Réussir un projet de Business Intelligence et d’analytique peut sembler simple, il n’en est rien ! Même si les solutions actuelles sont performantes et ergonomiques, le succès de ce type de projet ne repose pas uniquement sur son aspect technologique. L’aspect humain y est prépondérant et les échecs sont fréquents. Une étude récente menée par Dresner Advisory Services(1) montre que seulement 35% des entreprises interrogées considèrent leur projet analytique comme une véritable réussite.

  1. Ne pas se concentrer uniquement sur les indicateurs clés de performance.

Ces indicateurs (ou KPI) sont devenus un outil de pilotage de la performance de l’entreprise et de ses équipes. Il est indispensable de disposer de chiffres fiables et indiscutables pour évaluer l’activité d’une organisation et de chacun de ses départements et de ses employés. Mais attention, un indicateur n’est pas suffisant. Au-delà de celui-ci, il est nécessaire que toute partie prenante sache à partir de quelles données et de quels outils cet indicateur a été calculé afin de comprendre son évolution et de prendre les bonnes décisions pour agir. Une application de BI doit donc fournir une analyse précise des données utilisées pour chaque indicateur, celui-ci pouvant être utilisé dans le cadre de la gestion de la performance métier, incontournable pour suivre la mise en œuvre opérationnelle (planification, exécution) de la stratégie de l’entreprise à tous les niveaux de l’organisation.

  1. Attention au mythe de la BI en self-service pour tous !

Ces dernières années ont vu l’essor des outils de Business Intelligence en self-service. Le progrès est réel pour les utilisateurs désireux de réaliser des analyses de données de manière ponctuelle, mais ces solutions ne répondent pas aux différentes attentes de l’ensemble des collaborateurs d’une entreprise. Les utilisateurs moins techniques préfèreront des applications de BI performantes, créées spécifiquement pour répondre à leurs besoins tandis que la direction adoptera généralement l’usage de tableaux de bord où les données sont synthétisées, avec la possibilité de recevoir des alertes lorsque certains seuils relatifs à des indicateurs clés sont dépassés.

  1. Préparez soigneusement vos données !

Indicateurs clés de performance faussés, erreurs d’interprétation ou même rejet de l’outil par les utilisateurs, un faible niveau de qualité de données est souvent à l’origine de l’échec de nombreux projets décisionnels. Utiliser un outil de BI, aussi performant soit-il, à partir de données fausses est une approche de la Business Intelligence peu rationnelle. 60% des entreprises avouent des problèmes dans la fiabilité de leurs données et, en moyenne, 25% des données issues d’une base de données sont incorrectes(2).

Les analystes et les Data Scientists peuvent consacrer de 1 à 3 heures par jour à corriger les erreurs qu’ils identifient(3) et celles qu’ils ne voient pas sont potentiellement une source d’erreur de jugement pour les décideurs. C’est uniquement en mettant en place une véritable gestion de la qualité des données et des Master Data en amont de la plateforme de Business Intelligence que la problématique de la qualité des données peut être résolue dans la durée.

  1. Pensez plateforme BI plutôt que solutions décisionnelles tactiques !

La Business Intelligence est un projet d’entreprise qui ne peut se résumer au seul déploiement de solutions départementales tactiques. Ainsi, l’utilisation d’outils de data discovery, indépendamment des autres plateformes, et permettant aux utilisateurs de générer leurs propres analyses ou de créer leurs propres représentations graphiques, sera peu adaptée car trop complexe pour un utilisateur métier. Seuls les analystes ou utilisateurs avancés possèderont les connaissances et les compétences indispensables pour tirer parti de ces outils, laissant une grande partie du reste de la population – directeurs, responsables, opérationnels, clients et partenaires – sans solution. Le retour sur investissement de ce type de solution et son taux d’adoption sont peu élevés. Leur usage conduit également l’entreprise à faire face à la coexistence de solutions multiples.

Concevoir une stratégie de BI globale à l’ensemble de l’entreprise est indispensable de même que mettre en place une plateforme analytique offrant toute une palette d’outils capables de répondre aux différentes attentes des utilisateurs métier et d’assurer une cohérence à l’ensemble.

  1. Sélectionnez les bonnes sources de données !

Quand une DSI mène un projet de Business Intelligence, elle porte toute son attention sur des données qu’elle maîtrise le mieux à savoir les informations stockées au sein de l’ERP, du CRM ou de bases de données multiples et variées. C’est indispensable, mais loin d’être suffisant. Comme le rappelle IDC, 90% des contenus d’une entreprise sont de type non structurés(4). Commentaires glanés sur les réseaux sociaux, données générées par des machines ou par des produits à l’heure de l’internet des objets, toutes ces sources de données doivent alimenter la plateforme analytique de l’entreprise. Ce n’est qu’en se basant à la fois sur les informations structurées et non structurées que les responsables pourront prendre les bonnes décisions.

—

Références:
(1) “2015 Wisdom of Crowds® Advanced and Predictive Analytics Market Study,” Dresner Advisory Services, LLC, 2015.
(2) Vasudev, Mahak. “What is Bad Data and Its Side-Effects,” Business 2 Community, février 2015.
(3) Prohens, Corry, “How Data Scientists Spend Their Time,” IQ WorkForce Pvt, Ltd, octobre 2015.
(4) IDC, “Extracting Value from Chaos”, juin 2011.