Imprimer cette page

Tribune Libre accordée à Nathaniel SPOHN, General Manager EMEA chez FIVETRAN : « Allez-vous gaspiller vos investissements en Business Intelligence ? »

Nathaniel SPOHN, General Manager EMEA chez FIVETRAN Nathaniel SPOHN, General Manager EMEA chez FIVETRAN

« Au printemps 2020, Dimensional Research a réalisé une enquête mondiale sur l’utilisation des outils de Business Intelligence par les entreprises au cours de leurs opérations quotidiennes. Ses résultats sont révélateurs : parmi les près de 500 professionnels de l’analyse des données interrogés, 98% ont déclaré que leurs outils de Business Intelligence jouaient un rôle concret dans les opérations quotidiennes de leur entreprise.  

Il est donc clair que de nombreuses entreprises reconnaissent désormais la valeur que les outils de Business Intelligence peuvent leur apporter, que ce soit en fournissant des informations capables d’aider à la prise de décisions, en délivrant des rapports immédiatement exploitables par des équipes de direction, ou en offrant les données nécessaires pour améliorer l’efficacité opérationnelle, et bien sûr, la profitabilité.

Toutefois, l’étude ne s’est pas arrêtée là. En plus d’examiner les tendances générales relatives à l’utilisation de la Business Intelligence, Dimensional Research a également recherché si ces outils étaient utilisés à leur plein potentiel ou s’il existait un danger que des organisations, au moins dans une certaine mesure, ne gaspillent leurs investissements. Sur cette question, les réponses sont plus mitigées.

Business Intelligence : les ressources sont là, mais elles sont sous utilisées 

Du côté positif, le rapport a clairement confirmé que les entreprises comprennent que les outils de Business Intelligence ne peuvent seuls délivrer des informations stratégiques directement exploitables. De fait, sept entreprises interrogées sur dix ont déclaré qu’ils avaient soit mis en place de nouvelles équipes pour aider à exploiter leurs investissements en Business Intelligence, soit prévoyaient de recruter plus d’analystes. Les analystes sont clairement considérés comme déterminants pour exploiter toute la valeur des outils de Business Intelligence ; et ceci est confirmé par l’importance des équipes d’analystes de données dans la plupart des entreprises.

Mais en poussant plus loin l’examen sur la façon dont ces analystes occupent leurs journées de travail, le constat est un peu différent. Plus des deux tiers (68%) des analystes interrogés ont indiqué que, bien qu’ils avaient des idées pour améliorer les résultats de leur entreprise, ils manquaient de temps pour les mettre à profit. Un facteur qui impacte directement leur productivité est le fait qu’un analyste ne passe en moyenne que la moitié de sa journée de travail à se concentrer sur l’analyse pure.

Le plus grand frein à sa productivité est le temps qu’il perd à essayer d’accéder à des ensembles de données disparates. Cette activité, qui pourrait être un processus relativement simple, peut consommer jusqu’à un tiers du temps de travail d’un analyste.

Les analystes ont également signalé plusieurs autres frustrations liées entre elles. Quasiment tous (90%) se sont plaints que les sources de données dont ils avaient besoin pour faire leur travail n’étaient parfois pas disponibles, étaient polluées ou uniquement accessibles de façon intermittente.

Des sources de données non fiables entraînent souvent des retards qui ont un plus large impact sur l’entreprise dans son ensemble. Tout décalage dans le processus impact les analystes dans leur capacité à générer des rapports et aider à la prise de decisions, les informations étant erronées.

En raison des changements rapides et des bouleversements auxquels la plupart des entreprises ont eu à faire face au cours des derniers mois en raison du Covid-19, il est difficile d’imaginer comment des données financières, marketing ou commerciales vieilles de plusieurs mois pourraient à l’heure actuelle générer des décisions pertinentes.

