Steria rapport-bi ma-vfr-2013

Business Intelligence :

Les entreprises européennes sont-elles prêtes pour le Big Data ?

è www.steria.com/fr

Un Rapport Steria

avec la collaboration de

Business Intelligence :

Les entreprises européennes sont-elles prêtes pour le Big Data ?Enquête européenne biMA® 2012/13

Auteurs Dr. Carsten DittmarSenior Manager

Volker OßendothPrincipal Consultant

Klaus-Dieter SchulzeSenior Executive Manager

è www.steria.com/fr02 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ?

Avant-propos 5

Executive Summary 7

Objectif, méthodologie et démographie 17

Laqualitédesdonnéesdemeureleprincipaldéfi La tendance du Big Data n'est pas encore arrivée 21

Le modèle de niveau de maturité en quelques mots - biMM® 28

Maintien du statu quo des niveaux de maturité des environnements de Business Intelligence 37

Le potentiel fonctionnel des solutions de BI n'est pas pleinement exploité 43

Deslacunestoujoursidentifiablesdansl'organisationnel 53

L'avenirappartientauxsolutionsBIflexibles 65

Conclusion et recommandations 73

Annexe : Le modèle de niveau de maturité en détail 77

Sommaire

è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 03è www.steria.com

Avant-propos Le débat sur le Big Data a de nouveau propulsé la Business Intelligence (BI) au premier rang des priorités des Directeurs des Systèmes d’information (DSI). En outre, les écrits vont bien au-delà des publications ou conférences sur la BI dédiées au sujet. On trouve régulièrement, dans la presse, des articles mettant en avant le potentiel lié à l'accroissement du Volume, de la Variété et de la Vitesse des données et de leur exploitation. Se familiariser avec la nouvelle perception de la BI dans le sillage du Big Data est le principal objectif de l'enquête biMA® (Audit sur la maturité de la Business Intelligence) 2012/13.

Comme pour les éditions précédentes, l'enquête biMA® réitère une réalité à laquelle font face les entreprises, à savoir la manière dont elles évaluent les tendances du marché et ce qu'elles en perçoivent comme opportunités et difficultés en regard de la BI. Sur la base des résultats de l'enquête, nous remettrons le sujet d’actualité portant sur le Big Data dans son contexte et nous discuterons de la sensibilisation croissante à la manière dont la BI influe sur les directions générales des entreprises.

Cette enquête est la quatrième de la série des enquêtes biMA®, les éditions précédentes ayant été publiées en 2004, 2006 et 2009. Les 668 participants à l'enquête sont originaires de 20 pays européens différents. Il s'agit de l'une des plus importantes enquêtes sur la BI en Europe.

La méthodologie utilisée repose sur le Modèle de Maturité de la Business Intelligence (biMM®) et l'Audit de Maturité de la Business Intelligence (biMA®). Ces cadres de référence ont été développés par Steria ces 10 dernières années et ont évolué grâce aux retours d’expériences des nombreux projets réalisés avec nos clients. Le modèle et l'audit garantissent une analyse structurée et assurent la comparaison des résultats dans le temps.

Alors que le Big Data et l’analytique des données deviennent des enjeux majeurs dans la transformation numé rique des entreprises, les résultats de l'enquête Steria vous proposent des éléments structurants et des outils pour analyser, tester et améliorer votre propre stratégie de BI.

Patricia Langrand Klaus-Dieter Schulze Executive Vice President Senior Executive ManagerGroup Business Group Business Community Leader Development & Marketing, Enterprise Information Management,Steria Steria

è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 05

06|Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr

Executive Summary

En raison du vaste débat existant autour du Big Data, la Business Intelligence (BI) suscite de plus en plus d'intérêt. Il est donc intéressant d'étudier l'Audit de ma-turité de la Business Intelligence biMA® et de l'utiliser pour illustrer l'évolution du marché et comprendre le paysage actuel de la BI. En plus de déterminer la position de l'Europe en terme de BI dans un modèle de maturité dédié, cette étude sur l'utilisation de la BIidentifielesdifficultésetlestendancesactuellesetfutures. Elle établit aussi la façon dont les entreprises mettent à la disposition de leurs employés des informa-tions pertinentes pour la prise de décision.

Avecplusde650participantsissusde20paysdiffé-rents et un large éventail de secteurs d’activités, l'étude biMA® 2012/13 est l'une des plus importantes études européennes sur la BI.

La méthodologie utilisée repose sur le Modèle de maturité de la Business Intelligence (biMM®), modèle deniveaumaturitéspécifiqueàlaBIquiestétablietreconnu sur le marché, et sur l'Audit de maturité de la Business Intelligence (biMA®), méthode d'analyse qui s'appuie sur le biMM®. Ces deux instruments ont été actualisés préalablement à la réalisation de l'étude. Ils tiennent donc compte des dernières évolutions du mar-ché. Le modèle de maturité de la BI prend en charge uneévaluationglobaledelaBIendéfinissantcinqniveaux de maturité de la BI pour les volets «fonction-nel», «organisationnel» et « technologique».

LescinqniveauxdematuritédelaBIontétédéfiniscomme suit :

Niveau 1 : Informations individuelles (voir page 77)

Niveau 2 : Silos d'informations (voir page 78)

Niveau 3 : Intégration des informations (voir page 79)

Niveau 4 : Veille (voir page 81)

Niveau 5 : Modèle d’entreprise axée sur l'information (voir page 83)


Les entreprises abordent le sujet de la BI de manière beaucoup plus pointue qu'en 2004, année de réalisation de la première étude. Les initiatives individuelles isolées et les initiatives d'harmonisation et de normalisation ultérieures ont contribué à faire de la BI un levier de succès pour l’entreprise. L'importance croissante de la BI signifie toutefois que les exigences en termes d'informations sont de plus en plus complexes et nombreuses. Ces exigences remettent en cause les structures techniques et organisationnelles établies, ce qui nécessite un profond changement de paradigme aux deux niveaux. Ce changement n'est pas encore mis en œuvre dans la majorité des cas. L'étude biMA® 2012/13 confirme cette constatation en révélant la stagnation de nombreuses entreprises questionnées au niveau 3 de maturité ( Intégration des informations), ainsi que les difficultés rencontrées pour atteindre le niveau 4 (Veille). Les entreprises réussissent rarement à intégrer la BI à l'ensemble des secteurs d’activités de l’entreprise de manière à en faire un levier de succès pour le modèle d'entreprise dans sa globalité.

La stagnation des entreprises au niveau

3 (Intégration des informations) ne

leur permet pas de transformer la BI en

levier de succès.

Les entreprises européennes n’ont pas encore transformé la BI en véritable levier de succès.

1.08 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr

38 %

38 %

2.

Bien que la qualité des données constitue un enjeu de taille de la BI, c'est précisément ce sujet qui est le plus souvent sous-estimé par les entreprises.

La qualité des données constitue la principale difficulté au sein de l'environnement de BI pour 38 % des entreprises. La faiblesse voire l’absence de gouvernance des données est un facteur majeur contribuant à expliquer le peu d'améliorations de la qualité des données depuis la dernière étude. La formalisation des processus, des rôles et des responsabilités garantissant la qualité des données reste insuffisante. Dans 34 % des entreprises, il n'existe pas de processus formalisé pour adresser la qualité des données et 31 % d'entre elles déclarent que les problèmes de qualité de données sont très souvent détectés de manière aléatoire. Il est important de noter que 28 % des entreprises considèrent que le niveau de qualité des données est un sujet peu transparent.

La gestion des données de référence et notamment des métadonnées, tend à être quelque peu négligée. La gestion dédiée des données de référence, qui garantit la mise à jour et la cohérence des données clients, fournisseurs et produits, n’est pas formalisée dans 38 % des entreprises. Il semble que la gestion des données de référence, sujet

intimement lié à la BI, ne soit pas encore perçue comme assez importante pour mériter sa prise en compte de manière formelle dans la conception des systèmes d’information à vocation opérationnelle. En outre, on assiste à un manque de transparence concernant la disponibilité des données. Cela s'explique en partie par l'impossibilité de créer les liens entre les métadonnées fonctionnelles et technologiques ou par l'absence des méta-données correspondantes dans un format compatible ou aligné.

La qualité globale des données représente donc le talon d'Achille de la BI puisque les décisions et les investissements reposant sur des données de mauvaise qualité sont souvent peu optimisés.

La qualité des données est le principal écueil auquel font face les entreprises au sein de leur environnement de BI.

La qualité des données constitue

le principal écueil au sein de l'environnement

de BI pour des entreprises.


24 %

3.

Il existe une demande croissante pour les spécialistes des données sur le marché. En effet, de plus en plus d’experts en BI sont nécessaires pour réaliser des analyses avancées sur des délais très courts. Les analystes du marché prévoient une pénurie de ces compétences à moyen terme.

Le manque de compétences BI en interne représente une difficulté pour 24 % des entreprises questionnées. Ces dernières déclarent ne pas disposer d'un niveau adéquat d'expertise interne en BI. Idéalement, les experts en BI ont acquis un large éventail de connaissances et de compétences. Celles-ci doivent porter sur la méthodologie analytique, l’expertise technique et la compréhension détaillée des sujets économiques. Comme il est rare, pour chaque profil BI, de développer l’ensemble de ces compétences, les entreprises peuvent envisager la création d’un Centre de Compétences en Business Intelligence (CCBI) qui intègre et mutualise toutes ces compétences et capacités dans une même équipe.

Le manque de compétences BI sur le marché freine les entreprises dans le déploiement de leur stratégie.

des entreprises déclarent

ne pas disposer d'un niveau

adéquat d'expertise interne en BI.

10 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr

83 %

4.

Dans 83 % des entreprises questionnées, la BI est principalement utilisée pour prendre en charge le reporting interne. Par exemple, seule une entreprise sur deux utilise les systèmes de BI de manière ciblée comme outil de planification pour le calcul de budgets et/ou la gestion des prévisions de croissance. Beaucoup d'entreprises n'utilisent donc pas leurs capacités d'analyse au maximum de leurs possibilités, réduisant ainsi le ROI des investissements réalisés.

Les entreprises n’exploitent pas pleinement le potentiel d’analyse de leurs systèmes de BI, réduisant le ROI.

83 %Dans des entreprises

européennes, la BI est principalement

utilisée pour du reporting interne.


5.

28 %Seules 28 % des entreprises interrogées ont mis en place une stratégie de BI. Il s'agit d'une exigence essentielle pour l'alignement durable des activités de BI sur les objectifs de l'entreprise. Cela signifie que pour la majorité des entreprises, l’approche BI reste isolée et uniquement basée sur les projets. En fait, 70 % des participants à l'étude déclarent que leur entreprise n'a pas établi de gouvernance formelle de la BI. Il n'existe donc pas de coordination globale des activités inhérentes à la BI. En outre, les entreprises interrogées considèrent souvent les résultats de leurs projets comme non satisfaisants en termes de qualité et de restitution d'informations par rapport aux attentes et aux inves-tissements réalisés.

Nombreuses sont les entreprises qui n’ont pas d’approche intégrée et complète de la BI. Elles utilisent les structures et les pratiques informatiques standards pour l’environnement de la BI. Ces pratiques sont mises en place pour traiter des systèmes opérationnels et des processus métiers de façon isolée et unitaire et non d’une façon intégrée. Par exemple, 44 % des entreprises interrogées s’appuient sur le processus de gestion des demandes IT. Au mieux, cette approche fournit uniquement une image locale et non globale de l’entreprise et ne prend pas en compte les exigences souvent contradictoires des différentes parties prenantes de la BI. Par ailleurs, il est trop fréquent de ne voir aucun processus de gestion des demandes spécifiques à la BI en place.

En résumé, les exigences spécifiques de la BI ne sont pas suffisamment satisfaites par le modèle organisationnel en place, ce qui entraîne un manque de cohérence globale, de flexibilité et de fiabilité entre les différentes entités de l'entreprise et départements.

Les entreprises ne disposent pas d'une gouvernance et stratégie BI alignées sur leurs objectifs stratégiques.

70 %

Seules des entreprises interrogées ont

mis en place une stratégie de BI.

des participants à

l'étude déclarent que leur entreprise

n'a pas établi de gouvernance

formelle de la BI.


6.

(30 %)

Les besoins en BI les plus importants pour

l'avenir incluent les fonctions BI en libre-service (51 %) et les

méthodologies de développement

agile ..

Les systèmes de BI existants ne parviennent pas souvent à offrir la flexibilité nécessaire pour répondre aux évolutions des marchés et aux nouvelles exigences qui en découlent. En effet, les utilisateurs de systèmes de BI se sentent limités. Ils espèrent pouvoir bénéficier des différentes applications et sources de données pour créer des rapports et évaluations personnalisés et ad-hoc.

Les fonctions de BI en self-service (51 %) et les méthodologies de développement agile (30 %) figurent donc en haut de la liste des besoins en BI des personnes interrogées pour l'avenir. Mais c'est en terme d'agilité que les entreprises perçoivent une importante marge d'amélioration possible.

Les entreprises subissent une forte pression pour atteindre le quatrième niveau de maturité (Veille) du fait de plusieurs facteurs : nombre croissant d’utilisateurs, hétérogénéité croissante des sollicitations en termes d’informations (plus ciblées et plus person-nalisées), exigence de délais de plus en plus courts, demande d’un niveau de granularité plus détaillé de l'information, etc. Ce niveau implique des approches sensiblement plus décentralisées que les paradigmes classiques de la BI, l'établissant comme «source unique de vérité».

Compte tenu du nombre croissant de demandes de BI, des efforts significatifs sont déployés pour intégrer les données physiques dans un entrepôt de données central tenant lieu de «source unique de vérité».

L'agilité requise de la part de l'utilisateur conduit en partie à la collecte isolée des exigences et à la mise en œuvre de silos de données. Parmi les approches adoptées pour satisfaire les besoins des utilisateurs, on retrouve l'introduction des outils de BI en self-service et des «bacs à sable» (sandbox) qui viennent compléter l'environnement de BI (une utilisation actuelle de 13 % contre une utilisation prévue de 27 %).

Les entreprises se concentrent de plus en plus sur le concept de virtualisation pour rendre l'architecture plus flexible tout en conservant une vision intégrée des données fournies par les systèmes de BI distribués (15 % à l'heure actuelle contre 23 % à l'avenir). Il s'agit de l'une des rares options techniques permettant de transformer le paysage de BI existant en un écosystème cohérent dédié à l'analytique où les données sont stockées physiquement dans un nombre croissant de plateformes analytiques polyvalentes. Les bases de donées In-Memory (Systèmes de gestion de bases de données qui stockent entièrement les donées en mémoire (RAM) joueront notamment un rôle beaucoup plus important à l'avenir (utilisation actuelle de 33% contre utilisation prévue de 66%).

Le futur appartient aux solutions flexiblesetenself-servicedelaBIetnon à une «source unique de vérité».

Les environnements BI se transforment en un écosystème cohérent dédié à l'analytique.


7.

Outre les importants volumes de données (Volume), le Big Data concerne aussi les différentes données non structurées et semi structurées (Variété) et enfin le traitement et l’analyse de données temps réel (Vitesse). Les entreprises n'abordent pas encore toutes ces caractéristiques du Big Data. Les cas de mises en oeuvre d'applicatifs à forte augmentation de volumétrie sont une préoccupation pour seulement 8 % des entreprises. Ce cas con-cerne les entreprises disposant de grands vo-lumes de données (B2C). Le manque de prise en charge des données non structurées et semi structurées ne représente une difficulté que pour 4 % des entreprises. L'utilisation des données en (quasi) temps réel comme base de BI opérationnelle ne constitue un problème que pour très peu d'entreprises (9 %). Par conséquent, seuls 7 % des partici-pants considèrent le Big Data comme un sujet d'actualité.

En effet, les caractéristiques du Big Data apparaissent au classement bien après les difficultés liées à une qualité de données défaillante (la Vitesse figurant à la 13ème place, le Volume à la 14ème et la Variété à la 15ème place du classement des difficultés).

En réalité, de nombreuses entreprises en sont encore au tout premier stade de réflexion concernant la question du volume de données. Dans deux entreprises sur trois, les solutions de BI disponibles doivent gérer moins de dix téraoctets de données. Seulement 6 % des entreprises traitent des volumes de données dans leurs entrepôts de données qui dépassent le seuil des 100 téraoctets.

Par ailleurs, il est clair qu’actuellement les cas d'utilisation pertinents du Big Data restent peu nombreux. D'une part, l'offre de scénarios d'utilisation indiqués ne fait pas clairement ressortir de favoris, et, d'autre part, le cas d'utilisation le plus fréquemment cité (28 % pour «une compréhension plus approfondie et précise de l'entreprise») est l’idée de base qui définit la BI et non une tendance spécifique au Big Data.

Les entreprises ne sont pas totalement prêtes pour l'ère du Big Data.

7 %Seuls des participants

considèrent le Big Data comme un sujet d'actualité.

30 % des participants des départements informatiques contre seulement 27% des participants des directions métiers considèrent que l'on parle trop du Big Data.


Il est intéressant à cet égard de constater que les utilisateurs hors DSI attendent plus du Big Data que les départements informatiques. 30 % des participants des départements informatiques, contre seulement 27 % des participants des directions métiers considèrent que l'on parle trop du Big Data. Il existe de grandes différences dans l'évaluation de l'importance du Big Data pour une compréhension du métier plus précise et approfondie (31 % dans les départements métiers contre 23 % dans les départements informatiques) et une meilleure segmentation de la clientèle (30 % dans les départements métiers contre 23 % dans les départements informatiques). Il semble que les utilisateurs métiers associent le Big Data aux options d'analyse complète pour les données web et les réseaux sociaux afin de progresser vers une connaissance à 360° du client.

A l'ere de la révolution digitale et de la mobilité, les volumes de données sont en train d'augmenter considérablement. Les historiques de données portant sur de plus larges horizons, le besoin croissant de données à forte granularité et les nouvelles sources de données non structurées et semi structurées sont les principales raisons de cette hausse.

Il en va de même pour la BI collaborative et mobile. Même si tout le monde parle de Big Data, de BI mobile et de BI collaborative, des cas d'utilisation significatifs doivent encore être définis. Pour répondre à la question de l'innovation durable, de nouvelles applications pertinentes seront bientôt créées.

De nombreux sujets tels que l'analyse des médias sociaux, la BI dans le Cloud, ou encore l'utilisation des données géographiques à des fins commerciales ( intelligence géodécisionnelle), font également l'objet de discussions mais ne sont pas encore largement utilisés et de nombreuses entreprises sont toujours à la recherche des avantages pratiques de telles applications.


Plusieurs freins majeurs empêchent aujourd’hui la transition du niveau 3 de maturité de la BI (Intégration des informations) au niveau 4 (Veille) pour de nombreuses entreprises. Cette étape est cependant extrêmement importante pour les entreprises. L'hétérogénéité croissante des groupes d'utilisateurs ainsi que leur besoin de disposer d'informations d'une manière ciblée et individuelle augmentent la pression pour atteindre ce niveau de maturité.

Cependant, très peu de progrès n'a été identifié en la matière. Les entreprises réussissent rarement à intégrer la BI dans tous leurs secteurs de compétence de manière à en faire un levier de succès pour le modèle d'entreprise.

