.svg){kind=logo}
Par Charles Parat, Directeur Conseil Data - Solution BI
& Jean-Luc Salinas, Directeur des Opérations - Solution BI France
En une série de quelques articles vous allez comprendre pourquoi la business intelligence est une des plus belles ambitions d’une entreprise.
Vous ne comprenez pas tout à l’informatique ? Tant mieux ! Nous allons tenter de vous expliquer simplement comment vous servir au mieux de la data pour améliorer votre performance au quotidien.
LA BUSINESS INTELLIGENCE EN 3 ETAPES,
POUR MIEUX COMPRENDRE SES ENJEUX
Le déversement croissant et massif de données issues des activités de l’entreprise est une mine brute pour comprendre à tout moment l’avancement des plans, l’atteinte ou la dérive par rapport aux objectifs, la mesure des moyens consommés pour y parvenir.
Bref, pour piloter une entreprise !
Ces données sont le carburant de la Business Intelligence, cette science de l’information qui permet à chaque acteur métier de comprendre où il en est, et de prendre la « meilleure prochaine action ».
Avec cette série d’articles, nous espérons que chaque décideur pourra mieux comprendre le caractère essentiel de tous les savoir-faire qu’il faut mettre en œuvre pour contribuer à l’amélioration durable de la performance des organisations, en les aidant à tirer le meilleur parti d’une « feuille de route Data et Performance».
Mais pour s’entendre sur l’essentiel, il faut comprendre le fondement de la B.I., à quoi elle sert, et comment elle s’inscrit durablement dans le projet de performance de l’entreprise.
Étape n° 1 : Considérer la data au travers des processus métiers de l’entreprise
Tout commence par la vision des organisations de nos clients.
Ils ont une vision stratégique de leurs activités essentielles, la vente, la conception, la fabrication, l’achat pour revente, le transport, …
Ces activités sont déclinées en processus au sein de d’une organisation des différents métiers de l’entreprise.
Et au niveau opérationnel, les différents acteurs s’affairent à exécuter des opérations qui génèrent des faits, des événements, des informations qui illustrent cette exécution.
Avec l’avènement et l’accélération exponentielle de la digitalisation des processus métiers, énormément de données sont générées par les opérateurs de cette exécution.
A l’origine majoritairement humains, ces acteurs sont évidemment de plus en plus remplacés ou complétés par des chaines robotisées.
La tendance est à l’IoT et au RPA (Robotic Processing Automation),… et elle nous inonde de Data.
Étape n°2 : Transformer la data en information
Pour peu que cette Data illustre réellement ce qu’on souhaite suivre et mesurer, cette manne de données numérisées va servir un pan analytique de plus en plus riche.
Cela va du simple suivi d’exécution en mode reporting, jusqu’aux indicateurs et documents les plus stratégiques observés par tous les niveaux de directions, les conseils d’administration ou les autorités de surveillance.
Cette production d’information passe par une foule de procédés analytiques et prédictifs destinés à apporter aux métiers plus de valeur tirée de la Data disponible.
On exploite la Data la plus élémentaire comme une information opérationnelle brute ; on l’enrichit pour en produire une information toujours plus pertinente sur des niveaux d’indicateurs-clés ; et on tente de la rendre le plus complète, volumineuse et fiable possible pour en déduire des prédictions avec de l’Intelligence Artificielle.
Étape n°3 : Rapprocher les valeurs mesurées et les valeurs cibles pour piloter tous les niveaux de l’activité
Opérationnel, tactique et stratégique,… forte de cette capacité à mesurer l’avancement de ces 3 niveaux de suivi, l’entreprise bénéficie alors de tout un pan applicatif qui permet de rapprocher les valeurs prévues dans les plans et les budgets, avec la réalité captée sur le terrain.
C’est ce pilotage par la prévision qui permet de mesurer la performance et d’ajuster les moyens aux ambitions.
Ce sont les techniques de l’EPM, l’Entreprise Performance Management.
On y retrouve tous les domaines métiers de l’entreprise : les ventes, les achats, la production, la logistique, les RH… et la finance jusqu’au plus haut niveau de pilotage de l’organisation.
Enjeu n°1 : Prendre soin de son patrimoine-data
Ce modèle serait parfait si les données étaient toujours, en qualité comme en quantité, celles qu’on attend réellement. Or, les données déversées dans les systèmes ne correspondent pas forcément à l’usage analytique qu’on en projette.
Il faut donc organiser la correspondance entre les données brutes et leurs usages, actuels ou potentiels.
L’enjeu est de permettre à chacun de connaitre les usages possibles et de s’en inspirer pour imaginer de nouveaux usages ; penser à de nouvelles sources de données.
L’entreprise doit mettre à disposition du plus grand nombre les outils et l’organisation qui permettront ces progrès en garantissant à la fois le meilleur partage des connaissances et la sécurité la plus adaptée aux risques potentiels.
Il faudra organiser une collaboration permanente entre les équipes métiers et l’équipe informatique : il s’agit de définir une nouvelle gouvernance et d’allouer des moyens à la hauteur des ambitions.
L’entreprise doit exposer sa Data « as a service » à tous les besoins et usages possibles. Un mélange harmonieux d’organisation et de techniques adaptées.
Enjeu n°2 : Engager le cercle vertueux de l‘amélioration continue
Encore faut-il s’assurer que cette belle organisation sera durable au-delà des sponsors et des acteurs engagés initialement sur quelques projets.
Il faudra s’adapter aux inévitables changements, à la succession des acteurs de cette indispensable gouvernance, faire évoluer les mentalités et les systèmes, s’adapter au progrès technologique, aux variations internes et externes de contexte métier et jusqu’à remettre en cause la façon de faire en adoptant des démarches successives de transformation.
Lorsque l’entreprise a commencé son chantier Data, elle doit prendre conscience de l’intérêt de l’entretenir inlassablement pour créer toujours plus de valeur auprès de ses métiers.
Elle doit construire, entretenir et exécuter la feuille de route de la transformation qui s’appuie sur la Data.
D’où notre positionnement sur les savoir-faire B.I.
… qui sont pour nous les fondamentaux pour servir la Business Intelligence durable d’une organisation :
• Process Intelligence
• Data intelligence
• Advanced Analytics
• Performance Management
• Agile Transformation
Et que nous détaillons et illustrons dans les 5 prochains articles.
À suivre !
Lire également nos autres articles sur les offres Solution BI
Process Intelligence : comprendre comment les données circulent
Data Intelligence : rendre la data disponible
Advanced Analytics : s'adapter à son public
Performance Management : choisir les bons KPI
Agile transformation : accompagner la transformation data-driven de l'entreprise
Sur le même sujet :
Choisir une Business Intelligence collaborative pour optimiser vos cycles budgétaires
