.svg){kind=logo}
EPM et BI : un savant duo
L’EPM repose clairement sur une « approche de gestion » stratégique qui apporte un cadre que la BI va pouvoir compléter par sa dimension technologique. Nous sommes prêts à considérer que l’EPM utilise la BI comme fondement technologique pour l’appliquer directement à une méthode de performance. Nous verrons bien évidemment que si la BI appuie la solution EPM notamment en lui mettant à disposition les données organisationnelles de l’entreprise*, elle la complète également en associant aux tableaux de bord prospectifs relevant du processus budgétaire, l’élaboration et surtout la restitution de tableaux de bord opérationnels qui accompagnent la prise de décisions dans le pilotage effectif de la performance des métiers.
Les solutions de BI traditionnelles ont toujours visé « à fournir aux collaborateurs décideurs les informations essentielles pour une prise de décision éclairée ». La chaîne décisionnelle intervient alors pour digérer et analyser les données issues des SIO, et les livrer aux utilisateurs finaux.
La BI ou comment descendre aux racines de l’entreprise ?
La BI est ainsi un moyen de descendre plus en profondeur, aux racines même de l'entreprise, là où se joue l'action. Grâce à la production de tableaux de bord ad hoc, elle permet de prendre les bonnes décisions, d’appuyer sur le bon bouton au bon moment et déclencher ainsi un comportement performant. Ce sont les seuls véritables outils de pilotage et de management de la performance. Ils rassemblent les indicateurs clés, les leviers d'attraits qui permettent de garder le cap sur les objectifs de performance posés dans la stratégie de l'entreprise. Les outils de Data Visualisation modernes vont notamment apportent une meilleure interactivité pour filtrer et descendre en granularité dans la donnée. Et en l’occurrence comment illustrer le pilotage de la performance : ce qui va permettre de mieux comprendre encore les enjeux de la Business Intelligence et ses apports aux processus budgétaires.
Si l’on assimile cela à une course de rallye raid organisée sur plusieurs spéciales, piloter la performance permet de s’assurer que l’on garde le « contrôle visuel sur le sens stratégique » que l’on objective (et qui a été posé dans le processus budgétaire), et qui impose de respecter de bons usages, que l’on adopte les bons comportements, ce qui renvoie à l’optimisation des processus métiers de l’entreprise, et de prendre des décisions éclairées. Et bien piloter c’est alors actionner la « meilleure stratégie de course » avec le choix du meilleur itinéraire jamais définitif, un ajustement des trajectoires et des « courbes » en temps réel, l’anticipation des imprévus, et donc plus globalement une bonne prise de décision dans un contexte de conditions météo souvent changeantes et parfois très perturbées. La vue est rarement dégagée et requiert donc d’avoir des signaux, des jalons clairs, un balisage efficient : c’est ce à quoi doivent concourir les Dashboards produits grâce aux solutions de Data Visualisation qui clôture la chaîne décisionnelle, et qui donnent une visibilité en temps réel. Le pilote garde sa « feuille de route » dans sa boîte à gants et reste bien les yeux rivés sur « son tableau de bord » et « sur l’horizon qui s’ouvre à lui » pour atteindre son objectif : « gagner la course en un temps record et en ayant optimiser son budget de dépenses ». Il ressortira sa feuille de route à chaque fin de spéciale pour modifier sa stratégie de course si besoin.
Comment réellement tirer profit de la BI moderne ?
Toutefois, pour tirer pleinement bénéfice de la BI moderne, il est également nécessaire de rappeler quelques prérequis. Premièrement, les directions métiers sont tenues de connaître et de préparer leurs données. D’aucuns parlent ici de raffinage de la donnée pour la rendre exploitable, en d’autres termes pouvoir en extraire une information actionnable, au même titre que les processus que subit le pétrole pour en dégager une valeur marchande.
Si de nombreuses solutions de présentation de la data (dits de Data Visualisation) embarquent des connecteurs et APIs pour intégrer différentes sources, les outils ETL et ELT** sont aujourd’hui les solutions les plus puissantes pour « raffiner et mettre en qualité » les données dans un contexte Big Data et d’enrichissement via les fonctions de Machine Learning au cœur de l’IA. Ils répondent en cela très largement aux enjeux de la BI moderne qui suppose de pouvoir gérer des sources très variées et de proposer des modèles prédictifs.