Dans le climat économique actuel incertain, l’analyse du Big Data devient vitale pour aider les entreprises à maintenir leur compétitivité, à innover et continuer à se développer.

Toutes les conditions suffisantes sont donc réunies pour agir. Le Big Data, en tant que sujet d'actualité souvent abordé, apparait ici comme un catalyseur et augmente la nécessité de trouver de nouvelles solutions pour les difficultés connues en termes de BI.

Sur la base des résultats de l'étude, six domaines d'action nous apparaissent importants à couvrir pour atteindre un niveau de maturité optimal en BI :

• Inscrire la qualité des données en tête de vos priorités.

• Concilier la professionnalisation de l'exploitation de votre infrastructure de BI avec les attentes des utilisateurs en termes de solutions flexibles.

• Accroître l'agilité de votre environnement BI.

• Établir des structures et des processus spécifiques à la BI.

• Ne pas vous laisser influencer par l’essor médiatique du Big Data, mais bien valider sa maturité et sa pertinence pour votre entreprise.

• Aborder le thème du Big Data d'un point de vue tactique et adopter, étape par étape, les mesures suivantes :

– Tout d'abord, entreprendre une démarche de sensibilisation. Bien faire comprendre que la notion de Big Data ne consiste pas simplement à traiter «plus de données» dans le format établi.

– Etablir ensuite des cas d'utilisation qui soient pertinents à la fois légalement et en termes de temps et de contenu. Les avantages fonctionnels doivent justifier l'investissement dans les technologies et le développement de l'expertise, et non l'inverse.

– Évaluer le potentiel du Big Data en termes de valeur ajoutée finale et retour sur investissement, et non pas seulement en termes de faisabilité technique.

– Etudier les cas d'utilisation de Big Data provenant d'autres secteurs en fonction de leur pertinence pour votre entreprise et identifier les sources potentielles de Big Data dans votre domaine.

– Enfin, à moyen terme, prioriser un portefeuille de services de BI avec une analyse prédictive et normative (prospectif) venant enrichir les rapports sur les événements passés.

Conclusion


Définition et objectif

La Business Intelligence (BI) a un rôle bien établi dans le monde des technologies de l'information depuis de nombreuses années. Elle n'est plus simplement considérée comme une solution technique pour établir des rapports standards sur les événements passés. Les utilisations de la BI ne cessent de croître, ce qui, avec le temps, a engendré des environnements BI complexes dans les entreprises. Les débats intenses autour du Big Data et des analyses démontrent que la recherche d'informations pertinentes ainsi que le flux de données qui lui est afférent deviennent des sujets de plus en plus problématiques. La BI demeure un sujet prioritaire pour les Directions informatiques, de la Finance et du Marketing.L'étude biMA® 2012/13 est notre quatrième enquête (après celles de 2004, 2006 et 2009) à étudier le développement et le maintien du statu quo du marché des utilisateurs de la BI. En outre, l'enquête a identifié les difficultés actuelles et à venir auxquelles font face les entreprises lorsqu'elles souhaitent mettre les informations à disposition de leurs employés. Steria a mené l'étude de cette année en collaboration avec le Business Application Research Center (BARC). Comme dans les études précédentes, la méthodologie utilisée repose sur le Modèle de maturité de la Business Intelligence (biMM®) et sur l'Audit de maturité de Steria de la Business Intelligence (biMA®) qui s'appuie sur ce dernier. Avant le début de l'étude, la description des niveaux de maturité a été mise à jour pour tenir compte des dernières évolutions sur le marché de la BI et des bonnes pratiques éprouvées. Le

questionnaire a couvert tous les domaines majeurs d'investigation des enquêtes biMA. À ce titre, il fournit une base solide pour la détermination des niveaux de maturité des solutions BI des participants par rapport aux trois volets de l'étude biMM® : fonctionnalité, organisation et technologie.

Démographie

L'enquête en ligne a été menée auprès d'utilisateurs européens entre novembre 2012 et janvier 2013. L'enquête a été annoncée par Steria et BARC via leurs propres moyens de communication et d'autres moyens externes. Les participants ont également été choisis via les réseaux sociaux, des sites Internet spécialisés, divers bulletins d'informations (TDWI, Beye-Network) et lors de conférences. Le questionnaire contenait un total de 41 questions qui étaient soit fermées, soit à choix multiples. Les participants ont été invités à répondre aux questions et à évaluer la pertinence et la réalisation des objectifs sur une échelle de 1 (faible) à 5 (élevée).

Au total, 668 répondants ont participé à l'enquête à travers l'Europe entre novembre 2012 et janvier 2013. 47 % représente la région DACH (l'Allemagne, l'Autriche, la Suisse), 18 % la France, 13 % la Grande-Bretagne, 10 % la Scandinavie et 8 % la Pologne (voir figure 1). Comme certaines questions étaient facultatives, le nombre total de réponses à chaque question peut être différent du nombre total de participants à l'étude.

Objectif, méthodologie et démographie

La Business Intelligence

fait référence à la collecte, la

préparation et la mise à disposition dedonnéesafindecontrôler, gérer et

planifierleBusinesset les ventes.


Figure1:répartitionparpays(n=668) Figure2:répartitionparsecteur(n=668)

668

Comme pour les études précédentes, les participants sont issus de différents secteurs (voir figure 2). Le secteur de l'informatique (22 %), l’industrie (18 %) et le secteur public (13 %) sont fortement représentés. La catégorie « Autres » comprend la construction, l'immobilier, l'édition et le droit. Le pourcentage élevé relevé pour le secteur informatique est en grande partie dû au nombre de consultants qui ont répondu pour leurs clients dans ce secteur.

Les tailles des entreprises par nombre d'employés (figure 3) et le chiffre d'affaires annuel (figure 4) révèlent une répartition relativement homogène. Cette étude couvre donc un échantillon représentatif de différentes tailles d'entreprises.

L'analyse de l'origine des participants à l'étude par département établit une relation équilibrée entre les départements informatiques et opérationnels (voir figure 5). Les participants ont également été invités à indiquer le secteur opérationnel sur lequel ils ont fourni les informations pour l'enquête. Seulement 13 % des personnes interrogées ont lié leurs réponses à leur département, la grande majorité ayant répondu du point de vue de leur division, groupe ou entreprise. Par conséquent, les analyses qui suivent apportent un point de vue de l'entreprise dans son ensemble.

Un échantillon rep-résentatif de tous les secteurs et de tailles

d'entreprises variées.

L'une des plus grandes études

européennes sur la BI avec participants.

40 %Allemagne

18 %France

13 %Royaume Uni

10 %Pays nordiques

8 %Pologne

4 %Autriche

3 %Suisse

3 %Autre

22 % IT

18 % Industrie

13 % Secteur public

7 % Distribution

8 % Services

7 % Banque

5 % Assurance

5 % Transports4 % Energie

3 % Télécommunications

7 % Autres


Figure 3 : taille de l'entreprise (nombre d'employés) (n = 580)

Figure 4 : taille de l'entreprise (chiffre d'affaires annuel) (n = 533) Figure 5 : participants à l'étude par département/CCBI (n = 479)

Selon les estimations actuelles des analystes BARC, les budgets informatiques pour l'année 2013 se verront stagner ou évoluer modérément, dans les limites de la situation macroéconomique en Europe (< 3 %). Le budget de BI est généralement égal à un cinquième du budget informatique, et aucune diminution n'est prévue en termes d'investissements pour la gestion, l'analyse, le reporting et la planification des données. Des investissements accrus dans les outils Open-source, mais aussi dans les composants de gestion de données et les plate-formes analytiques sont en cours et se poursuivront. Le budget de BI complet dans les entreprises est illustré par la figure 6. Il est intéressant de constater que les grandes entreprises employant plus de 10 000 salariés ont des budgets de BI sensiblement plus élevés.

27 %Moins de 250

28 %251–2 500

23 %2 501–10 000

23 %Plus de 10 000

22 %Moins de 5 M €

5 % 5–10 M €

11 %10–50 M €

8 %50–100 M €

15 %100–500 M €

9 %0,5–1 Mds €

14 %1–5 Mds €

15 %Plus de

5 Mds €

35 % Métier

10 % Centre de compétences

BI principal 40 % Informatique

14 % Autres

Le budget de BI est généralement égal

à 1/5 du budget informatique.


0% 20% 40% 60% 80% 100%

Figure6:budgetdeBItotalpartailled'entreprise(nombred'employés)(n=459)

Figure 7 : répartition globale du budget globale et dans la région DACH (n = variable)

84 % 8 % 7 % 1 %

23 % 12 % 38 % 12 % 15 %

37 % 21 % 36 % 4 % 2 %

65 % 18 % 13 % 2 % 2 %

0% 20% 40% 60% 80% 100%

15 % 13 % 25 %

21 % 26 % 30 %

19 % 24 % 24 %

47 %

24 %

32 %

Les entreprises investissent de plus

en plus dans de nouveaux logiciels

et matériels et moins dans le perfectionne-

ment des solutions existantes.

La répartition moyenne du budget de BI montre que près d'un tiers du budget est utilisé pour le développement de solutions (voir figure 7). Par rapport à 2009, on relève une réduction de 15% pour le développement dans la région DACH. Les entreprises de ces pays semblent avoir réalisé des économies dans ce domaine. Tandis que les dépenses d'exploitation au prorata sont restées à peu près identiques, les dépenses en logiciels dans la région DACH sont passées de 13 % à 24 %.

Les environnements de BI risquent ainsi de devenir encore plus hétérogènes et complexes en raison d'investissements logiciels mal coordonnés. Les investissements accrus en matériel informatique (dus notamment à l'utilisation accrue d’infrastructures) peuvent être interprétés comme une tentative de réponse à la demande de meilleures performances (voir les chapitres 3 et 8).

Plus de 10 000

2 501–10 000

251–2 500

Moins de 250

Moins de 0,5 M € 0,5–1 M € 1–5 M € 5–10 M € Plus de 10 M €

2012 (Total)

2012 Region DACH

2009 Region DACH

Matériel Logiciels Operations Développement


La qualité des données demeure leprincipaldéfi,latendanceduBigData n'est pas encore arrivéeCes dernières années, les entreprises souhaitent sensiblement tirer plus d'avantages opérationnels et économiques de la BI. Etant donné que les marchés sont à la fois dynamiques et mondiaux, ilestdifficilepourlesentreprisesdeplanifierleursopérationsdefaçonfiableetdurableetdedétecterrapidementlesrisquesetpossibilités économiques. Pour pouvoir maitriser la situation, il existe toute une gamme de technologies plus ou moins nouvelles dans l'environnement de BI (par ex. : analyses de médias sociaux, BI opérationnelle, BI en self-service, et technologies du Big Data).

Cechapitreidentifielesdifficultésetlestendancesquinonseulementinfluencentledébatmaissontaussiabordéesetmises en œuvre par les entreprises interrogées. Quelles sont lesgrandesdifficultésauxquellesellessontconfrontéesentermes de BI ? De quelles tendances les entreprises attendent-elles les plus grands avantages et la plus haute valeur ? Qu'en est-il de leur mise en œuvre ? Des approches particulières sont-elles adoptées dans l'environnement de BI ? Ou n'y aura-t-il pas de changement de paradigme à l'avenir ?

Partie 1è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 21

Tableau 1 : les challenges les plus importants pour la BI en fonction du volume de données (n = 474)

43 %

41 % 41 % 44 %

31 %

38 % 38 % 34 % 38 %

33 % 32 % 32 %

31 %

34 % 31 % 38 %

30 %

24 %

24 %

23 %

21 % 23 % 28 % 26 %

21 % 24 % 21 %

20 % 22 % 26 %

21 % 25 %

13 %

18 %

19 % 15 %

17 % 19 %

18 % 19 % 19 %

19 % 14 % 13 %

17 % 14 % 15 % 17 % 19 %

17 % 20 % 17 %

14 % 13 % 12 %

13 % 13 % 14 %

13 % 13 % 17 %

14 %

17 % 13 %

11 % 8 % 4 %

8 % 8 %

6 %

10 %

8 % 7 % 6 %

8 %

10 % 10 % 0 %

10 % 5 %

9 % 6 %

6 % 7 %

4 % 4 % 2 % 8 % 0 % 6 %

Total < 5 TB 5

– 10 TB 10

– 50 TB 50

– 100 TB > 100 TB

Qualité de données insuffisante

Aucune stratégie BI reconnue

Pénurie de compétences BI internes

Environnement BI très complexe

Aucun sponsor BI au sein de la direction générale

Pas de processus et rôles dédiés à la BI

La BI n'offre pas une vue exhaustive des informations de l'entrepriseManque de flexibilité pour

effectuer les requêtes

Les systèmes de BI n'obtiennent pas l'adhésion des utilisateurs

Manque de performance des reporting et outils d'analyseRapport coûts/bénéfice non

avantageuxFontionnalité insuffisante selon les

exigences des utilisateurs Les requêtes en temps réel

sont incohérentesOptions d'échelle liées à l'augmentation du

volume de donnéesManque de support pour les données non

structurées

38 %

Le tableau 1 présente les principales difficultés actuelles en termes de BI pour les entreprises. Avec 38 % des réponses, la qualité insuffisante des données représente le défi le plus important. L'absence de stratégie de BI généralement reconnue (33 %) et l'absence de processus et responsabilités de BI appropriés (21 %) font aussi partie des principales difficultés. Il existe un lien entre la mauvaise qualité des données et l'absence de processus normalisés. Une analyse plus approfondie montre que les participants ne disposant d'aucun pro-

des entreprises rencontrent des difficultésavec

les données.


Les experts en BI restent rares.

L'ère du Big Data n'est pas encore

arrivée. Le volume, la variété et la vitesse ne sont pas encore

considérés comme de grandesdifficultés.

cessus réglementé de gestion de la qualité des données (DQM) considèrent la qualité des données comme une difficulté (40 %) beaucoup plus souvent que ceux qui affirment disposer de normes et directives contraignantes pour la mémorisation et la mise à jour des données (24 %). Ce lien se reflète à plusieurs reprises dans cette étude.

Le manque de compétences internes en BI représente également une difficulté pour les entreprises : 24 % d’entre elles déclarent ne pas disposer d'un niveau adéquat d'expertise interne en BI. Ce manque d'experts en BI n'est pas surprenant car ils doivent acquérir un large éventail de connaissances et de compétences. Idéalement, ils doivent acquérir des compétences en méthodologie analytique, une expertise technique et une compréhension détaillée des sujets métier.

Comme il est rare pour une personne d'avoir toutes ces compétences, les entreprises peuvent envisager la création d'un Centre de Compétences en Business Intelligence (CCBI) qui intègre toutes les compétences et capacités dans une même équipe.Il est également intéressant de jeter un œil sur les difficultés que les entreprises ont ou n'ont pas encore résolues. Cela s'applique notamment à la question du Big Data. Outre les importants volumes de données (Volume), le Big Data concerne aussi les différentes données non structurées et semi

structurées (Variété) et enfin le traitement et l’analyse de données temps réel (Vitesse). Les entreprises n'abordent pas encore toutes ces caractéristiques du Big Data. Les cas de mises en oeuvre d'applicatifs à forte augmentation de volumétrie sont une préoccupation pour seulement 8 % des entreprises. Ce cas concerne les entreprises disposant de grands volumes de données (B2C). Le manque de prise en charge des données non structurées et semi structurées ne représente une difficulté que pour 4 % des entreprises. L'utilisation des données en (quasi) temps réel comme base de BI opérationnelle ne constitue un problème que pour très peu d'entreprises (9 %). Par conséquent, seuls 7 % des participants considèrent le Big Data comme un sujet d'actualité.

Bon nombre des questions faisant l'objet de vifs débats ne se sont pas en-core concrétisées.

5

4

3

2

1

Figure 8 : pertinence et réalisation des objectifs des tendances de BI (échelle de 1 (faible) à 5 (élevée)) (n = 470)

1 2 3 4 5Pertinence

Atte

inte

des

obj

ectif

s

Analyse des réseaux sociaux / médias sociaux

BI sur le Cloud/SaaS

Outils de BI Open

Entrepôt de données logiques

BI collaborative

Outils de découverte de données

BI agileBI mobile

Veille de localisation / veille géographique

Big Data

Plateforme base de données analytique

Analyse visuelle

Gouvernance de la BIBI en self-service

BI Opérationnelle


L'étude des difficultés en termes de volume total de données de l'environnement de BI révèle des corrélations intéressantes. Celles-ci sont liées à la complexité des données, aux volumes croissants de données, aux performances des solutions (ou du SI) et à l'appropriation par les utilisateurs. La complexité de l'environnement des systèmes de BI augmente naturellement et proportionnellement au volume de données. Les entreprises qui gèrent de grands volumes de données et qui ont déjà des problèmes de volume, ont tendance à se plaindre plus souvent des mauvaises performances des solutions de BI. Fait intéressant, lorsque ces problèmes augmentent avec la taille et la complexité de l'environnement de BI, il est possible d'assister à une acceptation plus grande de la part de l'utilisateur. Ce point est censé être associé aux systèmes vastes et complexes qui offrent aux utilisateurs des options d'analyse plus complètes ou la capacité de trouver du matériel de données approprié pour des analyses spécifiques grâce à l'offre de données.

De nombreux sujets intéressent le monde de la Business Intelligence. Les discussions sont nombreuses mais leur aboutissement est encore limité. Cela semble évident au vu du nombre élevé de tendances situées dans le quart inférieur gauche de la figure 8.En comparant la pertinence et le niveau de réalisation des objectifs des diverses tendances BI, les résultats de l'étude biMA® 2012/13 permettent d’identifier les domaines dans lesquels les entreprises ont le plus besoin d’agir. Les tendances peuvent être réparties en trois groupes caractérisés dans la figure 8. Le premier groupe couvre les questions telles que l'analyse des médias sociaux, la BI en

tant que service (BIaaS), l'Open source et l’intelligence géodécisionnelle. Ces sujets font l'objet de vifs débats dans la presse spécialisée, mais sont à l'heure actuelle faiblement utilisés par les entreprises et peu mis en oeuvre de manière pertinente.Le deuxième groupe couvre la question du Big Data qui fait l'objet de discussions détaillées dans les médias, ainsi que d'autres sujets tels que les outils de découverte de données, ou encore la BI collaborative et mobile. Même s'il est vrai que tout le monde parle de ces sujets, et notamment du Big Data, pour l'heure il existe peu de cas d'utilisation. La question la plus vivement discutée en terme de Big Data n'atteint qu'une pertinence moyenne (2,45). Pour ce groupe de sujets, le temps nous dira s'ils passeront du statut de « points de discussion » à une mise en œuvre concrète.

La plupart des ten-dances, telles que

les analyses des réseaux sociaux ou la BIaaS, ne se sont pas encore concrétisées.

Les utilisateurs de BI demandent de plus en plus des technologies qui leur offrent davantage de flexibilitéainsiquedes fonctionnalités en self-service.


