utilisateurs ne soient pas submergés et n’aient pas à trier des informations accessoires lorsqu’ils cherchent des réponses. Il évite aussi la frustration qui survient lorsque les requêtes mettent une éternité à s’exécuter en arrière-plan, tandis que le dirigeant ou le salarié attend les réponses.
Avantages de la création d’une plateforme de SSA
La SSA peut apporter des avantages à une organisation à plusieurs niveaux. Au plus haut niveau, l’accès rapide à des informations exploitables aide l’entreprise à repérer, saisir et maximiser ses opportunités commerciales à mesure que les marchés évoluent. Les décideurs peuvent ainsi réaffecter les ressources, se concentrer sur de nouveaux produits et de nouvelles innovations, et opérer d’autres changements de cap lorsque les conditions évoluent.
Au niveau des contributeurs individuels, une plateforme de SSA donne aux salariés les moyens de tester leurs propres hypothèses. Ils peuvent accéder à leurs données et les explorer de nouvelles façons, puis présenter leurs conclusions avec la certitude que leurs données sont correctes. Cette capacité aide chacun à apporter une valeur ajoutée progressive à l’organisation. Elle peut également contribuer à leur évolution professionnelle, en leur permettant de poser et de résoudre des questions créatrices de valeur.
Par exemple, les commerciaux B2B peuvent utiliser leur plateforme de SSA pour identifier de meilleures façons d’interagir avec leurs clients et de leur proposer des offres. Forrester prévoit que cette année, plus de 60 % des vendeurs B2B bénéficieront de l’IA et de l’automatisation.
Le troisième domaine de bénéfices concerne le service informatique. En déchargeant les équipes informatiques du travail lié aux requêtes de bases de données, la SSA peut leur permettre de se recentrer sur leurs activités fondamentales, comme la préparation, l’intégration et l’optimisation des données, ainsi que sur l’infrastructure et la sécurité.
Identifier les profils des utilisateurs de la SSA
Pour garantir la bonne configuration de ces garde-fous et aider chaque utilisateur à tirer le meilleur parti de la plateforme, le programme de SSA de l’organisation doit être défini et déployé en fonction des profils utilisateurs. Les dirigeants, par exemple, ont besoin d’accéder aux KPI, aux tendances et aux exceptions, ainsi qu’à des outils faciles à utiliser pour filtrer et trier les résultats, afin de prendre rapidement des décisions éclairées.
Les responsables doivent pouvoir ajuster les tableaux de bord de données standard afin de générer des rapports et de répondre aux questions au fur et à mesure qu’elles se présentent. Les analystes doivent généralement gouverner, adapter et certifier les données publiées pour des cas d’usage spécifiques. Ils ont également souvent besoin de créer rapidement des visualisations de données et de trouver rapidement des informations utiles.
Tous ces profils voudront poser leurs questions aux données en langage courant. Une bonne solution de SSA prend en charge ce type de recherche par requête en langage naturel (NLQ), également appelée traitement automatique du langage naturel (NLP). En pratique, c’est comme disposer d’une barre de recherche Google pour les jeux de données publiés et certifiés.
Poser les bases d’un programme de SSA réussi
Quatre éléments essentiels doivent être réunis pour créer un programme de SSA efficace : les données, la gouvernance des données, la formation et les garde-fous. Les données provenant de différents ensembles doivent être nettoyées, intégrées et optimisées. La qualité et la pertinence des données comptent davantage que leur volume, car l’objectif est d’aider les utilisateurs à trouver rapidement des réponses exactes.
La gouvernance et la certification des données garantissent que les données du programme de SSA sont fiables, exactes et correctement formatées. Les données de la SSA doivent être validées de manière approfondie afin que les réponses et les informations qu’elles font apparaître puissent guider correctement les décisions.
La formation à la SSA est importante. Même si le format visuel rend les données plus accessibles que les requêtes traditionnelles dans les bases de données, les utilisateurs doivent au minimum savoir définir des paramètres de recherche. Selon leur niveau de responsabilité, ils peuvent également devoir savoir ajuster des tableaux de bord à la volée ou traiter de nouvelles questions métier.
Enfin, l’immense puissance de la SSA et de l’analytique visuelle s’accompagne d’une grande responsabilité : les garde-fous. Chaque utilisateur et chaque groupe doivent disposer du niveau d’autorisations et d’accès adapté à leur rôle. Cela aide les utilisateurs à rester concentrés sur les données qui les concernent. Cela contribue également à la sécurité des bases de données.
Suivre la courbe de maturité de l’analytique visuelle
Une fois les éléments fondamentaux en place, les organisations peuvent franchir les quatre étapes de maturité de leur programme de SSA et d’analytique visuelle. La première étape, celle des rapports, est celle où se trouvent aujourd’hui de nombreuses entreprises. Elle se caractérise par des stratégies réactives d’utilisation des données, un faible nombre de visualisations, une diffusion statique des rapports et une automatisation limitée, voire inexistante.
La deuxième étape, celle des tableaux de bord, ajoute des visualisations de données traditionnelles, comme les graphiques à barres et les courbes de tendance, souvent présentées sur une plateforme dynamique, ainsi qu’une certaine automatisation de l’actualisation des données. On observe parfois, à la deuxième étape, des données provenant de plusieurs sources et une certaine collaboration autour des données visuelles.
À la troisième étape, on atteint le libre-service. Les salariés sont habilités à mener leurs propres recherches ponctuelles sur les données, les options de visualisation sont plus variées et le partage ainsi que la collaboration via des plateformes dynamiques sont plus courants. À ce stade, les données sont certifiées, gouvernées et sécurisées.
À la quatrième étape, l’IA permet la modélisation prédictive et la création automatisée de visualisations livrées par les data scientists, les développeurs et les analystes. Comme aux étapes précédentes, cette étape repose sur des données certifiées et sécurisées, automatiquement mises à jour, mais les utilisateurs peuvent désormais effectuer des recherches en NLQ. Le système peut également suggérer les meilleures actions suivantes et s’intégrer aux processus métier.
Il peut ne falloir que six à huit semaines pour franchir les quatre étapes, mais la plupart des organisations atteignent la quatrième étape dans les six mois à un an après le lancement de leur programme. Compte tenu du temps nécessaire pour organiser les données et franchir chaque niveau de maturité, ainsi que de la nécessité pour les entreprises de travailler plus efficacement, de changer de cap plus rapidement et d’exploiter les données plus efficacement afin de prendre rapidement des décisions, le moment est venu d’envisager le développement d’une SSA.
À propos de l’auteur :
Derek Noce, Visual Analytics Portfolio Lead chez Capgemini Americas
Derek Noce s’appuie sur plusieurs décennies d’expérience en analyse métier, en planification stratégique, en développement et en déploiement de solutions analytiques pour fournir des analyses visuelles riches en enseignements. Il a dirigé des missions couronnées de succès dans de nombreux secteurs, notamment les services de voyage, la publicité numérique, les services financiers, la santé, la distribution, les produits et services grand public, l’immobilier, la construction et le secteur public. Derek est titulaire d’un B.S. en administration des affaires et en études classiques de Boston University.