La BI se réinvente en 2021. Découvrez les grandes tendances de l’année.

Cela ne fait aucun doute : la Business Intelligence (BI) est devenue un atout indispensable pour les organisations de toutes tailles. La moindre bribe de donnée peut aujourd’hui être traitée, exploitée et analysée afin d’en tirer des informations pertinentes. De quoi prendre des décisions éclairées permettant d’augmenter le chiffre d’affaires de l’entreprise, d’améliorer sa productivité et d’accélérer sa croissance. 

Mais, étant un domaine relativement récent, la BI est en constante évolution. L’année 2021, en particulier, devrait être le théâtre de changements majeurs dans le monde de la data. Bousculée par le contexte inédit de la crise sanitaire, la Business Intelligence est amenée à se réinventer, comme de nombreux autres domaines. 

Alors, quelles sont les évolutions à prévoir ? Quelles sont les nouveautés technologiques et organisationnelles qui pourraient bien chambouler la BI, et donc son utilisation au sein des entreprises ? Voici un tour d’horizon des principales tendances de la BI en 2021.

Au sommaire :

• Avènement du self-service
• Meilleur visualisation de la data
• Data governance
• Des données en temps réel
• Les rapports prédictifs
• Hébergement sur le cloud
• La sécurité des données
• Data Quality Management
• Synhétiser et exploiter des souces de données
• Le data-driven
• L’IA, l’avenir de la Business Intelligence ?

À découvrir ci-dessous, ou à télécharger au format PDF pour plus tard :

1) L’avènement du self-service

L’analyse statistique des données est un processus complexe qui nécessite l’implication d’experts en data science. Mais, avec le développement de la BI en libre-service, une nouvelle approche de la data analytics fait son apparition.

Le self-service BI est depuis longtemps plébiscité par les entreprises. En effet, de nombreux utilisateurs ne se sentent pas à l’aise avec les outils BI en place, souvent trop complexes et rigides. De plus, le recours systématique à des data scientists pour l’analyse des données implique des coûts importants. D’où cette volonté d’obtenir plus de flexibilité et d’accessibilité dans l’analyse et le reporting. D’après le BARC, organisateur de la BI Survey, la plus grande enquête annuelle réalisée auprès des utilisateurs de BI, la Business Intelligence fait d’ailleurs partie des 5 principales priorités des entreprises.

 

Cette fonctionnalité permet aux utilisateurs de réaliser des tâches de manière autonome, sans l’intervention de spécialistes de la data ou de l’IT. Grâce au libre-service, chacun peut filtrer, trier et analyser les données qui l’intéressent sans forcément posséder de compétences techniques spécifiques. 

Et, contrairement à ce que l’on pourrait croire, cette “déspécialisation” de la BI a un impact positif. On prédit ainsi que le développement de la BI en self-service produira plus d’analyses que les data scientists à eux seuls. En effet, le self-service permet de “redonner le pouvoir” aux utilisateurs métier, qui peuvent faire une utilisation très pertinente de la data, s’ils en ont les moyens. Le développement d’une véritable culture data-driven dans les entreprises ne fera qu’accélérer le phénomène.

2) Une meilleure visualisation de la data

Indissociable de la BI, la data visualisation (aussi écrite “data visualization” ou encore “dataviz”) est un enjeu toujours plus important. Son utilisation a explosé, que ce soit dans les médias, dans les entreprises et même chez les individus. 

L’année 2020, marquée par la crise sanitaire, a mis en lumière l’importance de la visualisation des données pour comprendre l’actualité. Infographies, graphiques et tableaux se sont multipliés, car ces supports permettent de représenter clairement des informations complexes.

Mais l’enjeu n’est pas seulement de mieux représenter la data : il faut aussi mieux la raconter. Les entreprises ont réalisé que les dashboards, les graphiques et les tableaux n’ont aucun sens s’ils ne sont pas correctement contextualisés et interprétés. C’est dans ce contexte qu’est apparu le data storytelling, qui permet d’ajouter du contexte aux statistiques tout en apportant une narration rendant l’information plus percutante.