Figure 9 : volume total de données de l'environnement BI (n = 282)

Figure 10 : pertinence du Big Data (échelle de 1 à 5) et utilisation des technologies du Big Data (n = 428)

0% 20% 40% 60% 80% 100%

27 %

28 %

16 %

18 %

33 %

7 %26 %26 %26 %25 %25 %23 %21 %21 %

18 %17 %

13 %13 %

9 %2 %

100 %

80 %

60%

40 %

20 %

0 %

Les grands volumes de données sont rarement disponibles.

Le troisième groupe se caractérise à la fois par une pertinence relativement forte et un haut niveau de réalisation des objectifs. Ces sujets sont la BI opérationnelle, les plateformes ana-lytiques, l’analyse visuelle, la gouvernance de la BI, la BI en self-service et les entrepôts de données logiques. La forte demande de BI opérationnelle montre qu'il est nécessaire de mieux prendre en charge et d’automatiser les processus opérationnels en utilisant des infor-mations analytiques appropriées. La BI en self-service est également très importante car les systèmes de BI existants ne semblent pas avoir la flexibilité nécessaire pour répondre

aux exigences qui surviennent à court terme. Il est clair que les systèmes de BI qui ont évolué au fil du temps sont inadaptés pour répondre aux besoins actuels de flexibilité tant sur le plan technologique qu'organisationnel.Une analyse différenciée des tendances de BI révèle que, en moyenne, les départements métier évaluent la pertinence et la réalisation des objectifs à des niveaux plus élevés que leurs homologues informatiques. Le département métier indique de plus grandes attentes, en particulier pour la BI dans le Cloud (2,1 contre 1,75 pour le département informatique), les plateformes analytiques

Les départements métier ont de plus grandes attentes en termes de BIaaS, plateformes analytiques et Big Data que les départe-ments informatiques.

44 %Moins de 5 Téraoctets (TO)

22 %5–10 TB

19 %10–50 TB

10 %50–100 TB

6 %Plus de 100 TB

1 (Faible) 5 (Elevé)2 3 4

Compréhension plus approfondie du métier

Analyse améliorée des tendances du marché

Segmentation optimisée de la clientèle

Campagne marketing améliorée

Reconnaissance des opportunités de vente et de marché

Développement de nouveaux domaines d'activité

Planification et prévision améliorées

Calcul des risques amélioré

Détection précoce des flux

Indentification des facteurs de coûts

Détection des fraudesPrises de décisions automatisées pour des analyses en temps réel

Analyse améliorée des parcours de navigation

Processus de production améliorés

Autres


(3,26 contre 2,97 pour le département informatique) et le Big Data (2,83 contre 2,66 pour le département informatique). La BI en tant que service offre aux utilisateurs une plus grande flexibilité pour accéder à la solution et aux nouvelles fonctions ; ceux-ci attendent des plateformes analytiques des délais de réponse plus rapides, alors que les analyses se complexifient et que le Big Data apporte une compréhension plus approfondie du métier. La Gouvernance de la BI est tout aussi importante pour le département informatique que pour le département métier (respectivement 3,33 contre 3,23), bien que le département métier considère la réalisation des objectifs comme légèrement plus importante (2,83 contre 2,66 pour le département informatique).

Le faible volume global de données des environnements de BI (voir figure 9) explique l'intérêt limité des entreprises pour le Big Data. Ainsi, seulement 16 % des entreprises possèdent un volume global de données de plus de 50 téraoctets, qui est le niveau généralement associé au Big Data : la plupart des entreprises stockent nettement moins de données. La plupart d'entre elles stockent même moins de 5 téraoctets dans leurs bases de données analytiques (44 %). On peut toutefois supposer que les volumes de données dans le monde analytique augmenteront à l'avenir. Les historiques de données plus longs, le besoin croissant de données granulaires précises et les nouvelles sources de données non structurées et semi structurées sont les principales raisons de cette hausse.

Environ 50 % des participants considèrent toutefois la question du Big Data s'intéressent de près au Big Data. En revanche, il n'y a toujours pas de grands favoris en termes d'avantages pour l'entreprise. La palette d'utilisations potentielles est plutôt importante. On retrouve, entre autres, une compréhension approfondie et précise du métier via des analyses améliorées des tendances du marché et la segmentation de la clientèle, ainsi qu'une meilleure planification. Le bon classement de la demande de Big Data pour « améliorer la compréhension du métier » indique que les promesses de la BI sont actuellement projetées sur le Big Data. La nouvelle « application phare » fonctionnelle pour le Big Data doit encore être identifiée.30 % des participants des départements informatiques, contre seulement 27 % des participants des directions métiers considèrent que l'on fait beaucoup trop de cas autour de la question du Big Data. Il existe de grandes différences dans l'évaluation de l'importance du Big Data pour une compréhension du métier plus précise et approfondie (31 % dans les départements métiers contre 23 % dans les départements informatiques) et une meilleure segmentation de la clientèle (30 % dans les départements métiers contre 23 % dans les départements informatiques). Il semble que les utilisateurs métiers associent le Big Data aux options d'analyse complète pour les données web et les réseaux sociaux afin de progresser vers une connaissance à 360° du client.

La nouvelle «application phare» fonctionnelle pour le Big Data n'est pas encore en place.


Le modèle traditionnel d'intégration physique de toutes les données au sein d'une « source unique de vérité » est

toujours demandé mais échoue en raison

de ses exigences complexes.

La création d'une « source unique de vérité » est extrêmement importante pour les entreprises (voir figure 11). La création d'une « source unique de vérité » en stockant toutes les données pertinentes dans un emplacement physique et en évitant les redondances, représente pour de nombreuses entreprises une sorte de « Saint-Graal » de la BI. Les participants à l'enquête espèrent que sa pertinence augmentera encore. Il est intéressant de noter que les entreprises utilisatrices font apparemment toujours confiance aux modèles traditionnels et s'appuieront sur ceux-ci à l'avenir, même s'ils n'ont pas respecté les promesses précédentes et qu’ils se sont plutôt avérés être des idéaux utopiques.Cette compréhension paradoxale sur la « source unique de vérité » peut être démontrée spécifiquement par les observations faites au chapitre 8. Il s'agit de l'image d'une architecture hétérogène composée de virtualisation, de processus distribués et de référentiels combinés que l'on peut décrire comme un écosystème analytique. Les difficultés que l'on rencontrait auparavant pour produire une «source unique de vérité» se sont encore intensifiées. L'impression que nous avons des entreprises attachées à un rêve irréaliste qui ne peut être mis en œuvre que par un investissement massif, devient de plus en plus claire. À l'avenir, il serait souhaitable de chercher des concepts de solution d'intégration de données plus flexibles et plus adaptés à la situation.

Figure 11 : pertinence des paradigmes pour les systèmes de BI (échelle de 1 (faible) à 5 (élevée)) (n = 470 )

1 2 3 4 5

Source unique de vérité (les données ne sont pas redondantes)

Intégration physique dans un pool de données agrégées

Non volatilité des données (constance des données)

Stockage redondant des données opérationnelles dans les systèmes de BI

Stratégie à un seul fournisseur

Taille unique 2.74

3.814.03

3.48

3.40

3.213.19

2.77Aujourd'hui

Demain

3.49

3.52

2.77

2.75


Figure 12 : étude et audit biMA® et modèle biMM®

Le modèle de niveau de maturité en quelques mots - biMM

®

Le concept de modèles de niveau de maturité s'est maintenant étendu à toute une variété de disciplines. Dans les systèmes d'information, les modèles de niveau de maturité sont utilisés pour décrire les cycles de vie et évaluer les normes de qualité. Les modèles de niveau de maturité contribuent donc à créer de la transparence concernant l'état actuel du marché ou permettent, en terme de référencement, des comparaisons avec d'autres entreprises du secteur ou du marché. Les modèles de niveau de maturité sontégalementutiliséspouridentifierlesimplicationsstratégiquespourlesfuturesactions potentielles en fonction de leur positionnement actuel dans le modèle.Steria a développé le Modèle de maturité de la Business Intelligence (biMM®) pour décrire les niveaux de maturité typiques de la BI dans les entreprises et organisations. Le modèle repose sur les connaissances de la communauté BI, les recherches universitaires et l'expérience des consultants de Steria.

Partie 2

Architecture & Infrastructure

Data management

Reporting & analytics

Scope

Information architecture

Penetration level

BI management

Customer management

Data governance & Information mgmt.

Application management

Supplier management

biMM®

biMA®

biMA®

L'audit

Le modèle

L'étude

2,74

3,814,03

3,48

3,40

3,213,19

2,77

3,49

3,52

2,77

2,75

Task-related single report view

Locally limited business

unterstanding

Cross- departmental harmonisation

Strategic alignment and differentiation

Strategic & operational integration

Data anarchyDecentralised

data martsIntegrated data

warehousingTransparency by

logical integration

Use case driven

architecture

Individual single initiative

Project BI teamBIspecific processes

Service orientierted BI organisation

Functionality

Technology

Organisation

Level 1Individual

Informationen

Level 2Information

Silos

Level 3Information Integration

Level 4Information Intelligence

Level 5Information-

driven Enterprise


Figure 13 : vue d'ensemble du Modèle de maturité de la Business Intelligence (biMM®)

L'utilisation de biMM® comme cadre d'évaluation normalisé dans toutes les études biMA® et les projets d'audit de BI garantit à la fois l'objectivité et la possibilité de comparer les résultats, ainsi que l'actualité et l'adéquation du modèle lui-même.Dans sa conception, biMM® tient compte du cycle de vie des initiatives de BI et définit cinq niveaux de maturité qui représentent des stéréotypes idéalisés (voir figure 13). À partir d'un état chaotique au premier niveau, biMM® pose comme principe l'amélioration de la normalisation et de la centralisation entre les niveaux 2 et 3. Au niveau 4, il existe une intégration accrue de la BI dans les processus métiers. Les processus spéciaux de BI assurent l'alignement de la BI sur les objectifs de l'entreprise par rapport à l'orientation plus locale fournie aux niveaux de maturité inférieurs. Au niveau 5, la Business Intelligence est un levier de succès du modèle d'entreprise et les informations analytiques constituent la base des processus décisionnels à tous les niveaux.Le marché prend peu à peu conscience du fait que la BI n'est pas simplement une question technique. En fait, l'accent doit être mis sur le business case pour que les investissements dans la BI génèrent des bénéfices durables. Pour garantir l'efficacité des processus de développement et d'exploitation ainsi

que l'alignement réel des projets de BI sur les objectifs d'entreprise, des conditions organisationnelles particulières et spécifiques à la BI doivent être créées. Par conséquent, biMM® définit les niveaux de maturité de BI selon trois volets : «fonctionnalité», «organisation» et «technologie».

Dans la figure 13, le Modèle de maturité de la Business Intelligence (biMM®) est décrit à l'aide de ses trois volets et cinq niveaux de maturité. Les caractéristiques typiques des différents niveaux de maturité sont décrites en détail ci-après.

Vue de rapport unique liée aux tâches

Compréhension de l'activité localement

limitée

Harmonisation entre les départements

Alignement et différenci-ation stratégiques

Intégration stratégique & opérationnelle

Anarchie des données Dépôts de données décentralisés

Entreposage de données intégré

Transparence par intégration logique

Architecture orientée cas d'utilisation

Initiative individuelle unique Projet Equipe BI Processusspécifique

à la BIOrganisation de la BI

orientée service

Fonctionnalité

Technologie

Organisation

Niveau 1

Informations individuelles

Niveau 2

Silos d'informations

Niveau 3Intégration

des informations

Niveau 4 Veille

Niveau 5Modèle

d'entreprise axée sur

l'informationbiMM®


Fonctionnalité

La « fonctionnalité » tient compte du type, du périmètre et de la qualité des informations fournies par les systèmes de BI. Ce volet couvre l'utilisation d'informations liées à la pénétration de BI dans les processus décisionnels aux niveaux stratégique, tactique et opérationnel, ainsi que la diffusion de la BI au sein de l'entreprise.

Les champs d'investigation suivants structurent ce volet :• Secteur d'opération :

Utilisation de la solution de BI par un large éventail d'utilisateurs, accompagnement des secteurs d'utilisation et processus métiers pertinents, fourniture des informations pertinentes et nécessaires.

• Architecture de l'information : Fourniture d'une base d'informations cohérente et digne de confiance, adaptée à la tâche conformément aux cas d'utilisation définis.

• Niveau de pénétration : Niveau d'intégration des informations analytiques fournies pour appuyer la prise de décision dans les processus métier.

Le niveau 1 de maturité (Informations individuelles) du biMM® décrit une condition dans laquelle les analyses sont produites selon les besoins et de manière personnelle par les individus. Le niveau de maturité technique se caractérise par des aperçus non reproductibles de données (souvent sur la base de systèmes opérationnels) destinés à soutenir les tâches actuelles. Ici, l'absence de normes est problématique. La qualité des données sur lesquelles les décisions sont prises n'est pas claire et il n'existe pas de définition généralement valable pour le calcul des indicateurs.

Le niveau 2 de maturité (Compréhension

du métier localement limitée) se caractérise par une harmonisation initiale des définitions techniques au niveau local (par exemple au sein des départements). Cela permet de partager l'analyse à l'échelle des départements. Contrai-rement au niveau 1, les informations analytiques sont exploitées dans les cas d'utilisation définis et l'on procède alors à l'analyse des informations passées.

Au niveau 3 (Harmonisation entre les départements), une utilisation généralisée des informations analytiques est souhaitée pour les activités de base. L'harmonisation des définitions d'indicateurs entre les départements est nécessaire et une « source unique de vérité » est propagée sous forme d'entrepôt de données (EDWH). L'analyse concerne désormais les liens de cause à effet.

Le niveau 4 (Alignement et différenciation stratégiques) a pour but de fournir des informations analytiques centrées sur des processus particuliers. À ce niveau de maturité, les informations analytiques sont considérées comme un actif de l'entreprise qui doit être protégé et développé. L'alignement des initiatives de BI sur la stratégie de l'entreprise est particulière-ment important à ce niveau. Ce niveau offre également des perspectives de différenciation permettant de réagir avec flexibilité à l'évolution des exigences d'information au niveau local. Il s'agit notamment d'offres en self-service, de « solutions pré-packagées » et de métriques décentralisées avec une plage définie de validité.


Figure 14 : niveaux de maturité dans le volet « fonctionnalité »

Les initiatives de BI avec une intégration stratégique et opérationnelle complète ont le niveau de maturité le plus élevé (5). Ici, les informations deviennent la base de toutes les décisions et sont donc un levier de succès pour l’entreprise. Cela nécessite une sémantique fonctionnelle commune permettant d'éviter les mauvaises interprétations et les déclarations incohérentes, ainsi que la liaison des informations de contrôle stratégique et

opérationnel. Une entreprise axée sur l'information met l'accent sur la conception des processus spécialisés pour que les informations fournies par la BI soient utilisées efficacement dans les processus décisionnels (si nécessaire, par automatisation).

Un aperçu des caractéristiques clés des différents niveaux de maturité pour le volet «fonctionnalité» est donné à la figure 14 ci-dessous.

Architecture d'information - Périmètre - Niveau de pénétration

NIV 1 : Vue de rapport unique liée aux tâches

NIV 2 : Compréhension de l'activité localement

NIV 3 : Harmonisation entre

NIV 4 : Alignement et différenciation straté-

NIV 5 : Intégration straté-gique

• Aperçus statiques des données opérationnelles

• Pas de normalisation, incertitudes en raison de la sémantique hétérogène

• Redondances et incohérences importantes et non transparentes

• Utilisation par peu de personnes

• Utilisation contextuelle

• Pas de prise en charge directe et clairement définie des processus métiers

• Rapports et analyses passéistes au moyen de données analytiques historiques

• Sémantique d'entreprise bien définie et cohérente par rapport au système ou département

• Les systèmes BI ne sont pas sans chevauchement et les redondances et incohérences qui en résultent sont pour l'essentiel connues

• Utilisation au sein des départements

• Utilisation manuelle bien définie des informations BI dans quelques cas d'utilisation

• Les systèmes de la BI offrent une vision axée sur les activités d'entreprise pertinentes

• Domaines et métriques de données harmonisés entre plusieurs unités

• Des chevauchement de contenus bien connus existent dans les systèmes de BI. L'objectif est d'aboutir à une vérité d'entreprise cohérente

• Utilisation intégrée des informations par plusieurs unités organisationnelles

• Identification des interdépendances, sur la base des informations analytiques

• Accès aux manuels d'informations analytiques pendant l'éxecution des processus métiers

• Perspectives axées sur les processus

• Modèle de chiffres clés à l'echelle de l'entreprise

• Prise en charge de l'agilité par des métriques décentralisées tout en assurant la cohérence des systèmes de mesure à l'echelle de l'entreprise

• Les informations analytiques sont considérées comme des actifs d'entreprise et peuvent être utilisées dans des applications opérationnelles

• Utilisation de solutions pré-packagées pour les cas d'utilisation définis

• La fourniture d'informations se concentre sur la prise en charge de processus spécifiques

• Surveillance des processus métiers en utilisant les bonnes informations analytiques au bon moment

• Déplacement des rapports standards ad hoc et des analyses avancées

• Sémantique cohérente à l'échelle de l'entreprise

• La BI comme fondement de toutes les décisions

• La BI est l'un des facteurs critique pour le succès de l'entreprise

• Utilisation par toutes les unités organisationnnelles et à tous les niveaux de la hiérarchie

• Temps de réaction courts (faibles latences de décision)

• Intégration des informations de contrôle stratégique et opérationnel dans le cadre d'un cycle complet de contrôle

• Les processus métiers automatisés utilisent des informations analytiques (aide à la prise de décision active)


Organisation

Les aspects de l'organisation structurelle et des processus ainsi que la gouvernance nécessaire à l'exploitation et la configuration technologiques et fonctionnelles d'un environnement de BI sont expliqués dans le volet « organisation ». Les caractéristiques de ce volet sont résumées dans les champs d'investigation suivants :• Gestion de la BI :

Alignement stratégique, configuration du portefeuille de services et produits de BI, gouvernance globale de la BI, contrôle de la rentabilité de l'initiative de BI.

• Gestion du client : Conseils et accompagnement des utilisateurs de BI internes et éventuellement externes, coordination du processus d'exigences et énoncé des services de BI.

• Gouvernance des données et gestion des informations : Garantie de la pertinence, la qualité, la cohérence, la sécurité et l'actualité des informations fournies.

• Gestion des applications et infrastructures : Conception du processus de développement et de l'organisation opérationnelle pour les applications de la BI.

• Gestion des fournisseurs : Garantie de la prestation efficace et efficiente des services nécessaires (en particulier ressources externes, licences, matériel) pour le développement et l'exploitation des applications de la BI.

L'organisation de la production et de

l'utilisation des informations analytiques est chaotique par nature au niveau 1 de maturité (Initiative individuelle unique). Les employés utilisent les informations à leur disposition, selon leurs besoins et de manière généralement isolée et non réglementée. En l'absence de définitions et de règles sur la qualité des données, l'analyse générée a une faible crédibilité et est souvent contradictoire.

Le niveau 2 (Projet) donne au développement de la BI un cadre qui peut toutefois varier en fonction de chaque projet et ne tient généralement pas compte du fonctionnement des solutions produites. L'une des faiblesses de ce niveau réside dans le caractère fondamentalement temporaire des projets qui ne tient pas compte de la volatilité inhérente aux solutions de BI. En outre, la mise en œuvre isolée et non alignée des exigences individuelles s'oppose au caractère intégratif de la Business Intelligence.

