La publication du rapport du Gartner sur « les 10 tendances technologiques les plus marquantes pour 2015 » nous a offert, chez Information Builders, des pistes de réflexion extrêmement intéressantes et nous a amené à imaginer la manière dont l’univers de l’analyse des données allait changer la donne en 2015.

Les 10 tendances technologiques du Gartner sont le reflet d’un monde en pleine évolution technologique, au sein duquel se généralisent d’énormes volumes de données associés à une forte demande en solutions analytiques, pas seulement pour les employés mais également pour les machines. L’analytique ne concerne plus uniquement l’ensemble des individus, elle touche aussi ou s’intègre dans chaque chose. Il suffit en effet de considérer les milliards d’appareils dédiés à l’internet des objets (IdO).

Du fait de la croissance exponentielle du volume de données à la portée de tous, je suis convaincu que l’analytique sera l’une des tendances majeures de 2015. En soi, il s’agit là d’un message crucial adressé aux décisionnaires d’aujourd’hui et qu’ils se doivent d’intégrer s’ils veulent rester compétitifs, puisque le volume de données qu’ils ont à traiter exige une vraie culture analytique au sein des entreprises.

Dans cette optique, voici les domaines qui, selon nous, seront décisifs au cours de cette année :

  1. Les InfoApps et les solutions en self-service : une large adoption de l’analytique grâce à des applications, afin que tous les collaborateurs puissent avoir accès aux données d’entreprise.
  2. La difficulté de trouver les bonnes compétences
  3. Machine learning
  4. Le Master Data Management (MDM)


Les InfoApps et les solutions en self-service

Avec la croissance continue du volume des données et l’usage courant de l’informatique, d’ici peu, tout le monde se basera sur l’analytique pour prendre des décisions plus éclairées. D’une façon ou d’une autre, et quelle que soit notre fonction au sein d’une entreprise, nous sommes tous des décisionnaires potentiels. Pour augmenter notre productivité au quotidien, nous devons donc avoir accès aux données indispensables à notre activité, et être ensuite capables de les analyser et de prendre nos décisions en fonction de ces informations.

Aujourd’hui selon Gartner, les solutions de Business Intelligence (BI) sont adoptées par moins de 30% des collaborateurs au sein des entreprises. La BI reste malheureusement le domaine réservé des analystes professionnels, qui passent la majeure partie de leur temps à analyser des données avec des outils complexes, et des managers qui consultent des rapports et des tableaux de bord. Bien souvent, le reste des employés opérationnels, mais également les clients et les partenaires commerciaux, n’ont pas accès aux informations qui pourraient pourtant les aider à prendre de meilleures décisions. Pour garantir une adoption plus élevée de la BI, il est essentiel de comprendre qu’une solution unique ne saurait convenir à tous, dès lors qu’il est question d’analytique ou de BI. Il est primordial que chaque utilisateur puisse disposer d’une solution adaptée : les analystes doivent pouvoir utiliser des outils performants, et les collaborateurs opérationnels d’applications offrant des réponses directes, rapides et de manière aisée à des questions spécifiques ou à des problèmes rencontrés couramment.

Gartner est également de cet avis, et constate que l’une des clés de la généralisation de l’analytique réside dans une façon novatrice de fournir ces renseignements via des applications. En d’autres termes, la bonne méthode pour encourager un large déploiement des solutions analytiques et de BI est de les intégrer dans des applications faciles à utiliser pour rendre ces notions invisibles. Une application spécifique donne aux utilisateurs toutes les informations dont ils ont besoin pour prendre des décisions éclairées, sans qu’ils aient à effectuer des analyses complexes, et leur offre flexibilité et choix dans l’utilisation des données, ainsi que la capacité d’analyser de manière approfondie toutes les informations nécessaires. Quelle que soit l’organisation concernée, les avantages d’une BI et d’une analytique déployées à grande échelle résident dans une transformation culturelle où la notion de stratégie est pleinement en phase avec les opérations grâce à un processus décisionnel commun fondé sur les faits.

 

La difficulté de trouver les bonnes compétences

Malgré les avantages certains découlant de l’utilisation de solutions analytiques et de BI au sein d’une organisation, le rôle des analystes et des experts en données reste essentiel. Il y a de nombreuses offres de postes de ce type disponibles sur le marché, mais malheureusement pas assez de candidats, d’où un manque énorme de compétences dans toute l’Europe.