Les utilisateurs souhaitent obtenir de l’information facilement, rapidement et de manière ludique. Chaque spécialité, chaque métier a besoin de données spécifiques, adaptées à ses besoins. On ne raconte donc pas les données de la même façon, selon que l’on s’adresse à un spécialiste IT, un responsable marketing ou un dirigeant.

 

Toutefois, cette nouvelle approche soulève des questions importantes. Comment raconter la data sans être orienté ? Comment garantir la fiabilité et l’objectivité des informations, alors que les données brutes sont transformées pour être plus digestes ? La gouvernance des données apparaît ici comme un sujet central dans le monde de la Business Intelligence.

3) Data Governance : des données mieux encadrées

Nous l’avons vu, les données se veulent plus accessibles et plus simples à visualiser. Mais cette tendance en implique une autre : celle de la Data Governance, qui se traduit par un meilleur encadrement du data management.

Alors que les utilisateurs de la Business Intelligence se multiplient, les données sont de plus en plus nombreuses et diversifiées. Parallèlement, leur gestion et leur exploitation se complexifient, et l’accès à la data est de plus en plus contrôlé. Il devient indispensable de disposer d’une vue d’ensemble des flux de données, mais aussi de leurs transformations. De plus, les utilisateurs qui accèdent aux data doivent pouvoir être suivis.

Qui a accès à quelles données ? De quelles données ont besoin les différents utilisateurs, selon leur métier ou leur niveau hiérarchique ? Une cartographie complète de la data est nécessaire pour que chaque utilisateur exploite la BI à bon escient. Dans le même temps, la Data Governance améliore la satisfaction et favorise l’adoption de la Business Intelligence.

Concrètement, les administrateurs doivent avoir à leur disposition différents outils pour assurer la maintenance des plateformes BI. Ils doivent notamment être en mesure de visualiser toutes les étapes de transformation d’une donnée, de sa forme brute jusqu’à sa forme finale. Mais qui dit Data Governance dit aussi confidentialité et sécurité : savoir qui accède à la data et quel traitement il en fait est primordial. 

4) Des données mises à jour en temps réel pour des décisions rapides

Accéder à la meilleure donnée, au meilleur moment. On pourrait résumer ainsi l’objectif ultime de la Business Intelligence ; or, les plateformes BI progressent de plus en plus vers ce but. L’Embedded Analytics, par exemple, a permis d‘intégrer des analyses avancées directement dans les logiciels métier des utilisateurs. Les spécialistes de la finance, du marketing ou des ressources humaines peuvent ainsi accéder à de la data pertinente, là où ils en ont besoin.

Les données sont maintenant accessibles au plus grand nombre, sous une forme adaptée aux besoins de chacun. Mais il est possible d’aller encore plus loin, notamment en améliorant la fraîcheur et l’immédiateté des données. Vous l’aurez compris, la prochaine étape consiste à mettre à jour les données en temps réel. Une manière d’avoir toujours accès aux informations les plus fiables et les plus pertinentes. 

Précisons que la data est d’ores et déjà actualisée à intervalles réguliers. Mais dans le cas présent, il s’agit d’une mise à jour continue, sans aucun temps de latence. On peut ainsi intégrer des analyses en temps réel dans les solutions métier des utilisateurs, permettant de mesurer immédiatement les conséquences des actions mises en œuvre. Les indicateurs de performance sont en constante évolution, pour un suivi extrêmement précis et une prise de décision plus simple et réactive.

5) Le développement des rapports prédictifs

Jusqu’à présent, la BI permet d’exploiter les données actuelles avec des calculs mathématiques plus ou moins complexes. Des sommes, des moyennes, des opérations de filtrage ou de tri sont souvent au cœur de ces analyses. Et ces dernières sont très efficaces pour comprendre les phénomènes passés, mais aussi les phénomènes actuellement en cours. On peut ainsi améliorer le pilotage d’entreprise et perfectionner différents process.