Au niveau 3 de maturité, on assiste à une concentration des activités de BI dans une ou plusieurs équipes BI éventuellement décentralisées. Ces équipes permanentes assurent l'alignement de l'initiative de BI sur la stratégie informatique. Elles sont responsables du développement et de l'exploitation de l'environnement de BI et assurent la consolidation et la hiérarchisation des exigences.

Au niveau 4, les exigences particulières de la BI donnent lieu à un modèle organisationnel spécifique à la BI. Alors qu'au niveau 3 les processus informatiques standards garantissaient la stabilité, au niveau 4, les processus de BI spécifiques visent des informations cohérentes et globales à l'échelle de l'entreprise. Cette organisation prend désormais en compte la tension entre le désir de normalisation et d'industrialisation formulé par le département informatique et la demande de flexibilité maximale


Figure 15 : niveaux de maturité dans le volet « organisation »

émanant des départements métier.Le niveau 5 concerne l'Organisation de la BI orientée service. La Business Intelligence est offerte sous forme de services à partir d'un portefeuille défini de services de BI. Des rôles et processus fermes ont été établis pour fournir le service. L'importance généralement reconnue des «données» en tant qu'actif et la conformité croissante entre le monde

des systèmes opérationnels et des systèmes analytiques sont exprimées par le fait que les rôles correspondants impliquent à la fois les départements métier et informatiques et agissent à travers tous les systèmes. Un aperçu des caractéristiques clés des différents niveaux de maturité pour le volet « organisation » est donné à la figure 15.

Technologie

Gestion des fournisseurs - Gestion des applications - Gouvernance des donnés & Gestion des informations - Gestion clientèle - Gestion de la BI

NIV 1 : Initiative individu-elle unique NIV 2 : Projet NIV 3 : Equipe BI NIV 4 : Processus spé-

cifique à la BINIV 5 : Organisation de la BI

• Caractère chaotique : absence de rôle d'unité organisationelle spécifique à la BI

• Aucune information sur les coûts et avantages en terme de reporting

• L'analyse menée ad-hoc n'est pas coordonnée et est à l'initiative d'utilisateurs individuels

• Le niveau de qualité des donnés n'est pas transparent. Les problèmes sont plutôt identifiés de manière accidentelle

• L'analyse des données est motivée par les situations et menée de façon isolée par des salariés individuels

• Organisation de processus informelle, absence de méthodologie normalisée et documentée

• Responsabilité de projet isolée du côté métier

• Des processus pertinents sont établis et appliqués fréquemment

• Calcul de rentabilité lié au projet et orienté coûts

• Structures informelles de prise en charge et de coordination des exigences

• Autonomie croissante du côté métier (grands utilisateurs)

• Analyse des données sources pendant l'étape de développement

• Organisation de projet alignée sur le développement (supplémentaire)

• Absence d'opérations régulières avec une disponibilité bien définie

• Engagement de spécialiste externe

• Structure organisationnelle informatique décentralisée (le cas échéant spécifique à la BI) avec des responsabilités bien définies

• La BI est alignée sur la stratégie informatique

• Des processus normalisés, documentés et axés sur l'informatique sont établis

• Tarification reposant sur les règles d'attribution simples

• Traitement des exigences conforme à la gouvernance informatique

• Disponibilité controlée

• Des propriétaires de donnés préposés aux données existent du côté métier, mais il n'existe aucun processus formel

• Séparation du développement et des opérations

• Conseils par ITIL

• Affectation externe des projets

• Portefeuille de fournisseurs informatiques bien défini

• Les processus de gouvernance spécifiques à la BI sont établis et contrôlés quantitativement

• Développement de la BI aligné sur la stratégie BI et la feuille de route BI

• Calculs de rentabilité axés sur les avantages pour le programme de BI

• Gestion du programme de BI bien établie

• Un SLA et des prix fixes pour la BI

• Positionnement et validation proactifs des nouvelles méthodes et technologies

• Il existe des propriétaires de données d'entreprise et techniques. Les droits et devoirs sont obligatoires conformément à une gouvernance de données

• GOD avec des niveaux de qualité prédéfinis et un processus en boucle fermée pour les fournisseurs de donnés

• Méthodologie de développement agile le cas échéant spécifique à la BI

• Services de BI avec une haute disponibilité

• Gestion des problèmes orientés métier

• Portefeuille de fournisseurs de la BI bien défini

• Les processus obligatoires sont établis à l'echelle de l'entreprise et intègrent l'informatique ainsi que l'aspect métier

• Amélioration continue des processus basée sur le suivi et l'innovation

• Il existe un portefeuille de services BI bien défini avec une répartition des coûts orientés services

• La gestion de la possession des données et des propriétaires de données techniques et d'entreprise est efficace à l'echelle de l'entreprise (pour les systèmes analytiques comme pour les systèmes opérationnels)

• Intégration de spécialistes de données pour appuyer les décision de la direction générale

• Processus de conception de BI piloté par un modèle complet

• Sourcing prometteur


Le volet « technologie » met l'accent sur la qualité et la flexibilité de l'architecture. Il se concentre, en outre, sur l'infrastructure fondamentale, la qualité et la fonctionnalité de la solution de BI mise en œuvre à des fins de reporting et d'analyse, ainsi que sur l'architecture et l'intégration des données, et sur l'étendue de la normalisation des composants impliqués. Les caractéristiques de ce volet sont précisées dans les champs d'investigation suivants :• Architecture et infrastructure :

Interaction et conception efficaces des outils et composants techniques au sein de l'environnement de BI.

• Gestion de données : Gestion et intégration des données, qualité des données, gestion des métadonnées et données de base et conception spécifique à la BI.

• Reporting & analyse : Fonctions de reporting, analyse et planification, voies de distribution et formats pris en charge par la solution de BI.

Le premier niveau de maturité envisage l'« Anarchie des données » sur le plan technologique car il n'y a pas de stockage de données dédié pour appuyer la prise de décisions. Les données nécessaires pour créer les rapports sont extraites et préparées manuellement pour chaque situation du système opérationnel concerné. Une analyse reposant sur les stocks de données historiques est donc possible tant que les systèmes opérationnels contiennent des données historiques. L'analyse des données se traduit généralement par un important effort manuel individuel, sans outil de BI dédié. La fourniture et l'analyse des données s'effectuent à l'aide des logiciels de bureautique (tableurs, logiciels de présentation et traitement de texte).

Le niveau 2 de maturité (Dépôts de données décentralisés) prévoit la création de silos d'in-formations sans intégration dans un contexte interdépartemental. Ce niveau se caractérise généralement par l'utilisation de nombreux outils, paradigmes de développement, bases de données... à travers différents systèmes de BI. Du point de vue de l'entreprise, cela entraîne des redondances dans les technologies et des doublons de fonctions dans les outils utilisés. Le stockage des données est généralement mis en œuvre sous forme de comptoirs de données indépendants qui sont souvent exploités directement par les départements métier, sans séparation claire entre les systèmes de production et de développement. Outre les outils de reporting standards et ad-hoc, des outils OLAP (OnLine Analytical Processing) sont également disponibles pour l'analyse.

Le niveau 3 (Entreposage de données intégré) pose comme principe la mise en œuvre d'un environnement d'entreposage de données central, consolidé et évolutif qui est idéalement sur le concept d'entrepôt de données d'entreprise. L'objectif est d'harmoniser toutes les données pertinentes pour la prise de décision dans un petit nombre de banques de données centrales (voire une seule) et de les y enregistrer de manière intégrée. Ces banques sont ensuite utilisées afin de fournir des données pour différentes applications (architecture « en étoile ») de manière décentralisée. L'approche centralisée s'accompagne généralement d'une normalisation et d'une convergence des technologies et des outils de la solution BI, qui formaient jusqu’alors un environnement très hétérogène. Énormément de fonctions de BI sont donc généralement disponibles. Les processus de gestion et de fourniture de données sont la plupart du temps automatisés et professionnalisés.

Le niveau 4 de maturité (Transparence


Figure16:niveauxdematuritédanslevolet«technologie»

par intégration logique) se concentre sur la flexibilité. En règle générale, les cas d'utilisation particuliers ne peuvent plus être mis en œuvre selon l'approche centralisée du niveau précédent, et d'autres plateformes analytiques viennent donc compléter l'environnement d'entrepôts de données existant. Il s'agit d'une décision délibérée de ne pas intégrer physiquement les données. Toutefois, pour garantir la transparence des données, des tâches transversales (telles que la gestion de la qualité des données et des métadonnées et la gestion des données de base) sont professionnalisées.

Le niveau 5 (Architecture orientée cas

d'utilisation) est lié au concept de service orienté sur les cas d'utilisation. Ici, des services individuels peuvent être proposés sur la base d'éléments d'architecture orchestrés. Cela sous-entend que l'accès aux données est possible à travers toutes les couches et tous les pools de données. À ce niveau, les limites des systèmes opérationnels et analytiques traditionnels finissent par disparaître et les données non structurées et semi structurées sont complètement intégrées. Un aperçu des caractéristiques clés des différents niveaux de maturité pour le volet « technologie » est donné dans la figure 16.

Gestion de données - Reporting & Analyse - Architecture & Infrastructure

Anarchie des donnéesDépôts de données décentralisés

Entreposage de données intégré



• Aucun système dédié pour la fourniture de données à des fins décisionnelles

• L'analyse repose sur des systèmes opérationnels ou l'exportation de fichier

• Aucun outil BI dédié

• Utilisation des logiciels de bureautique traditionnels (en particulier calcul sur tableur)

• Analyse manuelle avec formatage individuel

• Exportation manuelle de données

• Transformation manuelle et non normalisée des données

• Analyse sur des magasins de données indépendants avec leur propre espace de stockage de données (système de cloisonnement)

• Infrastructure technique et paysage hétérogènes pour les outils

• Séparation sporadique entre les infrastructures de production et de développement

• Analyse des informations dans des systèmes standards et ad hoc

• Les outils OLAP offrent des options d'analyse de données

• Intégration de données et génération de rapports automatisées

• Contrôles manuels de la qualité des données

• Métadonnées sur papier

• Consolidation des données dans des entrepôts de données ou dans un entrepôt d'entreprise dédié

• Réutilisation des fonctions, reposant sur la normalisation et la modularisation

• Portefeuille consolidé d'infrastructures et d'outils

• Environnements dédiés de production, de test et de développement

• Génération et distribution automatiques de rapports

• Spectre normalisé des fonctions BI dans les systèmes standards ad hoc

• Stabilisation assurée par l'automatisation des outils de GQD et de la quantité de données

• Utilisation d'un référentiel de métadonnées mettant l'accent sur les métadonnées techniques

• Gestion centralisée dans la BI pour les données de base pertinentes

• Aide à la prise de décision agile dans un environnement de marché dynamique, reposant sur la BI en self-service et les bacs à sable analytiques

• Prise en charge de l'entreposage dédié au bon moment

• Haute disponibilité des systèmes BI

• Portefeuille d'outils BI orientés cas d'utilisation

• Accent sur les technologies CPM dédiées

• Offre d'information transparentes par des entités de base intégrées logiquement

• Prise en charge hautement évolutive des données non structurées et semi structurées

• Automatisation de la QD

• Couplage des métadonnées d'entreprise et techniques

• Utilisation de la gestion des données opérationnelles de base

• Intégration des données analytiques dans les systèmes opérationnels

• Redondances de données justifiées et transparentes

• Solution globale flexible, basée sur des éléments d'architecture orchestrés

• Convergencedes applications opérationnelles et analytiques standards

• BI opérationnelle

• Virtualisation de l'infrastructure

• Intégration logique pour un accès transparent aux données et couches

• Traitement intégré des données non structurées et semi structurées


Figure 17 : niveaux de maturité dans les trois volets par pays et total (n = 480)

Maintien du statu-quo des niveaux de maturité des environnements de Business IntelligenceLes résultats de l'étude montrent que les niveaux de maturité des solutions de BI ne sont pas sensiblement différents à travers les volets fonctionnel, organisationnel et technologique(voirfigure17).Levolet« fonctionnalité » atteint actuellement le niveau de maturité le plus élevé avec une valeur de 3,2. Le volet « technologie » se trouve juste derrière avec un niveau de maturité moyen de 3,0. Le volet « organisation » ferme la marche avec un niveau de maturité de 2,8.

En moyenne, les solutions de BI sont donc au niveau 3 de maturité (Intégration des informations) dans chaque volet. Ce niveau se caractérise par la demande de création d'un environnement de BI à l'échelle de l'entreprise avec une normalisation et une intégration ambitieuses des outils et technologies, des données et fonctions,

et une disponibilité réglementée. En ce qui concerne la « fonctionnalité », une harmonisation de la sémantique fonctionnelle entre les différents départements(parexemple,définitionsdes indicateurs de performances clés) est désirée, alors que la mise en place d'une ou plusieurs équipes BI décentralisées est souhaitée dans le volet « organisation ».

La fonctionnalité (3,2) atteint le niveau

de maturité le plus élevé, suivie par la

technologie (3,0) et l'organisation (2,8).

La comparaison par pays ne révèle que de

légères différences.

En moyenne, les entreprises atteignent le niveau 3 de maturité dans les trois volets.

Partie 3

Pays nordiques Région DACH France Royaume Uni Pologne Total

3.3

Fonctionnalité

5

4

3

2

1

3.0

3.0 3.

42.

8 3.0

3.0

3.0

2.9 3.0

2.6 2.

9 3.1

2.6

3.1 3.

22.

8 3.0

Organisation Technologie


Figure 18 : répartition des niveaux de maturité dans les trois volets (n = 480)

La plupart des solutions BI présentes au sein des organisations des personnes interrogées (53 %) sont actuellement au niveau 3 de maturité dans le volet «organisation» (voir figure 18). Environ un quart des entreprises sont encore au niveau 2 de maturité. Les entreprises restantes sont réparties entre les niveaux 1 et 4 (entre 4 % et 16 %), aucune d'entre elles n'ayant atteint le niveau 5. Comparé aux deux autres volets, plus de la moitié des entreprises sont à des niveaux de maturité 1 ou 2. Seul un très petit nombre d'entreprises tiennent compte des processus spécifiques à la BI dans le volet «organisation» et modifient leurs structures et processus pour des exigences spécifiques à la BI (niveau 4). Soit elles se concentrent sur les normes informatiques (niveau 3), soit elles utilisent encore une forme d'organisation liée aux projets (niveau 2).

L'« organisation » représente la clé d'un programme de BI fructueux car elle garantit la transparence de toutes les initiatives de BI. En établissant une coordination centrale, l'alignement de la BI sur les objectifs globaux de l'entreprise et la stratégie de BI peut être assuré à long terme, favorisant ainsi les avantages durables des investissements dans la BI.Le niveau de maturité du volet «technologie» réside entre la «fonctionnalité» et l'«organisation». Contrairement au volet «organisation», beaucoup plus d'entreprises (62 %) ont atteint le niveau 3 de maturité dans le volet « technologie » (voir figure 18). Les entreprises ont toutefois du mal à atteindre le niveau 4. Il existe un scénario idéal de niveau 3 impliquant l'intégration complète de toutes les sources de données pour former une architecture centrale avec un niveau élevé de normalisation procédurale et technique en vue de satisfaire toutes les exigences en matière de BI.

Dans le volet «fonctionnalité»,

il est beaucoup plus facile pour les entreprises d'atteindre le

niveau 4 que dans les autres volets.

0% 20% 40% 60% 80% 100%

1 % 17 % 62 %

8 % 59 %

4 % 27 % 53 %

Niveau 1

20 %

33 %

16 %

Niveau 2 Niveau 3 Niveau 4 Niveau 5

Fonc

tion

nalit

éO

rgan

isat

ion

Tech

nolo

gie


Figure19:niveaudematuritédanslestroisvolets-comparaison2004,2006,2009et2012/13 pour la région DACH (n = différentes bases)

Si l'on y regarde de plus près, ce scénario s'est néanmoins avéré complexe et souvent infructueux par le passé. Il peut être comparé à la bataille de Don Quichotte contre les moulins à vent. Le processus de découverte et de décision au niveau de l'approche centralisée devraient être utilisé pour les données et les architectures qui semblent être problématiques. Il en va de même lorsqu'il s'agit de décider comment concevoir une architecture de BI flexible et agile pour offrir aux utilisateurs des fonctions en self-service appropriées.

La figure 19 montre l'historique des trois volets pour la région DACH. Malgré un ralentissement entre 2006 et 2009, on assiste à une augmentation continue dans tous les volets. Cependant, nous constatons aujourd'hui une certaine stagnation. Le rapprochement qui s'est opéré dans les trois volets en 2009 ne s'est pas poursuivi. Au contraire, l'écart se creuse encore plus. Il est à noter en particulier que la progression parallèle des volets «fonctionnalité» et «technologie» n'existe plus. La progression dans le volet « fonctionnalité » nous amène à conclure que l'acceptation de la BI pour appuyer des questions spécifiques n'a cessé de croître ces dernières années avec des investissements dans l'expansion des utilisations fonctionnelles. Le domaine d'utilisation de la BI a été étendu grâce au fait que d'autres départements ont eu recours à la solution de BI (expansion horizontale). Mais les entreprises n'ont pas vraiment été en mesure d'exploiter les possibilités offertes par les options d'évaluation analytique. Il existe encore des possibilités d'amélioration, en particulier s'agissant de l'utilisation bénéfique des informations fournies dans les processus métier (expansion verticale) (voir chapitre 6).

Fonctionnalité Organisation Technologie

2004

5

4

3

2

1

2.4

2.93.1 3.2

1.6

2.52.9 2.8

2.2

3.03.2

3.0

2006 2009 2012/13


Figure 20 : niveaux de maturité par secteur (n = 480)

Industrie Banque Energie Distribution Télé- Transports Services IT Secteur Assurance communi- Public cations

L'« organisation » a en moyenne un niveau de maturité actuel de 2,8 et affiche donc, comme en 2004 et 2009, la valeur la plus faible. Alors qu'en 2009, les entreprises affichaient encore une assez forte progression en terme de développement, on assiste actuellement à une légère baisse. Ceci indique une augmentation du nombre d'initiatives de BI non alignées de la part des différents départements. En 2009, l'accent était mis sur la configuration et l'expansion de l'organisation de la BI. Cela a abouti à une normalisation et une centralisation des solutions de BI, accompagnées d'une professionnalisation de leur développement et de leur exploitation. Le développement et la mise en œuvre opérationnelle du concept de Centre de Compétences en Business Intelligence (CCBI) ont fait l'objet de discussions intenses ces dernières années mais se sont souvent enlisés en terme de mise en œuvre, notamment pour des raisons politiques. Par conséquent, des sujets tels que la stratégie de BI, la gouvernance de la BI, la garantie de la pertinence et de l'actualité des informations fournies... n'ont pas été plus développés d’un point de vue organisationnel.

