Entreprise Data-centric : la BI self-service rend la data aux métiers

Fatigués et lassés de l’inertie du projet informatique pour mettre en place ou même modifier un simple rapport, les utilisateurs ont vu arriver la BI self-service avec soulagement. La promesse de celle-ci est de rendre autonomes les utilisateurs afin qu’ils puissent concevoir et déployer leurs propres analyses. Tout ceci grâce à la fourniture par la DSI d’un portefeuille d’outils et de services adossé à une architecture Data robuste.

Assez rapidement, l’avancée de la BI self-service du côté de la consommation de la Data a été complétée par l’apparition d’indépendance dans la préparation de données avec des outils de Data préparation.

La BI self service vient avec une galaxie de notions

Avec la BI self-service est apparue une galaxie de notions plus ou moins complémentaires et/ou liées : Data self-service, DataViz, Data prep, Data discovery, Data wrangling, Modern BI Self-service BI, Self-service analytics, Self-service dataviz… La liste est longue.

La BI self-service est une des composantes importantes de la stratégie Data car elle participe à la transformation de la « Business Intelligence » en « Data Analytics ». Elle permet en effet le passage du traditionnel reporting sur les données opérationnelles à l’Analytic sur toutes les données qui concernent l’organisation… Et comme le monde s’est DATA-ifié, la maîtrise de l’Analytic est devenue un « must ».

La BI self-service au service de l’agilité

Quitte à enfoncer des portes ouvertes, autant y aller avec conviction ! Le but de la BI self-service est de rendre autonome les utilisateurs. Ainsi, la BI self-service permet de réconcilier les utilisateurs avec leur BI.  En effet, ceux-ci ont trop souffert de la lourdeur d’évolution de rapports ou Dashboards car ils étaient trop dépendants de la DSI. Qui d’entre nous n’a pas vu des rapports détournés de leur usage pour en ré-extraire les données sous Excel ? Données réutilisées pour présenter un nouveau graphique sous forme de tableau croisé dynamique. Ceci détourne le Reporting de son but et en fait une source de données exploitables tout en créant un nouvel outil de reporting : Excel.

La BI self-service permet de répondre à un indispensable besoin d’agilité dans les analyses. Gouverner une entreprise par des décisions trop lentes augmente significativement le risque. Les analyses doivent permettre de mieux comprendre des choses complexes et la mise en œuvre des décisions associées doit s’accélérer ! Celles-ci doivent bien entendu rester basées sur des faits avérés et non sur la simple intuition.

De l’analyse de rapport au storytelling

La notion de BI self-service s’accompagne très régulièrement de « DataViz ». La Data Visualisation a permis la transformation d’une analyse de chiffres sous tableur en véritable expérience d’analyse. Ce n’est plus une simple analyse de chiffres mais une histoire qu’on raconte. Le chiffre n’étant plus que le support de l’histoire. C’est le Storytelling qui va désigner la manière dont on raconte cette histoire.

L’analyse est donc conçue comme une structure narrative qui va faire voyager l’auditoire. Toujours avec le risque potentiel de se voir accuser de « ne faire dire que ce qu’on veut aux chiffres ». Il est intéressant de remarquer que la production de ce nouveau contenu doit donc être réalisée par une personne qui maîtrise, non seulement, les chiffres, mais aussi l’histoire à raconter. Ainsi le métier doit, outre maîtriser la production d’analyse, se doter d’une nouvelle compétence de mise en œuvre graphique afin de bien imager son histoire.

La BI self-service descend au niveau de la donnée : c’est la Data Prep

En complément d’autonomie dans la production d’outils de pilotage, la BI self-service descend au niveau des données : c’est la Data Prep ou « préparation de données ». Elle consiste à préparer et à « pré-traiter » des données brutes ou des sources de données disparates. Cela afin de les transformer en ressources d’information affinées prêtes à être consommées par l’organisation. La Data Prep ne vient pas en concurrence des traditionnelles alimentations des outils de pilotage mais bien en complément. Et ce, soit pour des utilisations ad hoc, soit pour préparer des sources de données partageables à différents services de l’entreprise. La Data Prep s’est démocratisée pour être directement manipulée par les utilisateurs finaux. En effet, ceux-ci ont bien compris que de la qualité de la donnée brute venait la qualité des différentes analyses. C’est le fameux « Garbage in, garbage out ».