Mais, après avoir analysé le passé pendant de nombreuses années, les entreprises se tournent à présent vers l’avenir. Toutefois, est-il possible de prédire le futur ? La data permet-elle de fixer des objectifs à long terme et de les atteindre ? La réponse est oui, grâce à l‘analyse prédictive ! Désormais, on peut exploiter ses données actuelles pour deviner des données futures, tout en estimant leur probabilité.

=> Ne manquez pas le replay vidéo du webinaire DigDash : comment projeter les données pour faire de l’analyse prédictive. 

Les modèles prédictifs existent d’ores et déjà. Le véritable enjeu, pour 2021, consiste plutôt à les rendre accessibles à un large public. En effet, ces algorithmes complexes sont encore aujourd’hui l’apanage des data scientists professionnels… Mais l’avènement du self-service BI et l’amélioration de la data visualization devraient changer la donne !

D’ici peu, chaque utilisateur pourra générer des rapports prédictifs et dessiner des grandes tendances, tout cela en utilisant les données historiques et actuelles qu’il a à sa disposition. Bien entendu, ces analyses doivent clairement énoncer les probabilités de réalisation de leurs hypothèses, avec une mesure précise des risques d’erreur.

Avec les rapports prédictifs, il devient possible de répondre à de nombreuses questions concrètes. Par exemple, en analysant le panier d’achat d’un client, on pourrait déterminer le prochain produit qu’il achètera (avec une marge d’erreur réduite).

6) L’utilisation massive du cloud BI

En matière de Business Intelligence, mais aussi dans les autres domaines, les entreprises utilisent de plus en plus d’outils basés sur le cloud. Des sources de données aux modèles utilisés, en passant par la capacité informatique et le stockage, le futur de la BI réside incontestablement dans le cloud computing.

Cette solution s’impose pour bénéficier d’une Business Intelligence poussée, adaptée aux besoins de chacun et permettant de réaliser des analyses avancées. En effet, l’hébergement sur le cloud offre une scalabilité inégalée. Une solution BI peut ainsi être enrichie continuellement de nouvelles fonctionnalités, tout en accumulant une grande quantité de données. Une solution cloud BI est également plus rapide à déployer et offre un environnement ouvert, permettant d’externaliser certains services.

Mais l’adoption massive du cloud présente aussi des défis importants. À commencer par celui de la sécurité et de la confidentialité. C’est pourquoi il est primordial d’opter pour un cloud sûr, respectant à la lettre la réglementation en vigueur. 

Membre de l’Open Trusted Cloud et partenaire d’OVHcloud, DigDash s’engage d’ores et déjà pour répondre à ces exigences, en proposant un cloud européen, non soumis au Cloud Act américain, et offrant un haut niveau de sécurité et de confidentialité. Récemment certifié HDS, le cloud DigDash est même en mesure de prendre en charge les données de santé, soumises à des normes de sécurité encore plus élevées. De l’hébergement mutualisé à l’hébergement dédié, incluant le cloud HDS, les organisations bénéficient aujourd’hui d’un panel d’options pour choisir un cloud BI réellement adapté à leurs besoins spécifiques. Une tendance qui ne devrait pas cesser de prendre de l’ampleur en 2021.

7) La sécurité des données, un enjeu majeur

Si le développement du cloud computing met en lumière l’importance de la sécurité, d’autres facteurs entrent en ligne de compte. L’année 2020 aura été particulièrement mouvementée en matière de cybersécurité. Dans un contexte de crise sanitaire, la démocratisation du télétravail, accompagnée par l’explosion de l’usage des outils collaboratifs en ligne, a ouvert de nombreuses failles de sécurité.

Le sentiment général d’anxiété a également contribué à l’essor de la cybercriminalité. Le spam, le phishing et les ransomwares ont tiré profit de la situation pour frapper des individus et des infrastructures très vulnérables.