L'objectif visant à mettre en place des pré-requis techniques pour étendre l'utilisation fonctionnelle de la BI n'a pas été atteint. Bien que les fonctions d'analyse aient été

développées modérément, il n'y a eu aucune amélioration dans les domaines de la qualité des données et de la gestion des données de base et des métadonnées. L'architecture technique s'est souvent avérée trop rigide pour offrir la flexibilité et l'agilité demandée par les utilisateurs. C'est pour cela que différents départements et utilisateurs passent souvent par des solutions de BI décentralisées. Le niveau de maturité est légèrement inférieur par rapport à 2009, ce qui signifie que la « technologie » a perdu la première place qu'elle occupait depuis 2006. Il existe sans doute un large éventail de technologies variées et novatrices sur le marché. Mais les entreprises manquent de concepts d'innovations techniques et de capacité pour les intégrer de manière cohérente à leur environnement de BI actuel afin de satisfaire toutes les exigences. Cette évaluation correspond aux déclarations sur la répartition du budget (voir figure 7) en vertu desquelles, les outils logiciels nouvellement ajoutés (par exemple, les outils de découverte de données) ont notamment tendance à augmenter le niveau de complexité des environnements de BI existants et donc à réduire le niveau de maturité technologique.

5

4

3

2

1

3.3

Fonctionnalité

2.8 2.

9

Organisation Technologie

3.2

2.8 3.

0 3.2

2.7 2.8

3.3

2.6 3.

0 3.3

3.3

3.0 3.1

2.7 3.

0 3.1

2.7 2.

9 3.2

2.7 3.

0 3.1

2.9 3.0 3.

42.

93.

0


Dès 2009, les différences de maturité de la BI par secteur diminuaient dans les pays germanophones. En 2012, ces différences ont presque disparu selon l'enquête européenne. Tous les secteurs sont actuellement au niveau 3 (Intégration des informations) dans les différents volets, y compris le secteur des télécommunications particulièrement chargé en données (données d'appels).

Concernant la répartition des niveaux de maturité par rapport aux différents champs d'investigation (voir figure 21), la comparaison du périmètre et du degré de pénétration du processus est particulièrement frappante. Alors que 69 % des participants ont atteint au moins le niveau 4 en ce qui concerne le périmètre de la BI, seulement 45 % ont atteint le niveau 4 en termes d'intégration de la BI dans le processus. La distribution horizontale à travers les domaines d'application de la BI a progressé beaucoup plus fortement que la pénétration verticale du processus. On peut en conclure qu'en matière de Business Intelligence l'accent est mis sur la fourniture d'informations polyvalentes tandis que l'intégration transparente et l'application des données dans les processus métier sont largement négligées.

Dans le volet « organisation », les champs d'investigation « Gouvernance des données & Gestion des informations » et «Gestion des applications & infrastructures» sont loin derrière les autres.

Les différences de maturité

importantes par secteur ont presque totalement disparu.

67 % 6 %

9 %44 %

20 % 2 %54 %

20 %64 %

24 %27 %

22 % 6 %27 %

15 %18 %

34 %

41 % 4 %35 %

29 % 69 %

27 % 3 %42 %

11 %

11 %

27 %

23 %

29 %

26 %

26 %

15 %

2 %

26 %

13 %

44 %

34 %

3 %

20 %

2 %

4 %

20 %

20 %

24 %

6 %

6 %

1 %

Figure 21 : répartition du niveau de maturité par champ de recherche pour tous les volets (n = 478)

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Fonc

tion

nalit

é

Niveau 1 Niveau 2 Niveau 3 Niveau 4 Niveau 5

Périmètre

Org

anis

atio

nTe

chno

logi

e

Reporting & Analyses

Architecture de l'information

Degré de pénétration

Gestion de la BI

Gestion du client

Gouvernance des données et ges-tion de l'information

Gestion des application et des inf-rastructures

Gestion des fournisseurs

Architecture & Infrastructure

Gestion des données


Dans ces deux champs d'investigation, près de 50 % des participants n'ont pas encore atteint le niveau 3 de maturité.

Les résultats relativement médiocres pour le champ d'investigation « Gouvernance des données & Gestion des informations » indiquent que les mesures organisationnelles en place ne tiennent pas assez compte de la garantie de la pertinence, de la qualité, de la cohérence, de la sécurité et de l'actualité des informations fournies. Il est clair que la DQM (Data Quality Management) n'est pas un sujet suffisamment abordé par l'organisation de la BI en raison d'une gouvernance de la BI spécifique incomplète, voire inexistante. La note inférieure à la moyenne pour le champ d'investigation « Gestion des applications & infrastructures » repose sur l'utilisation fréquente de processus de développement spécifiques non BI et d'organisations d'exploitation de la BI non normalisées.

Ce phénomène peut notamment être observé pour les initiatives de BI qui sont créées et exploitées de manière non centralisée et séparément de l'informatique.

Le champ d'investigation « Gestion de données » montre les fortes possibilités d'amélioration dans le volet « technologie ». Cela est dû au nombre d'entreprises qui n'ont pas encore normalisé et industrialisé leur intégration de données. Il est intéressant de voir qu'elles négligent sérieusement la gestion des données de base et des métadonnées. Souvent la gestion dédiée des données de base n'existe d'ailleurs même pas, alors qu'elle est essentielle pour garantir des données actuelles et cohérentes. On assiste aussi à un manque de transparence concernant la disponibilité et la qualité des données dans le champ d'investigation « Gestion de données » du volet « technologie ». Cela peut s'expliquer en partie par l'absence de lien entre les métadonnées techniques et fonctionnelles.

Concernant le champ d'investigation « Architecture & infrastructure », nous pouvons voir que de nombreuses entreprises disposent à présent d'une infrastructure technique mature. Cependant, leurs investissements dans l'infrastructure de BI sont menacés par l'absence de gouvernance efficace dédiée. Le risque potentiel est que l'analyse fournie par les systèmes de BI soit aussi valable que les données sur lesquelles elle repose alors que l'avantage tiré de la BI s’appuie sur une gestion des données bien pensée.


Le potentiel fonctionnel des solutions de BI n'est pas pleinement exploité. Le volet « fonctionnalité » étudie le périmètre de la BI (si elle est en place au sein de l'entreprise), le niveau d'intégration de la BI dans les processus métier et dans l'architecture de l'information. Ce chapitre offre une présentation détaillée des résultats de l'analyse pour chacun de ces champs d'investigation.

La BI est trop souvent limitée au reporting traditionnel.

Le champ d'investigation « Périmètre » couvre les questions concernant les domaines d'application pris en charge (cas d'utilisation), les différents groupes d'utilisateurs et les améliorations recherchées par les initiatives de gestion des performances.Comme dans les études précédentes, les participants ont été interrogés sur les processus pris en charge. Il n'est pas surprenant de voir que la majorité des entreprises interrogées utilisent encore la solution de BI pour le reporting interne (83 %), maintenant ainsi sa position de leader depuis 2009 (voir tableau 2).Beaucoup d'eau aura coulé sous les ponts avant que nous ne passions à la Planification et à la budgétisation (52 %), au Contrôle des ventes, au Contrôle à l'échelle de la division/entreprise (chacun 50 %) et à la Gestion d'entreprise (48 %). Il est à noter que la plage d'applications de BI est en corrélation avec la taille de l'entreprise. Alors que les petites entreprises utilisent principalement des systèmes de BI dans des domaines très spécifiques (Planification et budgétisation,

Gestion de la force de vente et Reporting interne), les grandes entreprises utilisent généralement leur environnement de BI de manière beaucoup plus complète.

Par-dessus tout, les opportunités d'analyse des données existantes (internes et externes) pour la gestion des risques ne sont pas saisies. Cela s'applique également à l'utilisation des simulations pour améliorer le processus décisionnel et fournir des preuves analytiques des menaces et des opportunités.Il est bien connu que les applications de BI offrent des fonctionnalités étendues et des données enrichies, comparées aux applications ERP (Enterprise Ressources Planning) en place. Malgré cela, la Business Intelligence est rarement utilisée pour appuyer les processus de comptabilité internes, comme l'analyse de rentabilité.

Pour de nombreuses entreprises, la BI et le reporting interne

sont équivalents.

Les informations potentiellement disponibles dans la BI pour des cas d’utilisation sup-plémentaires ne sont pas réunies.

Partie 4è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 43

Tableau 2 : domaines d'application ou processus métiers pris en charge selon la taille d'entreprise (en nombre d'employés) (n=473)

Internal reporting

Planning and budgeting

Salesforce management

Division/corporate controlling

Business management/ balanced scorecards

External reporting

Profitability analysis

Contribution margin analysis

Customer management

Quality analysis

Risk management

Business consolidation

Production management and control

Campaign management

Simulation

Total Moins de 250 251 – 2 500 2 501

– 10 000 Plus de 10 000

83 % 79 % 89 % 84 %

66 %

78 %

52 %

50 %

50 %

48 %

50 %

53 %

50 %

47 %

53 %

54 %

49 %

53 %

59 %

49 %

46 %

56 %

38 %

38 %

37 %

37 %

40 %

39 %

35 %

31 %

39 %

42 %

33 %

33 %

37 %

35 %

42 %

43 %

40 %

31 %

36 %

36 %

39 %

40 %

40 %

39 %

37 %

40 %

38 %

30 %

29 %

25 %

29 %

27 %

19 %

16 %

30 %

30 %

24 %

18 %

25 %

16 %

28 %

29 %

23 %

28 %

21 %

22 %

17 %

22 %

23 %

30 %

20 %

18 %

28 %

28 %

25 %

3 %

10 %

10 %

4 %

13 %

3 % 0 % 5 %

Compliance (e.g. Basel II, Solvency II)

Other

Moins de la moitié des grandes entreprises interrogées utilisent la BI pour les rapports externes. Les synergies potentielles d'amélioration des processus de financement ne sont pas exploitées. Les entreprises acceptent, par exemple, la duplication des efforts dans le processus de création de rapports. Par ailleurs, le potentiel d'automatisation reste souvent inexploité.

La répartition actuelle et projetée des divers groupes d'utilisateurs est détaillée dans la Figure 22. La plupart des utilisateurs de la Business Intelligence continuent de recevoir des rapports statiques standards. En d'autres termes, 41 % des groupes d'utilisateurs restent les destinataires de rapports passifs. Les participants anticipent néanmoins une nouvelle tendance vers une utilisation plus indépendante et active. Ce résultat traduit la volonté de s'orienter vers une

Les reportings internes et externes demeurent encore dans des mondes techniquement différents.


Figure22:groupesd'utilisateurs(n=246)

BI en self-service. On s'attend donc à une croissance modeste dans toutes les catégories permettant ou demandant une analyse plus ou moins indépendante. Le besoin en spécialistes de la Business Intelligence ne cesse de croître. Ces spécialistes réalisent des analyses complexes fondées sur des méthodologies statistiques offrant un aperçu détaillé des problématiques propres à l'entreprise et des données à sa disposition pour produire des modèles d'aide à la décision conformes aux attentes de la direction. Le pourcentage de spécialistes en gestion de données qui aident à la prise de décision en tant que consultants internes dispensant des analyses de données dynamiques devrait quasiment doubler, de 6 % aujourd'hui, à 10 % à l'avenir. Reste à savoir si ces projections vont réellement se concrétiser. La question est sensible tant les spécialistes hautement compétents sont pour l'heure extrêmement rares et coûteux sur le marché du travail, alors que les sociétés déplorent une insuffisance d'expertise en interne (24 %).Les objectifs de gestion de performance que

se fixe une société ont été étudiés dans le cadre des champs d'investigation portant sur le volet opérationnel (cf. Figure 23).

Si l'amélioration des processus métier arrive en tête des objectifs suivis par les initiatives de gestion de performance (3,47 points sur 5), aucun autre objectif ne semble se dégager nettement. Le peu d'intérêt que semblent susciter l'exécution de la stratégie et le suivi de la réalisation des objectifs (à l'aide, par exemple, de tableaux de bord équilibrés ou de rémunérations incitatives), ainsi que d'autres facteurs, mérite d'être noté. Cela indique en effet que l'ensemble du modèle en boucle fermée, de la planification stratégique au suivi incitatif, en passant par l'exécution opérationnelle, ne se voient toujours pas accorder toute l'importance qu'il devrait.

La tendance actuelle est la

Business Intelligence en self-service

Destinataire de rapports standards

Utilisateur de rapports standards dynamiques (paramètre, filtrage, tri) (Consommateur)

Créateur de rapports ad hoc(Analyste d'information)

Auteur de rapports professionnels

Aujourd'hui Demain

Spécialiste des méthodes BI (par exemple spécia-liste de l'exploitation de données, des données)

41 %

0% 20% 40% 60% 80% 100%

39 %

30 %38 %

16 %19 %

11 %13 %

6 %10 %


44%

Figure 23 : améliorations souhaitées dans le cadre d'initiatives de gestion de performance (échelle de 1 (peu souhaitées) à 5 (fortement souhaitées)) (n=275)

L'optimisation de chacun des éléments qui composent la boucle fermée, et pas uniquement côté BI, est une condition clairement préalable à toute amélioration de bout en bout du processus. Alors que, jusqu'à présent, la problématique de mise en œuvre de la stratégie, à l'aide par exemple d'un tableau de bord équilibré, arrivait toujours en tête des emplois applicatifs de la BI, la tendance s'oriente vers la normalisation et l'automatisation des processus, l'amélioration du contrôle des processus opérationnels et le recours aux analyses destinées à la planification stratégique.La mise en place d'un système incitatif, véritable levier pour la motivation et l'amélioration des résultats, souffre indéniablement d'un manque d'intérêt criant. La BI fournit l'information élémentaire pour définir les KPI et les fonctionnalités pertinentes nécessaires au suivi et à l'analyse de la réalisation des objectifs.

La qualité des données d'entreprise reste insuffisanteLa question des contenus redondants et notamment de la qualité de l'information continue d'être déterminante pour le champ de l'architecture de l'information. Il a donc été demandé aux participants s'ils avaient eu recours à plusieurs solutions de Business Intelligence, et dans l'affirmative, s'ils étaient confrontés à des problèmes de duplication. Les résultats sont répertoriés dans la Figure 24.Un peu moins de 30 % des entreprises déclarent ne recourir qu'à un seul système de BI, mais en moyenne, elles emploient 3,6 (moyenne arithmétique) ou 2 (médiane) systèmes. Lorsque plusieurs solutions existent, 50 % d'entre elles présentent un volume conséquent de données similaires. Toutefois, ces redondances ne sont pas transparentes dans 20 % des entreprises. Il convient de noter que la moitié des entreprises ne déplorent aucun problème de redondance, ou à peine.

des entreprises souf-frent d'importantes redondances de données en 2012.

Utilisation limitée des informations délivrées par la BI dans le cadre du système incitatif.

1 2 3 4 5

Optimisation des processus métiers

Prise en charge améliorée de la méthodologie lors de la planifica-tion stratégique (analyses, scénarios, suivie des actions)

Automatisation normalisée de la budgétisation et des prévisions

Budgétisation et prévision améliorées sur la base des modèles de facteurs

3.19

3.04

3.47

3.22

2.86

3.31

3.22

3.33

Prévision plus flexibles (appuyant les besoins des départements, des divisions et de l'entreprise)

Mesure de la performance financière complétée par des informations non financières

Mise en œuvre de la stratégie améliorée (p. ex, tableau de bord équilibré)

Amélioration d'un système de rémunération incitatif


Figure 24 : redondances dans les systèmes de BI par pays (n=332)

La répartition par pays indique clairement des différences en matière de chevauchement des contenus. Alors que la majorité des entreprises en France et dans les pays scandinaves indiquent des chevauchements transparents, un nombre particulièrement important d'entreprises en Grande-Bretagne (39 %) souffrent de systèmes duplicatifs dont les redondances ne sont pas connues de tous. Ainsi, il est notable que l’utilisation de la gouvernance de la BI est plus largement répandue chez les entreprises scandinaves (81 %) et françaises (47 %) que chez leurs homologues britanniques (36 %).

La région DACH connaît un développement extrêmement positif dans ce domaine (cf. Figure 25). Alors que plus de 86 % des entreprises souffraient encore en 2009 d'importantes répétitions, elles n'étaient plus que 44 % à peine en 2012. Les mesures de consolidation et de normalisation désormais en place portent de toute évidence leurs fruits.

1 2 3 4 5

Royaume Uni

0% 20% 40% 60% 80% 100%

Les systèmes de BI présentent une forte proportion de redondances et les chevauchements ne sont pas transparents

Les systèmes de BI présentent très peu de redondances contextuelles

Les systèmes de BI ne présentent aucune redondance contextuelle

Les systèmes de BI présentent une forte proportion de redondance mais les chevauchement sont transparents

19 % 25 % 49 % 7 %

France

Région DACH

Pays nordiques

Total

Pologne 21 % 41 % 28 % 10 %

39 % 24 % 29 % 8 %

7 % 52 % 23 % 18 %

50 % 30 % 20 %

20 % 30 % 40 % 9 %


Figure 25 : comparaison des répétitions dans les systèmes de BI en 2009 et en 2012 pour la région DACH (Allemagne, Suisse et Autriche) (n=variable)

Tableau3:qualitédel'informationparpays(échellede1(faible)à5(bonne))(n=469)

Le Tableau 3 indique les critères d’évaluation de la qualité des données par pays. Avec une note moyenne de 3,38, les entreprises sont modérément satisfaites de la qualité de leurs données. Alors que les entreprises se déclarent satisfaites de la pertinence et de la crédibilité de leurs données, elles se montrent beaucoup plus critiques à l'égard de leur exhaustivité, de leur recours systématique et de leur clarté. Un plus grand effort de la part des entreprises en regard de l'exhaustivité et de la transparence s'avère donc plus que nécessaire.

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Les systèmes de BI présentent une forte proportion de redondances et les chevauchements ne sont pas transparents

Les systèmes de BI présentent très peu de redondances contextuelles

Les systèmes de BI ne présentent aucune redondance contextuelle

Les systèmes de BI présentent une forte proportion de redondance mais les chevauchement sont transparents

14 % 72 % 10 % 3 %2009

2012 19 % 25 % 49 % 7 %

3.28 2.94

3.28 2.96

3.29

2.96

3.49

3.61

3.62

3.34 3.65

3.42

3.42

3.48

3.55

3.38

3.81

3.85

3.91

4.03

3.75

2.90 2.87 2.87

2.75 2.73 2.68

2.90 2.72 2.88 2.62

2.72 2.76 2.89 2.77

2.75 2.75 2.81 2.82

2.75 2.78 2.66

2.83 2.68 2.88 2.85

3.07 2.83 2.69 2.79

2.89 2.76 2.82 2.77

Total Pays nor-diques Région DACH France R.-U. Pologne

Exhaustivité

Clarté

Précision

Représentation uniforme

Données générales en temps et en heure

Exactitude

Crédibilité/ fiabilité

Pertinence / à valeur ajoutée

Total


Figure26:recoursgénéraliséauxinformationsanalytiquesparpays(n=469)

Les avis sur ce sujet divergent clairement selon le pays : les participants de la région DACH attribuent de meilleures notes à la qualité de leurs données que leurs homologues des autres régions. Ceci se vérifie plus particulièrement en ce qui concerne la pertinence et la crédibilité. Ils ont octroyé quasiment un point de plus dans presque tous les domaines par rapport à leurs pairs européens. Les efforts pour centraliser à la fois la gestion des données et le processus d'alignement fastidieux et intensif durant la phase de conception, c’est-à-dire le prix à payer pour plus de flexibilité, semblent être payants (cf. Chapitres 7 et 8).