C’est du côté de la préparation des données que le chantier du self-service va le plus évoluer dans les années à venir. En effet la promesse de Datalake avec des données pures et abondantes se heurte encore à quelques enjeux techniques non triviaux. Et souvent aussi à une mauvaise qualité des données qui les alimentent.

Cependant, ce n’est pas parce que la route est ardue qu’il ne faut pas l’emprunter ! Bien au contraire. L’entreprise Data-centric de demain sera experte de la donnée. Son expertise se bâtira aussi grâce aux journées passées les mains dans le cambouis.

La Data Virtualization pour aller plus loin

Un des sujets intéressants pour aller plus loin dans la préparation des données est la Data Virtualization. Elle consiste à rassembler des données disparates en les virtualisant dans une vue logique pour produire un modèle unique et consolidé. Cette Data Virtualization est une présentation de la donnée source sans stockage et qui se détachent de la technologie de la source.

Une nouvelle forme de collaboration entre DSI et métiers nécessaire

Pour éviter le chaos des indicateurs, la BI self-service nécessite une nouvelle forme de collaboration entre DSI et métiers pour la gouvernance des données. Soit, de la consommation de la donnée à son extraction, les utilisateurs ont besoin d’autonomie. Et pourtant la DSI ne doit pas se voir déshabillée de ses responsabilités de base : permettre l’intégrité et la sécurité de l’information. Un savant équilibre est donc à trouver entre autonomie des utilisateurs d’un côté, sécurité et intégrité de l’autre… Cela renforce le besoin crucial de gouvernance forte des données collectées. Toute initiative de stratégie Data sans définition de gouvernance va irrémédiablement aboutir à un chaos des indicateurs.

Malheureusement la BI self-service ne réconcilie pas des utilisateurs qui seraient en guerre avec leur DSI. De même, nous rappelons souvent aux DSI que la mise en place d’un outil de Dataviz ne les relève pas de leur responsabilité. Il faut mettre en place une nouvelle façon d’animer cette collaboration. Elle va être différente. Exit les fortes mises en place de couche de sécurité qui interdisent certaines utilisations et que les utilisateurs s’empressent de contourner…

Exit aussi l’utilisateur final qui met en place son SI parallèle avec de la consommation de service en ligne. Le mode collaboratif va devoir encore une fois jouer son rôle à fond. Avec la BI self-service, on déplace le point d’équilibre d’intervention autour de la donnée, voire même le mode d’animation de la gouvernance. Traditionnellement, les modèles de business intelligence placent la DSI entre une solution et son utilisateur. Ici les deux collaborent pour une utilisation optimale.

Les utilisateurs doivent intégrer que l’utilisation en mode self-service nécessite une forte maîtrise, voire une forte expertise, de la Data. Les DSI doivent animer cette utilisation en se dotant de profil Data coaching permettant le guidage des users dans l’utilisation même de la donnée. C’est le mode win win indispensable pour arriver à la matérialisation de la promesse de la BI self-service : elle apporte de la valeur directe aux métiers tout en allégeant la charge de la DSI.

L’autonomie n’est pas la même selon les usages

Autonomie, le mot est alléchant et ouvre une porte intéressante pour une prise en main sur la chaîne de valeur de la Data par les utilisateurs. Cependant tous les utilisateurs n’ont pas besoin d’autonomie dans la production. Il y a de nombreux usages dans la chaîne de création de valeur par la Data. Par exemple, certains décideurs ont besoin de piloter avec une vision macro des indicateurs, et donc le fameux Reporting historique reste le meilleur moyen de leur fournir le bon chiffre au bon moment.