Aujourd’hui, les données valent de l’or, et les pirates informatiques l’ont bien compris ! Les nombreux cas d’extorsion de données, suivis de demandes de rançon, en sont la preuve. À l’avenir, aucune solution BI ne peut ignorer l’importance de la protection de la data. Cela passe à la fois par une infrastructure cloud solide, comme évoqué précédemment, mais aussi par des mesures supplémentaires, garantissant la confidentialité des données.

8) Des données de meilleure qualité

Le développement progressif de la Business Intelligence a été accompagné par une amélioration continue de la qualité des données. De son extraction à son analyse, la data est toujours plus pointue, et on peut aujourd’hui en tirer des informations très précises. Cela s’explique notamment par la montée en compétence des utilisateurs, à même de détecter plus rapidement les anomalies et les incohérences qui nuisent à la qualité de la data. Les outils eux-mêmes ont également progressé, offrant un traitement et une exploitation plus efficaces des données.

Malgré tout, les entreprises ne se sont pas encore totalement débarrassées des données de mauvaise qualité… Elles leur coûteraient même 15 millions de dollars par an, d’après Gartner. En effet, une mauvaise data est synonyme de mauvaises prises de décision, de calculs erronés, d’analyses prédictives imprécises, ou encore de non-respect des normes en matière de confidentialité (notamment le RGPD).

Mais alors, comment combattre ce fléau ? La réponse réside certainement dans la mise en place de véritables processus de gestion de la qualité des données. Cette approche, appelée Data Quality Management, permet de définir des indicateurs garantissant la qualité des données, tout en s’appuyant sur la BI pour détecter les éventuelles anomalies. Les informations obsolètes ou non mises à jour sont ainsi remontées, les erreurs de format (dates, noms, etc.) sont corrigées et la cohérence globale de la data est constamment vérifiée.

 

Avec le Data Quality Management, les entreprises vont donc pouvoir bénéficier de données plus qualitatives, et donc d’analyses plus précises et plus fiables. Un avantage non-négligeable, quand on connaît les pertes engendrées par une data de mauvaise qualité.

Cette approche améliore également le cadre de la Data Governance en implémentant une certaine standardisation des données. La data utilisée pour effectuer des analyses peut ainsi fournir une illustration claire des opérations de l’entreprise, jour après jour. Par conséquent, les dirigeants sont en mesure de prendre des décisions plus justes et bénéfiques pour leur business.

9) Synthétiser et exploiter des sources de données diverses

Les entreprises ont trop souvent tendance à “s’enfermer” dans leur propre data, en négligeant des sources de données ouvertes, extérieures à l’organisation. Pourtant, ces données alternatives permettent, si elles sont utilisées à bon escient, de réaliser des analyses encore plus perfectionnées.

Une approche rendue possible par la maturité de certaines technologies liées à l’intelligence artificielle. Graphes de connaissance, traitement du langage naturel, Data Fabric… L’IA permet d’analyser tous types de contenus, qu’ils soient audios, visuels ou textuels.

La principale difficulté consiste à associer et synthétiser différentes sources de data, de natures très différentes. Mais le challenge vaut la peine d’être relevé, puisque les données issues de sources externes peuvent être valorisées pour en faire un véritable facteur de différenciation. Par exemple, il est tout à fait possible d’analyser des données portant sur un autre domaine d’activité, afin d’en tirer des leçons vis-à-vis de son propre secteur.

10) Plus de collaboration pour des données plus disponibles

La Business Intelligence collaborative n’est pas tout à fait une nouveauté. Cependant, l’évolution récente du monde de l’entreprise ne fait que renforcer cette tendance. Les collaborateurs, à tous les niveaux hiérarchiques, doivent notamment pouvoir interagir entre eux de manière efficace et intuitive. 

L’année écoulée nous l’a montré ; la collaboration à distance, les conférences web et l’apprentissage en ligne sont devenus la norme. Les réunions en présentiel se raréfient, et cela vaut aussi pour tout ce qui a trait à la BI. Aujourd’hui, les utilisateurs doivent être en mesure de partager leurs analyses et leurs découvertes en quelques clics avec leurs collaborateurs. 