Un niveau de pénétration toujours faible en entreprise

Afin de déterminer le gain de connaissances réellement délivré par les solutions de Business Intelligence au sein des entreprises, les participants ont été invités à se prononcer sur la manière dont sont propagées les informations analytiques, une fois mis en place la solution de Business Intelligence opérationnelle et les processus de gestion de la performance.

Royaume-Uni

0% 20% 40% 60% 80% 100%

L'information analytique est simplement partagée entre l'analyste et une communauté limitée et indéfinie d'utilisateurs

L'information analytique est partagée avec d'autres départements

L'information analytique est centralisée et fournie à l'ensemble de l'entreprise

L'information analytique est utilisée au sein des départements dans lesquels l'information est générée

9 % 31 % 18 % 25 %

France

Région DACH

Pays nordiques

Total

Pologne 24 % 41 % 12 % 10 %

18 % 37 % 2 % 18 %

19 % 26 % 10 % 15 %

22 % 22 % 17 %

12 % 32 % 14 % 20 %

Le partage de l'information analytique avec les autres départements est formalisé

21 %

39 %

18 %

31 %

24 %

12 %


0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Figure 27 : corrélation entre le recours généralisé aux informations analytiques et l'existence d'un CCBI, d'une gouvernance ou d'une stratégie dans le domaine de la BI (n=variable)

Aucune stratégie BI

15 % 31 % 10 % 19 %

Gouvernance BI

Aucune gouvernance BI

Centre d'expertise décisionnel

Aucun centre d'expertise décisionnel

Stratégie BI 7 % 33 % 17 % 22 %

20 % 32 % 9 % 17 %

6 % 35 % 20 % 22 %

10 % 15 % 23 %

20 % 34 % 9 % 13 %24 %

20 %

25 %

18 %

22 %

20 %

Stra

tégi

e BI

CCBI

32 %

Gou

vern

ance

BI

Pour l'heure, les informations analytiques ne font l'objet d'aucun emploi commun (cf. Figure 26). Pour près d'un tiers des entreprises interrogées, le recours à ces informations reste exclusif au départe-ment dont elles sont issues. Un autre tiers partage également ces informations avec d'autres départements. Seul le dernier tiers traite l'information ainsi acquise comme un actif d'entreprise dont la pro-duction est centralisée et l'échange encouragé. La comparaison entre pays révèle toutefois certaines disparités intéressantes. Alors que les entreprises polonaises, britanniques et françaises tendent à suivre une approche décentralisée, celles situées dans la région DACH et dans les pays scandinaves semblent privilégier les systèmes centralisés. 43 % des entreprises de la région DACH indiquent une fourniture d'informations centralisée, contre 39 % des entreprises dans les pays scandinaves. Cette attitude contraste avec l'approche largement moins centralisée au sein des entreprises polonaises (22 %), britanniques (20 %) et françaises (25 %). Si l'on compare ces résultats à ceux

L'information analytique est simplement partagée entre l'analyste et une communauté limitée et indéfinie d'utilisateurs


La transmission de l'information analytique est centralisée pour l'ensemble de l'organisation

L'information analytique est exclusivement utilisée dans les départements dont elle provient

Le partage de l'information analytique avec d'autres départements est formalisé


0% 20% 40% 60% 80% 100%

Figure 28 : modèles de mise en œuvre de la Business Intelligence opérationnelle (n=288)

19 %

8 %

18 %

20 %

28 %

40 %

47 %

concernant la qualité des don-nées, l'approche centralisée pratiquée dans la région DACH est clairement associée à des données de grande qualité. Comme le montre tout aussi distinctement la Figure 27, l'échange d'informations est éga-lement corrélé à l'existence d'un centre d'expertise décisionnel, d'une gouvernance et d'une stra-tégie dans le domaine de la Busi-ness Intelligence. En l'absence de ces composantes, près de 40 % des entreprises n'exploitent l'information que localement à travers un groupe limité de destinataires, ou dans le meilleur des cas, dans leur propre dépar-tement. En revanche, en présence d'une de ces composantes, dans près de 40 % des entreprises, l'information est fournie de mani-ère centralisée et son échange y est favorisé.

Les participants ont également été interrogés sur la manière dont leur entreprise utilise la Business Intelligence pour gérer ou mettre en œuvre des processus métiers (cf. Figure 28).

La restitution de l'information analytique vers les systèmes opérationnels souffre d'une faible propagation (20 %). Le déclenchement automatique des processus métiers par les sys-tèmes d'information décisionnelle n'a lieu que dans certains cas particuliers (8 %). Les solutions de Business Intelligence servent essentiellement à produire des rapports et des analyses, à suivre les processus métiers et à cons-tituer un soutien aux processus métiers manuels. Ces résultats corroborent les conclusions du Chapitre 7 selon lesquelles les en-treprises n'appliquent pas correc-tement le modèle de gestion de la performance en boucle fermée.

L'application du modèle de gestion de la performance d'entreprise en boucle fermée reste incomplète malgré les opportunités technologiques à disposition

Centre d'expertise décisionnel,

gouvernance ou stratégie

dans le domaine de la Business

Intelligence ont un effet extrêmement

bénéfiquesurl'utilisation des

informations analytiques.

Aucune prise en charge directe des processus métiers opérationnels

Déclenchement automatique des processus métiers via des systèmes BI

Accès aux informations analytiques pendant l'exécution des processus métiers automatisés

Transfert des informations analytiques des systèmes BI aux systèmes opérationnels

Suivi des activités opérationnelles (BAM) des processus métiers via informations analytiques

Accès aux données analytiques pendant l'éxécution manuelle des processus métiers

Analyse (en aval) des processus métiers via informations analytiques


Tableau 4 : élaboration des processus de gestion de la performance dans l'entreprise (n=227)

46 %

43 %

43 %

39 %

25 %

24 %

22 %

22 %

20 %

19 %

14 %

14 %

9 %

Des standards et modèles sont établis pour budgétiser et planifier

Le reporting est disponible pour les utilisateurs en self-service

Les rapports de gestion comprennent les informations financières, non financières et qualitatives(notamment l'analyse des écarts, des champs d'action...)

Le contenu des rapports de gestion varie en fonction de chaque situation et des besoins des utilisateurs

La planification financière peut être directement issue de la budgétisation et de la planification

Des scenarios sont planifiés pendant la budgétisation et/ou la planification

La budgétisation et la planification ne sont pas établies comme des processus standards

La planification peut être ajustée pour respecter les besoins d'organisation

La planification est indépendante des processus et objectifs budgétaires

La profondeur et le niveau de détail de la planification peut être ajustée de manière dynamique

Les délais prévus sont définis de manière individuelle et indépendante des changements

Les écarts des indicateurs de performance clés par rapport aux objectifs fixés déclenchent la planification d'actions à venir

La budgétisation est un processus standardisé ; aucune planification n'est faite au cours de l'année

Le Tableau 4 indique que la majorité des en-treprises sont dotées d'un processus de pla-nification normalisé soutenu par les solutions de Business Intelligence (46 %) en place. On observe également que les processus métiers souffrent en l'état d'un manque de flexibilité nécessaire pour répondre aux imprévus. La budgétisation et la planification demeurent des processus essentiellement manuels dans les entreprises n'ayant pas complètement intégré une solution de Business Intelligence. Les processus métiers font donc mauvais usage de la fonctionnalité offerte par la solu-tion de Business Intelligence.Moins de la moitié des entreprises utilisent des structures prédéfinies pour la planifi-cation. Il n'y a donc guère de place pour l'automatisation des processus, ce qui génère beaucoup d'efforts de planification.

Si la Business Intelligence en self-service est jugée déterminante, dans la pratique, elle n'est pas exploitée pleinement. Le potentiel décisionnel n'est toujours pas exploité à sa pleine mesure sur le plan de l'amélioration des processus et de l'autonomie de l'information à destination des utilisateurs de rapports.Malgré la rigidité des scénarios prévision-nels et de la planification des actions mis en œuvre dans la majorité des entreprises, l'applicatif a toutefois le potentiel d'offrir des améliorations décisives pour transformer ces processus inflexibles en un instrument de contrôle durable.

La budgétisation etlaplanifications'inscrivent dans

des processus essentiellement

manuels lorsque la Bi n'est pas complé-

tement intégrée.


0% 20% 40% 60% 80% 100%

Figure 29 : attributions et compétences d'un centre d'expertise décisionnel (n=480)

2 %

23 %

32 %

36 %

40 %

43 %

46 %

46 %

48 %

36 %

35 %

Deslacunestoujoursidentifiablesdans l'organisationnel Le débat qui fait rage depuis quelques années autour du centre d'expertise décisionnel montrequel'efficacitédelastructureorganisationnelleetopérationnelle,au-delàdupérimètre d'un projet, est un facteur essentiel à une Business Intelligence performante. Une telle structure facilite en effet la coopération entre les départements fonctionnels et informatiques,laquelleestclairementdéfinieentermesdepartagedesresponsabilités.

L'organisation de la BI doit accomplir diverses missions.

Steria fournit une définition précise de ce type de missions avec le cadre BI-Governance (biGOV®). Dans le contexte de l'étude biMA®, ce modèle permet d'appréhender l'organisationnel en fonction de plusieurs champs d'investigation : gestion de la Business Intelligence, gestion du client, gouvernance des données et gestion de l'information, gestion de l'applicatif et de l'infrastructure, et gestion des fournisseurs. Ces champs d'investigation couvrent les questions de la stratégie en BI, de la gouvernance en BI, de l'allocation des coûts, de la gestion des données, des procédures de requêtes et de la stratégie de mise en œuvre. Les résultats d'évaluation pour chacun de ces domaines d'investigation relevant du volet organisationnel sont détaillés ci-après.

Partie 5

Développement et transfert de l'expertise en BI

Définition de normes et d'une architecture BI générale

Prise en charge du contenu pour les utilisateurs dans la définition des spécification relative à la BI

Développement et déploiement de l'applicatif

Gestion de la qualité dans les projets BI

Installation et maintenance de l'infrastructure technique BI

Cohérence des activités BI garantie

Gestion du programme BI intégrée au secteur d'activité et au département informatique

Promotion de la BI / Favoriser l'acceptation des utilisateurs des systèmes BI

Aucun centre d'expertise décisionnel ou unité organisationnelle similaire en place ou prévue

Autres


Aucune approche globale de la Business Intelligence par manque de stratégie et de gouvernance dédiées au décisionnel

Le champ d'investigation relatif à la gestion de la Business Intelligence aborde les thèmes de la stratégie et de la gouvernance en BI, ainsi que les autres tâches liées à l'alignement global, le contrôle et le suivi des initiatives en Business Intelligence.

Les entreprises continuent à s'orienter logiquement vers une approche organisationnelle de la Business Intelligence. Alors qu'un peu moins d'un quart des entreprises interrogées sont actuellement dépourvues d'unité organisationnelle dédiée (25 % dans la région DACH, 23 % toutes régions confondues), elles étaient 38 % en 2009, et 62 % en 2006 dans la région DACH.

Pour les entreprises interrogées, l'organisation et le développement d'un savoir-faire technique et méthodologique du décisionnel (48 %), la définition de normes et d'une architecture détaillée en BI (46%), ainsi que le support aux utilisateurs en termes de contenu inscrit dans les besoins en spécifications et en déploiement du système de BI (46 %) (cf. Figure 29), arrivent en tête des trois premières attributions et compétences qu'est censé maîtriser un centre d'expertise décisionnel ou toute autre unité organisationnelle similaire. Outre la mission d'encadrement confiée au centre d'expertise décisionnel, 40 % des entreprises interrogées considèrent également que celui-ci doit développer et mettre en œuvre des solutions de Business Intelligence. En revanche, l'exploitation des solutions de Business Intelligence, la coordination des activités de BI et la gestion des programmes de Business Intelligence qu’englobent les départements métiers et informatiques ne

relèvent des attributions du centre d'expertise décisionnel que dans un peu plus d'un tiers des entreprises sondées. Par conséquent, la promotion de la Business Intelligence concourt clairement à sa généralisation dans les départements d'arrière-plan, mais les exigences de plus en plus complexes de la Business Intelligence dépassent les compétences en informatique.

L'information analytique générée par la Business Intelligence s'identifie aisément comme un actif stratégique. Il semble donc absolument essentiel d'élaborer une stratégie durable, alignée et la plus globale possible dans ce domaine. Une stratégie du décisionnel a pour but de recenser l'implication des objectifs de l'entreprise dans les activités de la Business Intelligence et vise à optimiser la transmission d'informations analytiques pertinentes à l'entreprise. Les conclusions de l'étude biMA révèlent toutefois qu’en pratique la compréhension stratégique est toujours fortement mitigée, la Business Intelligence ne bénéficiant d'aucune stratégie dédiée dans la majorité des entreprises.

Interrogées sur le mode de déploiement et l'alignement de leur stratégie en matière de Business Intelligence, un peu moins de la moitié des entreprises déclarent n'avoir formulé ni déployé aucune stratégie dédiée (49 %) (cf. Figure 30). En revanche, la plupart des entreprises dotées d'une stratégie en BI veillent à ce que celle-ci englobe à la fois les aspects techniques et fonctionnels et définisse une organisation et une structure de développement propres à la Business Intelligence en prescrivant une gouvernance du décisionnel sur le plan informatique et à l'échelle des départements.

La majorité des entreprises dispo-sent désormais de centres d'expertise

décisionnels.

Une stratégie du dé-cisionnel reste beau-coup plus rare qu'un centre d'expertise décisionnel


0% 20% 40% 60% 80% 100%

Figure 31 : processus d'élaboration d'une stratégie BI (n=284)

0% 20% 40% 60% 80% 100%

Figure 30 : mode de déploiement et alignement de la stratégie en matière de Business Intelligence (n=480)

10 %

14 %

20 %

26 %

23 %

24 %

25 %

9 %

8 %

31 %

59 %

36 %

Seuls 9 % des entreprises indiquent avoir atteint le niveau de maturité maximal en termes de stratégie du décisionnel, à savoir une stratégie alignée sur la stratégie métier de l'entreprise.

La qualité et le contenu des données ne sont pas les seuls aspects fondamentaux à considérer pour évaluer une stratégie en termes de Business Intelligence. Il convient également de prendre en compte l'approche permettant d'en définir la

teneur ainsi que le degré d'implication des divers intervenants de la Business Intelligence. Dans plus de la moitié des entreprises (60 %), les départements informatiques et métier élaborent ensemble une stratégie du décisionnel (Figure 31). Le besoin de collaboration entre les fonctions informatiques et opérationnelles semble donc avoir été reconnu.

La stratégie BI se concentre sur les aspects techniques, à l'instar d'un portefeuille technologique

La stratégie BI intègre également les technologies de l'information et la gouvernance BI du secteur d'activité

La stratégie BI intègre non seulement les aspects techniques mais aussi les compétences métiers

Une stratégie BI contraignante alignée sur la stratégie opérationnnelle existe

Les activités liées à la BI sont alignées sur les stratégies informatiques et de l'entreprise

Une stratégie BI est prévue ou en cours de mise en œuvre

Aucune stratégie dédiée à la BI. La BI est simplement intégrée à la stratégie globale d'informatique

Aucune stratégie dédiée à la BI en place

La stratégie BI est mutuellement determinée par les départements opérationnels et le département informatique

Des processus formalisés sont régulèrement exécutés pour actualiser la stratégie BI

Au besoin, la stratégie BI s'ajuste aux changements de situation

La stratégie BI est essentiellement fonction du département informatique

Seuls 9% des entreprises indiquent avoir atteint le niveau de maturité maximal en termes de stratégie du décisionnel.


Pas de stratégie BI

0% 20% 40% 60% 80% 100%

0% 20% 40% 60% 80% 100%

Figure 32 : missions de gouvernance en Business Intelligence (n=429)

Figure 33 : stratégie BI selon le centre d'expertise décisionnel (n=479)

Figure 34 : stratégie BI selon la gouvernance BI (n=428)

8 %

10 %

18 %

25 %

32 %

38 %

10 %

60 % 40 %

CCBI

Aucun CCBI

31 % 69 %

Stratégie BI

0% 20% 40% 60% 80% 100%

55 % 45 %

Gouvernance BI

Aucune gouvernance BI

11 % 89 %

Outre l'existence d'une unité organisationnelle et d'une stratégie dédiées à la Business Intel-ligence, la mise en place d'une gouvernance du décisionnel est un indicateur fondamental d'une organisation de BI mature. En Business Intelligence, la gouvernance implique l'élaboration, l'établissement et la gestion de plusieurs éléments, à savoir de lignes directrices et de règles, de structures et de processus organisationnels, de rôles et de responsabilités, et enfin d'un programme précis de BI. L'objectif est d'aligner de manière cohérente la Business Intelligence sur la stratégie du décisionnel, de l'informatique et de l'entreprise. Alors que près de 75 % des entreprises sont dotées d'une unité organisationnelle et qu'environ la moitié

mettent en œuvre ou prévoient une stratégie dédiée au décisionnel, presqu'un tiers d'entre elles possèdent une structure de gouvernance dédiée à la Business Intelligence. Dans les cas où il existe réellement une gouvernance spécifique à la Business Intelligence, celle-ci recommande des directives et des principes spécifiques pour le développement de la Business Intelligence (cf. Figure 32).

Les Figures 33 et 34 illustrent le lien entre la stratégie du décisionnel et l'existence d'un centre d'expertise décisionnel ou d'une gouvernance de BI. Si une entreprise dispose d'une stratégie pour le décisionnel, alors le pourcentage d’existence de centre d'expertise

Les pratiques de gouvernance en matière de BI encadrent les processus de suivi

Les pratiques de gouvernance en matière de BI déterminent les processus de suivi

Les pratiques de gouvernance en matière de BI réglementent la prise de décision

Les pratiques de gouvernance en matière de BI établissent une organisation dédiée

Les pratiques de gouvernance en matière de BI établissent des directives et des principœs

Les pratiques de gouvernance informatiques sont appliqués dans le contexte de la BI

Aucune pratique de gouvernance en matière de BI (propre à la BI ou à l'informatique)


Tableau 5 : allocation des coûts dans les projets de BI au sens large et selon la gouvernance de BI (n=153)

Total Aucune gouvernance BI

52 %36 %

33 % 28 %

18 %

37 %

23 %

15 %

12 %

12 %

12 %

10 %

10 %

11 %

13 %

10 %

8 %

7 %

7 %

7 %

7 %

7 %

7 %

8 %

7 %

7 %

6 %

6 %

5 %

4 %

4 %

6 %

4 %

Gouvernance BI

1 %

3 %

2 %

2 %

2 %

1 %

3 %

1 %

1 %

1 %

1 %

0 %

3 %

1 %

1 %

Une partie de l'ensemble des opérations informatiquessans postes séparés pour la BI

Tarif forfaitaire des opérations BIcomme la part des coûts d'exploitation informatiques

Temps d'exécution des requêtes de base de données

Nombre d'utilisateurs (par profil)

Tarif forfaitaire de produits BI(par exemple le contrôle des ventes ou la gestion de campagne)

Suivi du temps personnel

Nombre d'exécution de reporting

Nombre d'incidents/de problèmes

Nombre de serveurs

Volume de données utilisées dans la base de données

Coût de correction des incidents/problèmes

Nombre d'accès aux bases de données

Coût de la consommation des ressources dédiées à la BI

Temps d'exécution de transformation

Charge de temps CPU

Autres

décisionnel (40 %) ou de gouvernance de la Business Intelligence est plus élevé (45 %).On peut donc en conclure que les entreprises commencent d'abord par définir une stratégie du décisionnel qui détermine en substance la structure de l'organisation et de la gouvernance. La gouvernance de la Business Intelligence détaille ainsi le partage des responsabilités, les rôles et autres attributions qui sont à leur tour mis en œuvre par le centre d'expertise décisionnel.

