Sergey Nivens - Fotolia

Dix choses à faire (ou à ne pas faire) pour réussir un projet de BI en libre-service

La BI en self-service ne se met pas en place toute seule. La réussite de ces projets exige de veiller à la qualité des données et de prendre en compte le fonctionnement réel des métiers, entre autres. Voici 10 conseils d'experts pour permettre l'avènement d'une culture de l'analytique en libre service.

Les entreprises sont confrontées à un certain nombre de défis dès qu'elles essayent de diffuser largement la BI auprès de leurs employés. Voici quelques conseils sur les bonnes (et mauvaises) pratiques pour assurer une mise en œuvre en douceur et réussie d'outils de BI en libre-service.

1. Associez des employés avec des experts en données

L'analytique en libre-service exige de rendre les données accessibles à tous les employés. Elle doit aussi permettre aux utilisateurs sans expérience en gestion de données de travailler main dans la main avec des experts, déclare Rob Perry, vice-président du marketing produit chez ASG Technologies, un fournisseur de services IT. Associer des novices à des experts en BI permet d'apporter un regard neuf et de sortir des approches traditionnelles de développement et d'analyses.

2. Ne laissez pas les utilisateurs tout faire seuls

Ce n'est pas toujours une bonne idée que de laisser les utilisateurs chercher et acheter leurs outils BI.

« Le responsable des données (ou l'équipe du Data Officer) doit gérer la sélection des solutions et fournir la formation et la structure de soutien nécessaires pour que les utilisateurs soient productifs avec ces outils choisis », ajoute Rob Perry.

3. Créez un système de référence

Créez des ensembles de données qui ont été validés et vérifiés pour en faire un système de référence. Il faut également définir un processus de validation qui peut recaler des jeux de données qui ne répondent pas aux contraintes de qualité définies. Une bonne stratégie consiste à trouver un moyen d'auditer ces données au début de leurs cycles vie pour que les erreurs puissent être corrigées à la source, explique Sreeni Iyer, CTO chez LevaData, un sourceur de services cognitifs.

Selon une étude de la Harvard Business Review, 47 % des données nouvellement créées comportent au moins une erreur critique. Le processus de qualité des données ne doit pas être isolé. Il doit être omniprésent et fonctionner presque comme un antivirus pour assurer une qualité adéquate à l'échelle de l'organisation, et ce avant que la donnée n'atteigne l'étape de l'analyse.

De plus, les métiers doivent être responsables de la qualité de leurs données, car ce sont eux qui les connaissent le mieux, conseille Isabelle Nuage, directrice du marketing produit Big Data chez Talend. Les métiers doivent aider l'IT dans cette quête de qualité.

4. Le mieux est l'ennemi du bien

Dans son rapport sur "la maturité des outils analytiques et leur impact sur les employés" daté de 2017, Deloitte note qu'il n'est pas possible d'attendre que toutes les données soient propres pour passer à l'action.

Le mieux est d'identifier un ensemble de données qui soit juste « assez » bon, conseille Chris Havrilla, vice-président chez Bersin. Par exemple, si seulement 10 des 1 000 lignes d'un ensemble de données sur les employés semblent inexactes ou périmées, il reste pertinent de les utiliser pour une analyse.

5. Arbitrez entre les différentes conceptions du partage des données

La mise en œuvre d'outils décisionnels en libre-service exige de trouver un équilibre entre les différentes conceptions du partage des données, avertit Sreeni Iyer de LevaData. D'un côté, il y a ceux qui estiment que le contrôle des données donne du pouvoir - ce qui peut entraîner une réticence à partager l'information ou à inviter des partenaires dans le processus analytique. De l'autre, il y a ceux qui pensent que toutes les données doivent être démocratisées, ouvertes, partagées pour créer de la valeur. Entre ces deux extrêmes, une gouvernance claire de l'accès aux données doit être mise en place.

6. Ne vous focalisez pas sur un seul outil

Il serait formidable d'avoir toutes les fonctionnalités analytiques dans un seul outil, mais ce n'est pas réaliste, regrette Andrew Roman Wells, PDG d'Aspirent, une société de conseil en gestion axée sur l'analytique. La plupart des entreprises évoluent rapidement. De nouvelles données et de nouvelles analyses sont nécessaires en permanence pour s'adapter à l'évolution de ce paysage changeant. « Malheureusement, chaque besoin analytique appelle des outils spécifique », avertit-il.

7. Tenez compte de la manière dont les analystes fonctionnent

Les analystes sont très fidèles à leurs outils. Ils rechigneront à en changer sauf s'ils voient une raison convaincante et des avantages clairs pour eux. Les analystes métiers utiliseront les sources données plus facilement et plus efficacement si celles-ci peuvent être intégrées aux outils existants, préconise Naras Eechambadi, PDG de Quaero, un fournisseur de plate-forme de données clients.

S'il est nécessaire de remplacer les outils existants, une gestion du changement, une formation poussée et un support métier sont essentiels. « Vous seriez étonné de voir le nombre d'outils analytiques qui restent inutilisés sur les PC des employés, juste parce que les décideurs n'avaient pas compris comment fonctionnent les analystes qui travaillent », constate Naras Eechambadi.

8. Ne combinez pas (tout de suite) les outils de BI en libre-service avec ceux de BI traditionnelle

« Vous créeriez des doublons, et toute modification sur un élément nécessitera une analyse d'impact », explique Gal Ziton, co-fondateur et directeur technique d'Octopai, un outil de gestion des métadonnées.

Un changement dans le processus d'extraction, de transformation et de chargement (ETL) affectera les systèmes existants et les outils BI en libre-service. Les différents groupes devront s'assurer que tous les systèmes de reporting reflètent les mêmes résultats. La rétro-ingénierie d'un bogue prendra beaucoup de temps en raison de la multiplicité des systèmes et des éléments en double.

9. Commencez département par département

Commencez par mettre en place un outil de BI libre-service pour chaque direction, plutôt qu'un outil de reporting centralisé. L'utilisation de l'outil de BI en libre-service comme principal outil de reporting ne peut être réalisée qu'après avoir conçu les demandes des éléments de données pour chaque département de l'organisation.

10. Formez les utilisateurs avec des données sexy

Commencez à former les utilisateurs avec leurs propres données, ou celles de leur service. C'est encore mieux si les formateurs peuvent faire des exemples de rapports avec ces données. Dans le cas contraire, l'adoption risque de rester faible, et les utilisateurs seront plus tentés d'avoir recours à un export vers Excel, prévient Dominic Go, directeur de l'analyse chez Olivela, un site de shopping de luxe.

Approfondir

Soyez le premier à commenter

M'envoyer une notification dès qu'un autre membre commente.

Merci de créer un identifiant pour pouvoir poster votre commentaire.

- ANNONCES GOOGLE

Close