C’est pourquoi les solutions BI doivent absolument intégrer cet aspect, en facilitant le partage des données, leur exportation, mais aussi les échanges entre les utilisateurs. La collaboration devient ainsi un vecteur important, permettant une prise de décision éclairée et guidée par la data.

De quoi stimuler l’innovation avec une approche data-driven : en concevant de nouveaux moyens de travailler ensemble, la collaboration est plus fructueuse et plus adaptée aux défis actuels. Par exemple, la transformation des données brutes en data exploitable est amenée à devenir plus rapide, mais aussi plus intéressante et engageante pour les collaborateurs.

Plus de collaboration signifie également moins de cloisonnement entre les analystes et les utilisateurs métier. Leurs univers, à première vue si différents, devraient finir par se fondre l’un et l’autre. La logique métier sera donc prépondérante, permettant aux données d’être exploitées et analysées bien plus rapidement.

11) L’intelligence artificielle : l’avenir de la BI ?

L’intelligence artificielle prend de plus en plus de place dans les entreprises, et cela vaut aussi pour la Business Intelligence. Et pour cause, son potentiel est immense : l’IA s’apprête à révolutionner la manière dont nous interagissons avec la data et les analytics, augmentant par là même notre propre intelligence.

Et le meilleur reste encore à venir ! En effet, l’IA n’en est encore qu’à ses balbutiements. Mais il est déjà certain que cette technologie est capable de traiter de vastes quantités de données bien plus rapidement qu’un être humain. Elle offre aussi des perspectives très intéressantes en matière de BI, puisqu’elle permettrait d’identifier des informations qui passent actuellement inaperçues.

Par ailleurs, l’intelligence artificielle permet d’évaluer rapidement la pertinence d’une information, même la plus parcellaire, et de comprendre comment la data peut se transformer en une décision stratégique concrète. Pour n’importe quelle organisation, l’alliance de l’IA et de la BI est donc source de nombreux espoirs.

Bien entendu, l’IA n’est pas sans risques pour les entreprises. Par exemple, de nombreux systèmes d’IA et de machine learning sont actuellement incapables de comprendre la logique qui se cache derrière leurs propres décisions… Un problème de taille, alors que la BI vise justement à prendre des décisions éclairées, en s’appuyant sur la data. 

C’est précisément pour surmonter ce problème qu’a été inventée “l’IA explicable”. De quoi s’agit-il ? D’un ensemble de techniques qui permettent de rendre parfaitement compréhensibles par l’homme les raisons qui ont poussé une IA à faire tel ou tel choix. En d’autres termes, il sera possible dans un avenir proche de prendre des décisions basées sur des données d’une grande complexité, grâce à l’intelligence artificielle.

Une nouvelle ère pour la Business Intelligence ? 

En 2021, la demande en matière de business analytics devrait rester forte, car la BI est indissociable de la stratégie de transition numérique entamée par de nombreuses entreprises au cours des derniers mois. Alors que la crise de la Covid-19 a remis en cause de nombreuses pratiques professionnelles, la Business Intelligence serait-elle sur le point d’entrer dans une nouvelle ère ?

Alors que la BI se cantonnait auparavant au reporting, permettant de présenter factuellement des données, elle s’est peu à peu transformée en un redoutable outil d’analyse, permettant de faire parler la data. Entre démocratisation du cloud, développement de l’intelligence artificielle et amélioration de la qualité des données, la prochaine étape pourrait bien être celle des modèles prédictifs.

La BI “nouvelle génération” sera celle qui permettra aux entreprises de mieux appréhender l’avenir, avec des analyses puissantes ayant un haut niveau de probabilité. La BI n’est plus un simple moyen de traiter la data, elle devient actrice de la prise de décision, en s’appuyant sur les données pour faire les meilleurs choix stratégiques.