L'allocation des coûts dans les projets de Business Intelligence semble poser problème.

36 % des entreprises intègrent leurs dépenses de BI dans leur budget informatique sans aucune séparation distincte des coûts imputés à la BI (cf. Tableau 5). 33 % prennent en compte ces coûts uniquement dans le cadre d'une tarification forfaitaire intégrée aux coûts d'exploitation informatique. L'allocation des coûts spécifiques à la BI, comme les délais d'exécution des requêtes ou le nombre de rapports appelés, est actuellement reléguée au second plan. De nombreuses entreprises interrogées révèlent ne pas consulter les chiffres clés typiques de la gestion de services aux fins

Les modèles de répartition spéci-fiquesàlaBIne

sont donc toujours pas acceptés.


Figure 35 : gestion des demandes dans les projets de BI en fonction de la taille de l'entreprise (n = 455)

2 501–10 000

0% 20% 40% 60% 80% 100%

Plus de 10 000

251–2 500

Moins de 250

Total

16 % 14 % 19 %

20 % 45 % 22 % 13 %

25 % 46 % 15 % 14 %

24 % 44 % 18 % 15 %

33 % 33 % 20 % 15 %

51 %

de répartir leurs coûts. Ces chiffres donnent pourtant un aperçu, par exemple, du nombre d'incidents et de leur délai de résolution.

De toute évidence, les entreprises ne jugent pas judicieux pour leur gestion de répartir leurs coûts, rendant de ce fait encore plus ardue la tâche déjà difficile de convaincre de l'utilité de la BI. Si, toutefois, une gouvernance est déjà introduite en matière de BI, les coûts et leur répartition font l'objet d'une approche bien différente. La pratique d'une répartition des coûts sans aucune distinction pour l'ensemble des opérations informatiques reste cependant assez rare (18%). Les entreprises optent plus fréquemment pour une application de modèles de services et une tarification basée sur l'utilisation.

Une gestion du client insuffisamment orientée sur la BILe champ d'investigation étudiant la gestion du client se penche sur les questions du conseil et de l'assistance proposée aux utilisateurs de la BI, au sens de clients internes de la BI, ainsi que sur la coordination du processus de gestion des demandes. Les entreprises interrogées ont donc été invitées à évaluer les modalités d'organisation et de gestion des demandes d'information (cf. Figure 35).

77 % des entreprises sondées gèrent les demandes d'information dans le cadre de processus définis afin de prendre en charge la collecte, la formulation, l'évaluation, l'ordre de priorité et la validité des demandes à mettre en œuvre dans la solution de BI. 44 % des entreprises recourent à des processus généraux pour gérer les demandes d'ordre informatique. Seuls 33 % d'entre elles définissent un processus spécifiquement dédié à la gestion des demandes en BI.

La gestion des demandes de la BI reste essentiellement orientée sur les processus informa-tiques standard.

Il n'existe aucun processus défini en matière de gestion des exigences

Le processus général de gestion des exigences informatique est utilisé

La gestion spécifique aux exigences de la BI est intégrée dans la gestion des exigences informatiques

Il existe une gestion spécifique aux exigences de la BI (non intégrée dans la gestion des exigences informatiques)


0% 20% 40% 60% 80% 100%

Figure36:gestiondesdemandesdanslesprojetsdeBIenfonctiondusecteur(n=455)

Assurance

IT

Transport

Distribution

Secteur Public

Services

Télécommunications

Energie

Banque

Industrie

16 % 48 % 13 %

7 % 60 % 21 %

30 % 37 % 20 %

39 % 32 % 21 %

17 % 58 % 8 %

44 % 44 %

32 % 24 % 30 %

15 % 65 % 5 %

26 % 43 % 10 %

25 % 55 % 18 %

23 %

12 %

12 %

7 %

17 %

13 %

14 %

15 %

22 %

3 %

Il peut s'agir soit d'un processus distinct déployé au sein même de l'entreprise (18%), soit d'un processus intégré à la gestion des demandes informatiques (15 %). Les spécificités de la BI entrent alors en ligne de compte. Il n'est guère surprenant non plus d'observer un nombre plus important de processus définis dans les entreprises de grande taille. Il convient toutefois de noter que le nombre d'entreprises recourant à des processus généraux pour gérer les demandes informatiques augmente en fonction de la taille. Dans le même temps, le nombre d'entreprises qui gèrent les demandes spécifiques à la BI reste plus ou moins stable, indépendamment du nombre d'employés.

Les entreprises du secteur des télécommunications et de la vente au détail se démarquent dans l'analyse sectorielle de la gestion des demandes d'information. A 44 %, les sociétés de télécommunications sont de loin les mieux dotées en nombre de processus spécifiques à la BI pour gérer les demandes d'information,

suivies par la vente au détail (30 %). En revanche, chez 32 % des détaillants, la gestion des demandes d'information ne fait l'objet d'aucun processus défini.

Ces deux secteurs se caractérisent par une forte concurrence et un nombre important de données. Une évaluation rapide et flexible de la clientèle, ainsi que des données interactives confèrent donc de réels avantages concurrentiels.

En outre, le Tableau 6 montre combien il peut être judicieux de spécialiser le plus possible la gestion des demandes en fonction de la BI. L'utilisation des informations analytiques à l'échelle de l'entreprise s'intensifie à mesure que la gestion des demandes s'organise spécifiquement en fonction de la BI.

Il n'existe aucun processus défini en matière de gestion des exigences

Le processus général de gestion des exigences informatique est utilisé

La gestion spécifique aux exigences de la BI est intégrée dans la gestion des exigences informatiques

Il existe une gestion spécifique aux exigences de la BI (non intégrée dans la gestion des exigences informatiques)


0% 20% 40% 60% 80% 100%

Tableau6:utilisationgénéraliséedesinformationsanalytiquesenfonctiondelagestiondesdemandesdanslesprojetsdeBI(n=446)

Figure 37 : possession des données en fonction du pays (n=403)

33 % 38 %

9 % 6 % 7 %

18 %16 %

13 %

16 %

12 %

20 %

14 %

18 %

26 %

30 %

26 %

23 %

29 %

21 %

25 %

23 % 20 % 28 % 24 %

31 % 18 % 33 % 10 %

26 % 16 % 37 % 18 %

17 % 31 % 23 % 12 %

24 % 24 % 35 % 18 %

24 % 20 % 29 % 20 %

5 %

8 %

3 %

17 %

7 %

Les entreprises n'ayant défini aucun processus à cette fin affichent des résultats particulièrement frappants. Elles ont en effet beaucoup moins recours à leurs informations analytiques que les entreprises munies de processus dédiés. Si, en revanche, la gestion des demandes de BI fait l'objet d'un traitement spécifique et est intégrée à la gestion des demandes informatiques, il est plus probable de voir les entreprises en mesure d'exploiter leurs informations à l'échelle de l'organisation tout entière.

La gouvernance des données et la gestion des informations méritent encore d'être améliorées

La notion de propriété des données définit, par exemple, la responsabilité des objets métier afin de garantir non seulement la cohérence de l’accès aux données mais aussi celle de leur définition, de leur qualité et de leur production. La figure 37 montre que la propriété des données est un sujet central

L'information analytique est simplement partagée entre l'analyste et une communauté limitée et indéfinie

L'information analytique est exclusivement utilisée dans les départements dont elle provient


L'information analytique est partagée avec d'autres départements définis

La transmission de l'information analytique est centralisée pour l'ensemble de l'organisation

Il n'existe aucun processus défini en matière de gestion

des exigences

Le processus général de gestion

des exigences informatiques est

utilisé

Il existe une gestion spécifique aux exigences de

la BI (non intégrée dans la gestion des

exigences informatiques)

La gestion spécifique aux

exigences de la BI est intégrée dans

la gestion des exigences

informatiques

Royaume Uni

France

Régions DACH

Pays nordiques

Total

Pologne

Aucun concept de propriété des données en place

Du personnel informatique est désigné pour des systèmes et des domaines particuliers de données

Des propriétaires de données techniques et métiers sont présents et pratiquent activement leurs rôles et responsabilités

La possession des données techniques et métiers est valide à l'echelle de l'entreprise pour la BI ainsi que pour les systèmes opérationnels

Des propriétaires de données métiers sont présents, mais aucun processus formel n'est en place

Les problèmes de qualité des données sont identifiés dans les entrepôts de données puis sauvegardés en miroir vers les systèmes sources où ils sont corrigés


Tableau 7 : gestion de la qualité des données (DQM) dans les entreprises selon le pays (n = 419)

54 %34% 35 % 35 %

31 % 35 % 32 % 35 %

34 %

35 %

23 %

28 % 30 % 25 %

30 %

21 %

15 %

20 %

20 %

19 % 17 % 12 % 13 %

16 % 15 %

11 % 19 % 20 % 20 %

11 % 12 % 13 % 18 %

11 % 15 % 13 %

12 %

10 %

10 %

10 %

10 % 10 % 5 %

10 %

10 % 2 %

6 % 6 % 7 %

7 % 10 % 9 % 7 % 8 %

6 % 5 % 4 % 6 % 5 % 0 %

4 % 0 % 8 % 6 % 0 % 5 %

pour 76 % des entreprises. Pour autant, seuls 27 % des entreprises sensibilisent leurs employés des départements informatiques et métier au concept de propriété des données. L'analyse de la répartition par pays indique qu'avec un pourcentage de 29 %, la gouvernance des données constitue le plus souvent une attribution commune aux départements informatiques et opérationnels en France et dans la région DACH. A 17%, la notion de propriété des données applicable à l'échelle globale de l'entreprise est clairement plus courante en France. Elle englobe à la fois les systèmes opérationnels et ceux utilisés par l'entreprise pour des besoins d'analyse (systèmes analytiques).

Outre son caractère contraignant et son encadrement nécessaire, la propriété de données s'accompagne de tout un arsenal de mesures venant garantir la qualité des données. Leur mise en place reste toutefois beaucoup trop lente (cf. Tableau 7). 34 % des entreprises interrogées indiquent n'être dotées d'aucun processus formalisé pour gérer la qualité de leurs données, alors que 31 % d'entre elles reconnaissant que les problèmes de qualité des données sont identifiés de manière assez hasardeuse. Il n'est donc guère surprenant que le niveau de qualité des données soit perçu comme opaque et particulièrement incohérent. Le mécontentement des utilisateurs finaux résulte donc plus particulièrement

Il n'existe aucun processus de gestion qualifié des données (DGM) structuré

La découverte de problèmes de qualité des données est accidentelle

Le niveau de qualité des données n'est pas transparent et très hétérogène

La mise en place du traitement des erreurs s'appuie sur le profilage préalable de données

Il existe des directives informatiques qui définissent clairement le niveau de qualité ainsi que les méthodes utilisées

Des rôles et des processus opérationnels particuliers sont définis au niveau des systèmes et des départements

La saisie et l'administration des données font l'objet de directives et de normes contraignantes

La qualité des données est alignée sur les accords de niveau de service conclus avec les utilisateurs

Les problèmes de qualité des données sont identifiés dans les entrepôts de données puis sauvegardés en miroir vers les systèmes sources où ils sont corrigés

Des accords de niveau sont mis en place avec les personnes responsables des données sources

Des processus contraignants sont en place à l'echelle de l'entreprise et intègrent les départements informatiques et ceux de l'activité

Total Pays nordiques Région DACH France R.U. Pologne

è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ?|61

33 %

23 %

14 %

19 %

19 %

7 %

24 %

25 %

11 %

23 %

20 %

0% 20% 40% 60% 80% 100%

Figure 38 : modèle de procédure appliqué aux projets de BI par secteur (n=452)

Assurance

IT

Transport

Distribution

25 % 21 % 8 %

17 % 27 % 3 %

38 % 26 % 10 %

37 % 19 % 5 %

41 % 26 % 0 %

29 % 21 % 21 %

29 % 26 % 11 %

30 % 20 % 10 %

24 % 50 % 5 %

19 % 30 % 10 %

29 % 27 % 7 %

Secteur Public

Services

Télécommunications

Energie

Banque

Industrie

Total

13 %

30 %

12 %

19 %

15 %

21 %

11 %

15 %

11 %

18 %

17 %

d'un processus qualitatif incomplet. Les pionniers dans ce domaine sont les pays scandinaves. Dans 35 % des entreprises interrogées dans les pays scandinaves, le profilage des données est pratiqué pendant le processus de développement. En outre, 30 % ont des directives claires de leurs directions informatiques concernant le niveau de qualité ciblé et les méthodes à utiliser obligatoirement.

Par secteur, les entreprises de télécommunications sont les championnes de la gestion qualitative de leurs données : elles ne sont que 13 % à être dépourvues de tout système dédié à la gestion de la qualité des données.

Les spécificités de la BI sont absentes des processus de développement et opérationnels

Le champ d'investigation consacré à la gestion de l'applicatif et de l'infrastructure s'intéresse à l'organisation des processus de développement et opérationnels pour les applications de BI. Les modèles de procédures fournissent un cadre aux projets. Ce cadre définit les processus et les documents de production logicielle de manière à pouvoir organiser et planifier les projets de BI. Cette approche a généralement un effet positif sur la qualité de la solution de BI. Les utilisateurs se déclarent plus satisfaits et les solutions de BI sont mieux acceptées. Il a donc été demandé aux entreprises d'indiquer si elles ont recours ou non à un modèle de procédure spécifique pour leurs projets de BI et, dans l'affirmative, à quel type de modèle.

Il n'existe aucune méthodologie pour développer la BI

La réalisation des projets de BI s'appuie sur des méthodes particulières

Un modèle de cascade adapté à la BI est utilisé

Un modèle de procédure spécifique à la BI intégrant une composante souple et traditionnelle est utilisé

Le developpement de la BI se réalise via des processus de développement informatique standards


0% 20% 40% 60% 80% 100%

Figure 39 : responsabilité du développement de la BI / de l'exploitation de la BI (n=419 et 394 respectivement)

0% 20% 40% 60% 80% 100%

Aujourd'hui Demain

66 %

22 %

13 %

38 %

55 %

13 %

11 %

34 %

7 %

9 %

65 %

17 %

16 %

48 %

49 %

14 %

21 %

41 %

12 %

14 %

La majeure partie des entreprises utilisent un modèle de procédure pour leurs projets de BI (80 %) (cf. Figure 38). Le recours à des méthodes propres à la BI reste toutefois rare (24 %). A l'évidence, les entreprises rencontrent toujours des difficultés à adapter leurs processus de développement aux spécificités de la BI. Les entreprises de télécommunications, notamment, font fréquemment appel à des méthodes spécifiques à la BI (42 %). En revanche, les processus informatiques standard sont plus fréquemment employés dans le secteur bancaire (50 %).

De nouvelles options de sourcing à l'étude

Le champ d'investigation consacré à la gestion des fournisseurs étudie la prestation efficace et rentable des services nécessaires au développement et à l'exploitation de l'applicatif décisionnel. La figure 39 illustre la répartition des tâches de développement et d'exploitation en entreprise.

Les entreprises semblent pour l'heure privilégier les stratégies de développement et d'exploitation des solutions de BI en interne. Les entreprises interrogées tablent à l'avenir sur un recours généralisé aux centres de services partagés, en sus d'une augmentation des solutions de sous-traitance de proximité et d'externalisation, qui semblent offrir une réelle alternative en matière de BI.

D'une manière générale, les pressions actuelles en termes de rentabilité incitent les entre-prises à externaliser les besoins qu'elles ne peuvent traiter en interne. Le recours, supérieur à la moyenne, à la sous-traitance de proximité et à l'externalisation dans les secteurs des télécommunications et des services mérite d'être souligné. Les entreprises de télécommuni-cations ont commencé très tôt à délocaliser le développement et l'exploitation informatique

Développement d'un département BI

Développement en interne du département IT

Sous-traitance de proximité du développement

Développement dans le centre de services partagés

Externalisation du département

Opération de BI dans les départements

Operation en interne IT

Opération dans le centre de services partagés

Sous-traitance de proximité

Externalisaion des opérations


Figure 40 : satisfaction relative à la prise en charge sous-traitée de proximité et externalisée (échellede1(trèsbonne)à6(décevante))(n=95)

3.33

1 2 3 4 5 6

3.17

3.23

3.42

3.49

qu'elles ont confiés à des sous-traitants de proximité et à des prestataires externalisés. Il n'est donc guère surprenant que ces entreprises soient plus ouvertes à ce type d'alternatives en matière de BI. Les banques et les compagnies d'assurance, en revanche, se montrent beaucoup plus frileuses dans ce domaine.

Les entreprises qui pratiquent déjà la sous-traitance de proximité ou l'externalisation ont été invitées à évaluer leur niveau de satisfaction vis-à-vis de leurs propres initiatives en la matière (cf. figure 40). Curieusement, les entreprises ne se déclarent que moyennement satisfaites de la prise en charge sous-traitées à proximité ou externalisée. Celle-ci n’obtient en effet qu’une note de 3,33 en moyenne. Les avantages en termes de coûts si souvent cités ne sont pas particulièrement à la hauteur des attentes dans de nombreux cas (note : 3,49).

Alors que les entreprises interrogées dans le secteur des télécommunications attribuent à leurs initiatives de sous-traitance de proximité et d'externalisation des notes bien au-dessus de la moyenne (note : 2,68), les entreprises de services figurent parmi les plus mécontentes (note : 4,00). Les entreprises de télécommunications tirent clairement avantage ici de leur expérience acquise de longue date dans les projets de sous-traitance de proximité et d'externalisation. Grâce à leur fort niveau de normalisation, elles sont en mesure de mieux formuler les besoins de leurs partenaires de sourcing, qu'ils soient à proximité ou externalisés, ce qui permet d'obtenir de meilleurs résultats et donc une plus grande satisfaction.

Qualité de la prestation de services

Adhésion aux calendriers/projets convenus

Communication

Concrétisation des effets de coûts attendus

Total


0% 20% 40% 60% 80% 100%

Figure 41 : architecture technique de la solution BI (n = 285)

24 %

30 %

29 %

27 %

Aujourd'hui Demain

23 %

33 %

26 %

17 %

13 %

40 %

19 %

5 %

27 %

23 %

19 %

15 %

13 %

25 %

L'avenir appartient auxsolutionsBIflexibles

Les champs d'investigation consacrés à l'architecture et l'infrastructure, à la gestion des données, et à la production de rapports et aux capacités d'analyse relèvent du volet technologique. Les résultats d'évaluation de chacun de ces champs d'investigation sont plus amplement étudiés ci-après.