Avec une solution ETL on garantit la validité des données et la terminologie des métadonnées, en créant un socle universel à l’échelle de l’entreprise. La préparation des données s’opère successivement par (1) le choix des données utiles en les triant, (2) l’attribution d’un standard de référencement unique qui les rendent compatibles entre elles et qui apporte une grille de lecture commune en les transformant, puis (3) leur rangement dans une base organisée*** de manière structurée qui assure en assure l’accessibilité. Ne manquons pas de préciser que l’enjeu autour de la création d’un Data Mart ou d’un datawarehouse, au-delà d’une volonté de fiabilité et d’homogénéité, renvoie à l’optimisation des performances de calculs.
Si ETL et bases structurées renvoient directement aux besoins des métiers en leur assurant la mise à disposition de données décisionnelles, l’utilisation d’un ELT dans le cadre d’un projet Big Data & BI vise quant lui à générer une base de stockage non structurée qui rassemble pêle-mêle des données de toutes sources internes comme open data : le Data Lake. Cette base d’interrogation cible, dans laquelle s’effectuera toutes les transformations, bénéficiera aux Data Analysts et Data Scientists pour apporter de multiples opportunités d’analyses et d’enrichissement de la donnée. Du fait de cette absence de structure, les Data Lake sont nettement plus agiles car ils vont permettre de reconfigurer facilement les modèles de données et de découvrir de nouveaux schémas combinatoires qui porte la valeur des données insidieuses.
Le choix des outils : une décision à ne pas prendre à la légère
Deuxièmement, se pose la question d’un outil de Data Visualisation strictement adaptée aux besoins de l’utilisateur. Trop nombreuses sont les directions métiers et financières à mal s’équiper. Les logiciels de BI diffèrent en effet selon les usages que l'on souhaite en faire, ce qui justifie qu’une même organisation puisse recourir à plusieurs solutions de Data Visualisation. Cette question se pose moins s’agissant de l'outil d’EPM dont nous avons bien vu qu’il s’agissait très strictement d’une solution collaborative commune à l'ensemble de l'organisation, et qu’il ne fait pas sens de multiplier ces applications.
S’agissant donc des critères de sélection d’un outil de Data Visualisation et/ou Data Exploration :
- Analyses guidées et de tableaux de reporting d’activité : les utilisateurs ont besoin d’une restitution périodique et instantanée des performances opérationnels avec des jeux de données et de calculs définis à l’avance. Le travail de restitution porte sur des comparaisons ou des tendances de performances sur plusieurs périodes type reporting d’activité.
- Analyses guidées et de tableaux de bord métiers : les utilisateurs s’appuient également dans ce second cas sur des jeux de données et de calculs définis en amont, mais ils veulent effectuer eux-mêmes l’exploration des données et donc disposer de fonctionnalités de drill-down pour aller en profondeur dans l’analyse.
- Applications intégrées qui combinent analyse guidée et gestion de la performance : ceux sont les solutions intégrées aux solutions ERP ou outils indépendants qui s’y connectent
- Analyse guidée et intégration de feuille de calcul (mode TCD) : Les utilisateurs s’appuient principalement sur des tableurs en guise de source ou de cibles d’exportation avec les fonctions de gestion de bases OLAP (en lignes)
BI en self-service et analyse ad-hoc : Les utilisateurs ne connaissent pas les données pertinentes ni les jeux de calculs à l’avance. Ces solutions d’adressent à des Analysts métiers qui seront capables de collecter et d’analyser les données de façon autonomes. Ils auront besoin de mener des analyses approfondies de leurs données afin de ressortir celles qui sont pertinentes. - Solutions analytics orientée graphique dites de Dataviz : L’utilisateur reste dans une approche Analytics mais veut également s’appuyer sur de la Data Viz avancé (cartes de chaleur, nuage de points……)
Pour choisir la solution idéale, répondant précisément au besoin, il est conseillé de faire appel à des intégrateurs experts BI et EPM.
En savoir plus sur Cédric Fradin >
* Cela renvoie autant au chargement des données internes, mais aussi à l’intégration d’open data
**ETL : Extract-Transform-Load & ELT : Extract-Load-Transform
***Data Mart pour chaque métier, ou Data Warehouse par thèmes
[cta id="91377" vid="0"]