Le BI self-service ne doit pas remplacer le traditionnel Reporting mais bien le compléter. Chez Business & Decision Suisse nous observons qu’en moyenne 80 % des utilisateurs ont besoin de Reporting et 20 % de self-service. Bien entendu ce chiffre varie fortement en fonction des contextes de chacun. Nous encourageons donc nos clients à faire une rapide catégorie des usages. Puis d’ouvrir la possibilité de consommation de la Data en mettant en place un catalogue de services. Afin d’ouvrir le débat nous leur rappelons les différents types d’usage.

À des fins de clarification, nous classifions tous les usages de la BI self-service dans la notion d’ « Advanced analysis ».

Compléter ou remplacer les outils de reporting ?

Une question nous est fréquemment posée. Les outils de BI self-service Dataviz doivent-ils complétement remplacer les outils de Reporting pour couvrir à la fois le besoin de Reporting et celui de d’Avanced analysis ? La question n’est pas si simple et elle peut faire débat. Mais, pour moi la réponse est claire : non car les usages sont différents. Le piège potentiel est qu’une bonne partie des usages Reporting vont être couverts par les outils de l’Advanced analysis et seuls quelques-uns vont rester en dehors (par exemple l’impression et la diffusion en masse). Nous illustrons régulièrement ce genre de propos par une matrice des usages permettant une vision simple de la couverture des outils.

Mais le risque le plus important lorsque l’on remplace tous les usages Reporting par l’usage Advanced analysis est de le faire dans un cadre où les utilisateurs ne sont pas formés et la gouvernance mal définie. Pour illustrer ces cas, prenons l’image des moyens de transport.

L’utilisation Reporting, c’est le train. Les horaires de circulation sont connus. Vous savez d’où vous partez et où vous arrivez. Vous n’avez aucun effort à faire pour arriver à bon port. Et de temps en temps, le service ne marche pas bien.

La BI self-service, c’est la voiture. C’est vous qui décidez des horaires et de la route. Vous pouvez prendre des chemins de campagne pour bien découvrir tous les détails de votre trajet. Mais pour que tout se passe bien, vous devez avoir deux outils que n’ont pas les usagers du train : le permis de conduire et un plan (ou un GPS).

Dans BI self-service il y a « self-service »

C’est là que les choses peuvent se compliquer. J’encourage les organisations à prendre en compte cette dimension. Mal guidés et ne sachant pas conduire, les utilisateurs peuvent malheureusement se tourner vers les chauffeurs de taxi. Ils vont réaliser le même trajet que le train, en vous garantissant confort et temps pour faire autre chose. Mais pas vraiment au même coût.

J’aime rappeler à mes interlocuteurs que dans BI self-service il y a « self-service »

Les nouvelles compétences de la BI agile

C’est ici qu’apparaissent tous les nouveaux rôles que doivent fournir les organisations.

• Le « Data guide » qui permet aux users de se retrouver dans la galaxie des sources de données.
• Le « Dataviz coach » qui accompagne la transformation d’une exploitation de données en storytelling.
• Le « Data ingeneer » permettant au Data scientist de se concentrer sur les modèles mathématiques plutôt que sur la production des sources de données devant les faire fonctionner.

La BI self-service comme point de passage de la culture Data de l’entreprise

La quantité de Data, source d’énergie hydraulique qui fera tourner tous les services de l’entreprise Data-centric, ne va faire qu’augmenter. Et pour que ces services marchent, le contact physique entre la Data et le service n’est pas une option. La « Data as a Service » où la Data ne serait que virtuelle, n’est qu’une vue de l’esprit. La maîtrise de ces flux de données physiques est donc un must. En revanche, les services pour la canaliser vont, eux, de plus en plus se virtualiser. La révolution du stockage via le cloud est déjà passée par là. Celle des Data providers focalisés sur la production, le raffinage et la distribution des données ne fait que commencer.

Et même si la BI self-service est moins un buzz word que Data Science, il n’en reste pas moins qu’elle représente plus d’efforts pour les entreprises. En effet, Selon Gartner, les analyses provenant des BI self-service et traditionnelle vont être plus nombreuses que celles produites par les Data scientists d’ici 2019.

Cette BI self-service permet surtout de familiariser tous les participants de la stratégie Data avec la valeur et la complexité de maîtrise de la donnée.

Alors quitte à faire de la BI self-service, autant « Bien le faire ».