Pour des applications qui nécessitent des données parfaitement mises à jour comme des modèles d’intelligence artificielle, de tels délais sont simplement hors de question. Il est inquiétant, par conséquent, que 86% des personnes interrogées aient indiqué qu’elles étaient parfois obligées d’utiliser des données ‘anciennes’. Pire encore, parmi ces personnes, plus de la moitié ont admis que leurs données avaient, en moyenne, au moins deux mois d’ancienneté.

De plus, une seule source de données indisponible suffit pour provoquer des retards, ce qui est un facteur important à considérer étant donné que les analystes d’aujourd’hui s’appuient sur de nombreuses sources de données disparates. Parmi les analystes interrogés, la majorité jonglaient avec au moins 11 ensembles de données différents, 96% des entreprises consultées retirant au moins une partie de leurs informations de plates-formes basées dans le cloud.

L’enquête a également révélé un autre défi autour des schémas de données, les plans sur la base desquels ces sources de données sont construites. Les entreprises changeant continuellement leurs priorités opérationnelles, et restructurant constamment leurs données afin de découvrir de nouvelles avancées et opportunités, ces schémas sont en constante évolution, de plus en plus d’ensembles de données étant sans cesse ajoutés.

Bien que cela améliore la précision du reporting et le processus de prise de décision, pour l’analyste, ces changements ont souvent pour résultats plus de travail et plus de retards. 60% des personnes interrogées indiquent que leurs schémas sont mis à jour chaque mois.

Un manque de ressources d’ingénierie disponibles pour supporter ces mises à jour aggrave ce problème. Les analystes de données sont obligés d’accepter des tâches qui sont en dehors de leurs fonctions normales – et de leurs compétences de base – pour pouvoir faire avancer des projets au rythme requis par les dirigeants de l’entreprise. Par exemple, beaucoup se retrouvent à créer des rapports sur Excel car ils n’ont pas accès aux informations dont ils ont besoin via un tableau de bord dédié. D’autres doivent coder leurs propres scripts afin d’ingérer de nouveaux flux de données.

Il est temps de repenser le transit des données

Bien que les organisations soient fermement décidées à investir dans des outils de Business Intelligence et dans les équipes d’analystes qui les gèrent, si l’on gratte sous la surface, il existe des signes inquiétants qu’à la fois la technologie et le personnel possédant l’expertise nécessaire pour optimiser sa valeur soient sous utilisés. Mobiliser plus de personnel pour s’attaquer à la question peut aider – et fait partie des plans de certaines organisations – mais ceci ne résout pas le problème de fond que les données peuvent être difficiles d’accès, lourdes à gérer, et sont trop souvent périmées.

Si les organisations veulent retirer plus de valeur et de profit de leurs investissements en Business Intelligence, leur première priorité doit être de permettre à leurs analystes existants de passer plus de temps à ‘analyser’ et moins à ‘trouver’.

Dans la pratique, ceci veut dire réévaluer leurs infrastructures de transit de données pour s’assurer qu’elles sont adaptées à leur objectif. Il est stratégique que ces infrastructures soient capables d’extraire des données de multiples sources – y compris de nombreuses applications basées dans le cloud – en temps réel, avant de répliquer, transformer et intégrer ces informations dans un ensemble de données cohérent qui peut rapidement et efficacement être analysé et faire l’objet d’un rapport.

Ces infrastructures doivent automatiser la majeure partie du travail préparatoire que les analystes sont obligés d’effectuer. Par exemple, les schémas doivent s’adapter instantanément aux changements au niveau des sources sans nécessiter de travaux d’ingénierie ou la création de solutions palliatives.

En bref, les organisations ont souvent les ressources humaines et les ambitions qu’il faut pour retirer le meilleur possible de leurs données d’entreprise. Mais beaucoup d’entre elles peuvent encore améliorer l’efficacité de leurs investissements en optimisant attentivement l’infrastructure et les outils qui supportent les efforts de leurs analystes. »

 

Nathaniel SPOHN,
General Manager EMEA chez FIVETRAN

Évaluer cet élément
(0 Votes)
Dernière modification le jeudi, 18 février 2021 19:06

Éléments similaires (par tag)