Je crois sincèrement qu’au cours de l’année à venir, nous verrons se développer le rôle de Chief Data Officer (CDO), car les données sont en passe de devenir l’actif le plus important d’une entreprise aujourd’hui. La plupart des organisations s’appuient sur les données, elles dépendront donc du CDO, notamment pour trouver des moyens de faire fructifier ces données. Nous assisterons également à la montée en puissance du métier de Chief Analytics Officer (CAO) en réponse à un besoin croissant d’analyse des tendances. Le défi aujourd’hui est donc de trouver des personnes qui n’ont pas uniquement les compétences techniques requises, mais qui possèdent aussi le sens des affaires.

Machine learning

Comme à chaque fois que l’on se retrouve face à une pénurie de main d’œuvre, la technologie est la solution, et dans ce cas précis nous parlons d’une solution via le machine learning (ou apprentissage automatique). Si l’on regarde en arrière, Deloitte a soulevé des points intéressants dans sa présentation intitulée « Tendances analytiques 2014 », notamment sur le fait que si les dirigeants étaient auparavant restés à l’écart du machine learning pour la prise de décision, c’était à cause « du manque d’hypothèse ou d’explication humaine derrière ce processus. » Cependant, de nos jours, « les projets liés aux données évoluent souvent bien trop vite pour des analyses traditionnelles fondées sur des hypothèses. » C’est pourquoi les entreprises adoptent le machine learning pour les aider à gérer les gros volumes de données multidimensionnelles auxquels ils ont accès.

Aujourd’hui, les données peuvent présenter de nombreuses variables – âge, éducation, revenus, fréquence d’achats etc. Il est difficile d’effectuer une visualisation aussi complexe sans l’aide d’une machine puisque vous ne pouvez inclure que trois variables. Grâce à des techniques mathématiques, les machines peuvent explorer des multitudes de données pour trouver des modèles permettant aux analystes de découvrir de nouvelles tendances. Celles-ci peuvent ensuite être utilisées dans le cadre de stratégies commerciales, pour, par exemple, déterminer quels consommateurs devraient être ciblés, avec quel type de campagne si l’on veut obtenir le plus haut RSI pour les dépenses marketing.

Le Master Data Management (MDM)

Si l’on considère le fait que les analystes travaillent aujourd’hui avec le volume exponentiel de données que nous avons évoqué, je pense qu’un autre thème va s’imposer en 2015, à savoir le Master Data Management (MDM). Les analystes doivent avoir la liberté de travailler avec les données comme ils l’entendent, mais le service informatique doit également pouvoir gérer ces données pour garantir l’harmonie des conclusions qui en sont tirées. Tout ceci devient hautement complexe lorsque différentes sources sont fusionnées et qualifiées de manière potentiellement inadaptée dans les métadonnées. Nous avons mentionné l’explosion des données, mais cette explosion ne touche pas seulement le volume des données, elle concerne aussi la variété de sources multiples. Il existe des pistes comme les médias sociaux qui fournissent une mine d’informations pour les entreprises, et les analystes veulent pouvoir y avoir accès en temps réel. La gouvernance des données devient alors un élément fondamental pour permettre au service informatique d’assurer un contrôle centralisé tout en offrant aux analystes la flexibilité dont ils ont besoin. Il est tout aussi nécessaire d’étendre cette capacité d’accès à toute l’organisation grâce à un modèle en self-service, qui permet à chaque collaborateur, selon ses fonctions, d’avoir accès aux données de l’entreprise qui le concernent.

Un autre aspect intéressant lié à cette tendance concerne l’importance de l’intégration, du traitement et de l’analyse des données en temps réel. Alors que l’accent est mis sur des systèmes contextuels, la profondeur et l’étendue du contexte dépendent essentiellement de la collecte des données, de leur qualité et de leur intégration à partir de systèmes multiples. Toute faille dans ce processus peut rendre l’aperçu incomplet ou imprécis, réduisant de fait la valeur dudit contexte pour la prise de décision. Ces failles peuvent également empêcher l’automatisation du système d’aide à la décision nécessaire aux machines intelligentes, ce qui a, à son tour, des conséquences sur le Big Data. Les données machine et les données non-structurées, comme par exemple les données clients provenant des médias sociaux, peuvent aider les entreprises à se développer et à accroître leurs revenus, et à ce titre, elles devraient être une préoccupation majeure pour toutes les entreprises.

Quelle que soit la manière dont nous envisageons les choses, il sera intéressant d’étudier de quelle façon les entreprises vont aborder le défi lié aux données. Les avantages des tendances que j’ai évoquées sont certes multiples, mais uniquement à la condition que les informations soient disponibles pour tous les utilisateurs métier, et pas seulement réservées aux analystes ou aux cadres dirigeants.

 

 

________
Rado Kotorov est vice-président du département marketing produit chez Information Builders