BI traditionnelle ou BI en libre-service. Pourquoi choisir ?

BI traditionnelle ou BI en libre-service ? Un choix que les organisations ne devraient pas avoir à faire, car il s’agit davantage d’un partenariat qui nécessite des éléments issus de ce tandem, en vue de permettre aux utilisateurs d’exploiter efficacement des données.

Entre informatique décisionnelle (BI) traditionnelle ou en libre-service, personne ne devrait avoir à choisir. Ces deux approches apportent aux organisations des outils et des avantages différents.

Nombre d’organisations perdent du temps, et donc de l’argent, en résolvant des problèmes par des procédés conventionnels – par exemple par une surutilisation d’Excel – ; une résolution qui peut prendre des mois, voire des années. La BI aide l’entreprise à extraire bien plus rapidement de ses données des indicateurs directement exploités dans des phases de prise de décision. Cet aspect est de mieux en mieux compris. D’ailleurs, le marché est florissant.

Mais pour que ces indicateurs émanant directement des données aient un réel impact sur le résultat net d’une entreprise, ils doivent tomber dans les mains d’employés capables de les exploiter. Or seuls 13 % des décideurs utilisent l’analytique au quotidien. Toutefois, selon une enquête publiée par IDC et Sisense en 2021, la tendance s’oriente vers une exploitation accrue des données.

La quasi-totalité des employés tirera alors régulièrement parti de données dans leur travail. Mettre cette puissance dans les mains d’employés qui ne sont pas, eux-mêmes, des data scientists, implique une nouvelle approche de l’informatique décisionnelle. C’est là qu’intervient la BI en libre-service.

Les plateformes BI traditionnelles proposent des outils pour transformer les données en indicateurs, que l’organisation peut alors utiliser pour prendre des décisions métier tant tactiques que stratégiques. Cette approche nécessite de disposer d’experts en statistiques, en analytique ou en data science.

La Self BI ou l’informatique décisionnelle en libre-service met cette puissance entre les mains du métier lambda, au moment et à l’endroit où il a besoin de ces éclairages pour prendre des décisions métier.

 Un tableau montrant les différences entre la BI traditionnelle et la BI en libre-service.
Les différences entre la BI traditionnelle et la BI en libre-service.

Pas de « remède miracle » : les fondamentaux de la BI traditionnelle restent de mise

Un mythe persiste sur la BI en libre-service : elle permettrait de disposer du rapport approprié au moment voulu. Pourtant, opposée à la BI traditionnelle, elle ne constitue en rien le remède miracle, explique Igor Ikonnikov, Directeur de recherche et conseiller en architecture, données et analytiques d’entreprise chez Info-Tech Research Group.

« La BI en libre-service constitue une des facettes ou un des pipelines de la génération de rapport et d’analytiques », nuance-t-il. « Elle ne saurait remplacer totalement la BI traditionnelle ».

« [La BI en libre-service] ne saurait remplacer totalement la BI traditionnelle ».
Igor IkonnikovDirecteur de recherches, Info-Tech Research Group

C’est l’approche défendue par Salesforce avec Tableau ou Microsoft avec Power BI.

En revanche, ces acteurs affichent moins la partie immergée de l’iceberg : la mise en œuvre de la « self-service BI » est ardue. Les experts doivent planifier les capacités dont l’utilisateur final a besoin, architecturer les flux de données, mettre en place les structures de gouvernance adéquates et s’assurer que l’interface utilisateur fonctionne comme prévu.

Selon le type de BI en libre-service mis en place, l’utilisateur final peut avoir besoin d’une formation.

« Selon moi, il n’est pas raisonnable de contraindre des employés hautement spécialisés, mais peu enclins à apprendre de nouvelles technologies BI, à s’impliquer dans la version libre-service de la discipline », explique Igor Ikonnikov.

Au lieu de cela, les entreprises doivent proposer le niveau de BI en libre-service adapté aux besoins de l’utilisateur. Par exemple, certains utilisateurs souhaiteront uniquement apprendre à personnaliser des vues dans des tableaux de bord préconfigurés. Là où d’autres souhaiteront créer des visualisations. Certains utilisateurs particulièrement avancés pourront, quant à eux, pousser jusqu’à l’ingénierie des données.

Comparée à la BI traditionnelle, la BI en libre-service affiche des capacités limitées. Pourtant, en général, on considère à tort que la seconde peut tout faire comme la première, explique Jay Yu, Vice-président chargé des produits et de l’innovation chez TigerGraph, l’éditeur d’une base de données orientée graphes coiffée d’applications analytiques.

Les analyses complexes nécessitent encore la combinaison d’une expertise métier et des connaissances en statistiques. Même lorsque la plateforme BI en libre-service ne présente aucune fonctionnalité avancée, un niveau de compétence limité côté utilisateur peut entraver l’efficacité. Considérer que les outils de BI en libre-service ne nécessitent aucune formation serait une erreur, selon Jay Yu.

 « Si ces outils sont conçus pour être extrêmement simples et faciles à exploiter par l’utilisateur métier, un certain niveau de formation initiale reste nécessaire pour en tirer pleinement parti », prévient-il.

BI en libre-service : un support nécessaire

Outre la formation des utilisateurs au fonctionnement des plateformes de BI en libre-service, les entreprises doivent se préparer à prendre en charge la discipline sous d’autres angles. Par exemple, tous les outils BI ont besoin de données, ce qui implique une compétence dans la mise en œuvre des pipelines.

Le simple fait qu’il s’agisse d’un outil en libre-service ne signifie nullement que toutes les données dont l’utilisateur a besoin vont s’afficher automatiquement. Et il ne faut d’ailleurs pas trop y compter, explique Mathias Golombek, Directeur technique chez Exasol, éditeur de logiciels de gestion de bases de données analytiques.

Par exemple, les organisations doivent se conformer à différentes réglementations régissant l’accès et les traitements possibles des données. Elles ne sont pas en mesure d’accorder un accès interne général à des informations sensibles, poursuit Mathias Golombek.

Et au CTO de signaler que, de plus en plus de gens accèdent à des données, ce qui induit un risque accru de générer un trop grand nombre de rapports disjoints ou mal alignés à l’échelle de l’activité.

« Les réplications ou les interprétations divergentes des mêmes données conduisent souvent à des hypothèses incorrectes, voire à des contradictions », explique Mathias Golombek.

Outre la mise en place tutoriels et de formation destinés aux employés, les organisations doivent intégrer des data engineers qualifiés à leurs unités métier, en vue de gérer les problèmes d’administration dans ce domaine.

Bref, cette nouvelle approche ne permet pas de faire une croix sur l’établissement d’une architecture BI, ni d’écarter les phases classiques d’un projet de gestion de données.

Conseils pour une BI en libre-service réussie

Un projet de BI en libre-service réussi commence par une bonne orchestration de données de qualité. Et cette première étape implique la connaissance des données elles-mêmes, un travail de modélisation BI et l’élaboration d’une couche de présentation, explique Myles Gilsenan, Vice-président chargé des données, des analytiques et de l’IA chez Apps Associates, un cabinet de conseil en technologie.

« La simple connexion d’un outil BI à un lot de sources sans travail de modélisation de données mène souvent à la catastrophe », indique-t-il.

À ce stade, les données doivent être modélisées et présentées aux utilisateurs de manière compréhensible et sans leur poser de problème », explique Myles Gilsenan. Pour empêcher des situations dans lesquelles plusieurs versions d’une même vérité sont présentées à différents employés, il convient de mettre en place des garde-fous et des protocoles de distribution.

Tout au long de ce processus, la sécurité des données est essentielle. Pour empêcher tout accès non autorisé, il est nécessaire de concevoir une sécurité des informations optimale.

Des avantages non négligeables

Selon un rapport d’Accenture diffusé en mai 2021, les organisations adeptes des préceptes « data-driven » font état d’une croissance annuelle de plus de 30 %. Il s’agit d’organisations qui intègrent une analyse des données au cœur de leurs activités, et qui recourent à des KPI (indicateurs clé de performance) pour transformer des processus métier.

Si 87 % des employés croient en la valeur des données, Accenture rapporte pour sa part que seuls 25 % d’entre eux sont capables de les exploiter efficacement, et 74 % se sentent débordés et frustrés lorsqu’ils manipulent des données.

« Les données peuvent s’avérer particulièrement intimidantes pour les employés », explique Dave Hurt, DG et co-fondateur de Verb Data, l’éditeur d’une plateforme dédiée aux développeurs d’applications de BI embarquée.

Lorsqu’il s’agit d’informatique décisionnelle en libre-service, les entreprises se focalisent sur la curation et l’adaptation, ainsi que sur la création de socles, de voies et de directives solides sur lesquels les utilisateurs pourront s’appuyer, selon Dave Hurt.

Et de poursuivre en affirmant que « fournir une base met les employés en confiance et leur permet de consulter des exemples qu’ils pourront adapter. ».

L’effort en vaudrait la peine.

« Les données sont les joyaux de la couronne d’une entreprise. Quel que soit le secteur, de la vente au détail à la finance, chaque entreprise cherche à exploiter les données à son avantage », explique Terri Sage, Directeur technique chez 1010data.

« Lorsque les entreprises font les choses dans les règles de l’art, les données leur permettent de personnaliser leur activité marketing, d’améliorer les ventes, d’optimiser les opérations et bien d’autres choses encore », conclut-il.

Pour approfondir sur Outils décisionnels et analytiques

Close