Toutes les caractéristiques d'un écosystème analytique dans le Cloud semblent réunies

Les champs d'investigation portant sur l'architecture et l'infrastructure abordent les questions de l'architecture technique, du volume des données et du recours à des plateformes analytiques. La figure 41 donne un aperçu de la manière dont s'organise

actuellement l'architecture technique d'une solution de BI et de la façon dont les entreprises prévoient de la développer à l'avenir.

Les entreprises interrogées sont majoritairement pourvues d'une architecture à un ou plusieurs entrepôts physiques qui centralisent les données. L'architecture en étoile intégrant des dépôts de données et un entrepôt d'entreprise centralisé est l'approche la plus répandue (30 %). C'est également l'approche privilégiée par le plus grand nombre d'entreprises qui la considèrent comme le meilleur scénario d'avenir (40 %). On observe cependant à l'autre extrémité du spectre un pourcentage relativement élevé d'entreprises dépourvues de systèmes dédiés

Le fragile équilibre entre normalisation centralisée (architecture en étoile), d'un côté,etflexibilitédécentralisée (structures de type bacs à sable), d'un autre, va encore s'accentuer à l'avenir.

Partie6

Dépôts de données dans un entrepôt de données d'entreprise centralisé (architecture en étoile)

L'architecture intègre un dépôts de données opérationnelles (ODS)

Dépôts de données indépendants (pas d'entrepôt centralisé)

Un (ou plusieurs) entrepôt(s) de données d'entreprise centralisé(s) dépourvu(s) de dépôts de donnés

Dépôt de données à dimensions partagées (adaptées au secteur d'activité) sans entrepôt de données centralisé

Aucun dispositif d'entreposage dédiée aux données agrégées pour l'aide à la décision

Il existe une couche de dématérialisation pour l'intégration logique de plusieurs sources

L'architecture fournit un Sandbox (bac à sable) pour l'intégration flexible des données en prévision d'une analyse ad hoc

Plusieurs entrepôts de données dotés de multiples dépôts coordonnés au niveau du département


Figure 42 : utilisation des plate-formes analytiques (n=234)

12 %

0% 20% 40% 60% 80% 100%

35 %

33 %

25 %

15 %

11 %

8 %

7 %

4 %

30 %

66 %

38 %

32 %

18 %

18 %

22 % Aujourd'hui Demain

à la gestion des données analytiques (17 %), ou faisant appel à des dépôts de données indépendants en l'absence d'entrepôt centralisé (27% et 19 % respectivement).

Tout aussi frappant est le nombre important de projets planifiés qui intègrent des couches de dématérialisation et des « bacs à sable ». Il s’agit d’une tendance imputable à la demande croissante pour intégrer des données flexibles issues de sources additionnelles. Le recours aux « bacs à sable » va considérablement se développer à l'avenir. Les entreprises agissent en réponse aux besoins des utilisateurs finaux de la BI ainsi qu'aux options d'intégration de données flexibles et d'analyse.

Une observation plus minutieuse des pratiques aux frontières nationales révèle que le recours à des dépôts de données décentralisés est de loin plus pratiqué par les entreprises britanniques (39 %) et françaises (43%), où les chiffres sont supérieurs à la moyenne. L'architecture en étoile est en revanche plus présente dans les entreprises de la région DACH (36 %), où là encore les chiffres s'établissent au-dessus de la moyenne. D'ici quelques années, on pourra clairement identifier des efforts visant à consolider les nombreux entrepôts de données en France (40 %). Les entreprises britanniques, en revanche, vont s'atteler à intégrer logiquement des systèmes variés en insérant une couche de dématérialisation (35 %).

Il est beaucoup question des nouvelles plateformes analytiques dans le contexte notamment des simulations autour de l'application des grandes volumétries. Une plateforme analytique peut se définir comme une plateforme spécialisée dans le traitement des données orientées analyse, en plus d'assurer la simple gestion des données. Ses sous-composantes sont optimisées soit sur le plan technique, soit sur le plan fonctionnel pour les besoins d'analyse. Ce type de plateformes se fonde sur des approches technologiques différentes mais complémentaires.

Les débats autour des plateformes analytiques se concentrent pour l'heure sur les traitements parallèles massifs (bases de données qui, dans une architecture de cluster, sont capables de traiter massivement et en parallèle des interrogations complexes), les bases de données mémoire (les données et les interrogations de la base sont stockées dans une mémoire vive (RAM) ou un cache de processeur) et les bases de données orientées colonnes (les données sont conservées dans des colonnes avec un taux élevé de compression). Ces trois technologies arrivent en tête des réponses des entreprises interrogées sur la plateforme analytique qu'elles utilisent actuellement. Les entreprises semblent vouloir avoir plus fréquemment recours à des plateformes analytiques à

Les environnements de la BI vont de plus en plus ressembler à des écosystèmes analytiques.

Base de données analytique à traitements parallèles massifs

Base de données mémoire

Base de données orientée colonnes

Base de données analytique

Ensemble de données analytiques

Système de base de fichiers répartis

Base de données NoSQL

Moteur de traitement d'évènements complexes / de traitement en continu


Tableau 8 : problèmes d'intégration des données en fonction de la taille de l'entreprise (en nombred'employés)(n=268)

41 % 40 % 45 % 45 %

41 %

41 %

35 %

35 % 38 % 31 %

34 % 34 % 33 %

30 %

22 %

23 % 24 % 27 %

28 %

26 %

18 % 20 %

19 % 16 % 14 % 16 %

17 % 14 % 14 % 13 %

15 % 16 % 18 % 17 %

13 % 12 % 16 % 14 %

13 % 12 %

14 % 11 %

8 %

8 %

10 % 8 % 8 %

8 % 4 % 6 %

7 % 10 % 10 % 8 % 3 %

5 % 10 % 3 % 3 % 7 %

4 % 2 % 5 % 5 % 5 %

4 % 8 % 8 % 5 % 3 %

Total Moins de 250 251 – 2 500 2 501 –

10 000Plus de 10 000

l'avenir. Cette volonté se vérifie plus particulièrement dans le cas des bases de données mémoire dont on peut présumer qu'elles se développeront en tant que technologie standard de la BI (66 %). L'analyse par pays indique une projection de croissance exponentielle en ce qui concerne les bases de données mémoire dans la région DACH (76 %). Un succès probablement lié aux outils convaincants proposés par SAP sur son marché national. De manière générale, les chiffres élevés en matière de budget confirment les fortes attentes des entreprises face à ce type de technologie. La concrétisation de ces attentes dépendra dans une large mesure de la capacité qu'auront les entreprises à endiguer leurs divers problèmes touchant à la qualité de leurs données.

L'intégration normalisée et industrialisée des données fait figure d'exception

Le champ d'investigation consacré à la gestion des données regroupe les questions ayant trait à la gestion et à l'intégration des données, ainsi qu'à la pertinence des données, et à la gestion des métadonnées et des données de base.

Le tableau 8 recense les problèmes les plus importants qui se posent en matière d'intégration des données. On peut constater que 41 % des entreprises interrogées déplorent un problème de performance, ce qui constitue une raison suffisante pour investir dans des plateformes analytiques au regard du nombre manifestement considérable de

Problèmes de performance

Gestion manuelle et individuelle des données

Diversité technologique

Manque de réutilisation faute de normalisation suffisante

Copies uniquement de jeux de données complets (pas de processus delta)

Coût d'évolutivité élevé

Gestion de données automatisée s'appuyant uniquement sur des scripts

Gestion de données en approche à flux poussés

Aucune fenêtre de lot dédiée à l'intégration des données

Mauvaise prise en charge des services Web

Manque de capacité de récupération

Prise en charge insuffisante pour les stratégies de dématérialisation dans le Cloud

Manque de fonctionnalité reprise

La sécurité des transactions n'est pas garantie


Figure 43 : pertinence des types de données destinées à l'analyse (n=282, échelle 1=faible à 5= élevée)

2.19

1 2 3 4 5

2.682.93

4.16

2.502.322.262.202.19

2.011.80

projets prévus. Ces plateformes offrent en effet la promesse d'une intégration rapide des données en plus d'un traitement quasi instantané des interrogations.

Un examen plus détaillé des données révèle que les grandes entreprises ne sont pas les seules à être confrontées à des problèmes de performance. Ce problème est aussi courant dans les entreprises de petite taille. Il pourrait résulter des budgets modestes alloués à la BI dans les petites entreprises. Par ailleurs, comme le montre la Rubrique 4, on observe une corrélation étroite entre la performance et le volume de données.

La gestion manuelle et individuelle des données arrive en deuxième place dans la liste des problèmes d'intégration les plus urgents. La plupart des entreprises manquent de processus de gestion normalisés, de ce fait elles ont des difficultés à maintenir et faire évoluer les systèmes. Cette lacune empêche toute intégration stable et flexible des données. Parallèlement, c'est l'une des principales raisons de la mauvaise évaluation de la qualité des données (cf. Rubrique 7).

La diversité technologique est un autre problème d'intégration des données fréquemment cité (34 %). Ce problème risque d'empirer si, comme nous le supposons, l'architecture de la BI ne cesse de se complexifier en raison du nombre croissant de nouveaux champs d'application des solutions de BI et du recours aux plateformes analytiques qui se généralise. Les entreprises doivent agir en faisant appel à des plateformes de gestion des données normalisées et intégrées si elles veulent avoir l'assurance d'obtenir la qualité et la transparence requises. Il s'agit du seul moyen permettant de prévenir toute surcharge du compartiment analytique qui héberge des données non-transparentes.

Le constat reste mitigé concernant le type de données jugées pertinentes pour l'analyse. La quasi-totalité des entreprises interrogées jugent les données structurées d'une extrême importance. C'est donc sans surprise que quasiment tous les entrepôts de données et les systèmes de BI sont spécifiquement conçus pour les données structurées.

Tous les autres types de données sont en

Les données structurées continuent également d'être perçues comme plus pertinentes que les autres types de données

Données structurées (tableaux archives fichiers CSV)

Données semi-structurées (XML et normes similaires)

Données enregistrées via les systèmes informatiques

Données géolocalisées

Données complexes (ex SWIFT, ACORD, HL7)

Documents/textes

Données liées à des événement / données en continu (message en temps réels)

Archives Web et parcours de navigation

Données généré par des outlis (RFID, ...)

Données de réseaux sociaux (blogs, tweets, réseaux sociaux)

Données non structurées (audio, image, video)


38 %

0% 20% 40% 60% 80% 100%

Figure 44 : architecture de la gestion des données de référence (n=431)

38 %

26 %

16 %

20 %

moyenne perçus comme modérément voire peu pertinents. Une équation claire se dégage ici : plus les données sont structurées, plus elles gagnent en pertinence. Les données XML, de journal et géolocalisées arrivent en tête des autres types de données, alors que les données audio, les vidéos et les textes issus des réseaux sociaux sont jugés pratiquement sans importance (cf. figure 43). Ce constat s'explique d’une part par le fait que seules quelques entreprises disposent d'une infrastructure technique capable d'analyser des données non structurées. D’autre part, la plupart des entreprises ont clairement des difficultés à identifier des cas d'utilisation et des scénarios concrets dans lesquels utiliser ce type de données. L'exploitation des informations issues des réseaux sociaux en est un parfait exemple. Malgré le battage médiatique et l'intérêt de nombreuses entreprises, il faut en premier lieu identifier la valeur ajoutée particulière que confère l'analyse des données pour générer une solution technique afin d’intégrer les flux de grandes volumétries. Cette mise en œuvre peut signifier des défis plus importants qu'initialement escompté.

Les données de référence rassemblent les informations élémentaires stratégiques d'une entreprise sur des objets métier (clients, fournisseurs, produits, etc.). Elles exercent donc une influence sur l'ensemble des processus métiers d'une entreprise. Pour cette raison, la gestion et l'organisation de ces données sont cruciales pour la réussite de l'entreprise. Près d'un tiers des entreprises interrogées (38 %) indiquent toutefois ne pas gérer explicitement leurs données de référence.

Les systèmes analytiques dépendant des systèmes opérationnels, toute donnée de référence incohérente au niveau de l'opérationnel entraîne une incompatibilité encore plus grande dans la BI. En dépit de ceci, seuls 20 % des entreprises interrogées gèrent les données de référence de leurs systèmes opérationnels, ce pourcentage augmentant avec la taille de l'entreprise. On observe également des approches souvent isolées et axées sur la décentralisation dans le domaine de la gestion des données de référence. Pour plus de 26% des entreprises, chaque département gère ses données de référence de manière individuelle de sorte à éliminer toute donnée ambiguë à l'échelle de

des entreprises interro-

gées n'ont pas de démarche et pro-cessus dédiés à la

conservation de leurs données de référence

Les données de bases ne font l'objet d'aucune gestion spécifique

Chaque département est pourvu d'un système de source principale défini qui garantit de ce fait des

modèles de données cohérents dans les systèmes BI

Recours à un système dédié de gestion des données de base et des grandes volumétries au sein de la BI

L'uniformité des données de base est assurée au niveau opérationnel au moyen d'un système de gestion dédié


0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Figure 45 : architecture de la gestion des données de référence en fonction de la gouvernance et de la stratégie de BI (n=392 et 430 respectivement)

Tableau 9 : architecture de la gestion des métadonnées en fonction de la taille de l'entreprise (nombre d'employés) (n=437)

38 % 40 %

36 %

28 % 30 % 33 % 27 % 22 %

20 %

29 % 20 %

27 % 26 % 27 %

21 % 20 % 22 % 22 % 21 %

10 %

8 % 7 % 7 % 8 %

9 %

16 % 18 % 15 %

16 %

19 %

11 %

11 % 12 % 10 % 11 %

Total Moins de 250 251 – 2 500 2 501 –

10 000Plus de 10 000

25 % 31 % 26 % 18 %

48 % 23 % 11 % 19 %

30 % 26 % 20 % 24 %

51 % 24 % 10 % 15 %

Gou

vern

ance

BI

Stra

tégi

e BI

l'entreprise. Les entreprises portent donc trop peu d'attention à la gestion des données de référence qui est pourtant l'un des trois piliers (avec la qualité des données et la gestion des métadonnées) garantissant la qualité et la transparence de l'information analytique (cf. Figure 44).

La gouvernance et la stratégie de BI contribuent clairement à largement améliorer la gestion des données de référence (cf. Figure 45). La gouvernance en BI implique en outre généralement un programme

correspondant de gouvernance des données qui, de ce fait, appelle souvent une gestion véritablement renforcée des données de référence. Lorsqu'une stratégie du décisionnel existe, la gestion des données de référence voit son champ d'application potentiellement s'élargir jusqu'à s'intégrer dans l'environnement opérationnel (24 %). Enfin, une stratégie du décisionnel énonce que, sur la base d'un plan de mise en œuvre, les sources de données de référence individuelles doivent etre considérées comme précieuses (au minimum) pour l'analytique et

La mauvaise qualité des données provient

d'un manque évi-dent de gestion des données de base et des métadonnées.

Les données de base ne font l'objet d'aucune gestion spécifique

Chaque département est pourvu d'un système de source principale défini qui garantit de ce fait les modèles cohérents dans les systèmes de BI

Recours à un système dédié de gestion des données de base et des grandes volumétries au sein de la BI

L'uniformité des données de base est assurée au niveau opérationnel au moyen d'un système de gestion dédié

En place

Inexistant

En place

Inexistant

Aucune documentation disponible sur les métadonnées

Documentation sur les métadonnées disponible en version papier

Les métadonnées sont réparties entre plusieurs référentiels

La documentation sur les métadonnées est intégrée au sein du système de BI

L'accès à la documentation sur les métadonnées est centralisé (glossaire hebergé dans un portail)

La documentation sur les métadonnées métiers et techniques est couplée et peut faire l'objet d'une analyse

Assistance à la récupération des informations en place


21 %

qu’elles sont chargées d'établir une cartographie correcte en cas de données de référence incohérentes.

Du point de vue de l'utilisateur, les métadonnées assurent une meilleure compréhension de l'information rendue accessible par la BI. Elles contribuent en outre à renforcer la transparence et facilitent l'accès aux données. Sur le plan de la gestion des métadonnées, le bilan est similaire à celui concernant la gestion des données de référence (cf. Tableau 9). A peine plus de la moitié des entreprises utilisent des référentiels de métadonnées qui leur permettent de parcourir les bases de données existantes et d'analyser leurs liens. La gestion des métadonnées offre cependant la meilleure valeur ajoutée lorsque son accès est centralisé. Elle délivre ainsi du contenu également coordonné de manière compréhensible. Ceci s'applique notamment au couplage et à l'évaluation intégrée des métadonnées fonctionnelles (description sémantique d'objets informatifs, par exemple), techniques (types de données, origine et règles de conversion, par exemple), et opérationnelles (actualité et qualité des données). Toutefois, seules 21 % des entreprises centralisent la disponibilité de leurs méta-données. En outre, seules 8 % des entreprises pratiquent le couplage des métadonnées et leur évaluation mixte. Idéalement, les utilisateurs devraient pouvoir accéder aux métadonnées respectives directement dans les applications de BI sans transfert de support. Seul ce moyen peut impacter globalement les analyses à mener dans le but, par exemple, de déterminer l'incidence d'un changement d'interface sur divers rapports fondamentaux à la source. Seuls 27 % des entreprises interrogées mentionnent des métadonnées accessibles en ce sens.

Les petites et moyennes entreprises sont légèrement plus nombreuses à ne détenir aucune documentation sur les métadonnées. Il s’agit d’une lacune due dans de nombreux cas à l'absence de gouvernance BI. La situation est légèrement plus favorable dans les grandes entreprises. Les référentiels de métadonnées y sont particulièrement courants et la documentation sur les métadonnées souvent intégrée au système de BI respectif dans un nombre de cas supérieurs à la moyenne. Pour autant, aucune corrélation n'est pratiquée entre les métadonnées fonctionnelles et techniques. Ces métadonnées souffrent donc de la multitude de référentiels non intégrés. D'où la conclusion que les entreprises ne considèrent toujours pas la gestion des métadonnées à sa juste valeur en tant que facteur incontestable de réussite.

Seuls des entreprises possèdent une documentation centrale sur les métadonnées.

La gestion des métadonnées offre la meilleure valeur ajoutée lorsque son accès est centralisé. Elle délivre ainsi du contenu également coordonné de manière compréhensible.


0% 20% 40% 60% 80% 100%

Figure46:fonctionsd'analyseprisesencharge(n=432)

1 %3 %6 %

11 %13 %14 %

22 %25 %27 %

43 %

44 %

57 %67 %

73 %84 %

44 %

22 %

Utilisation limitée des fonctionnalités d'analyseLes questions portant sur les fonctionnalités de la BI proposées en termes d'évaluation des données relèvent du champ d'investigation consacré à la production de rapports et aux analyses.

Les outils front-end proposent une profusion de fonctions qui vont bien au-delà de la production de rapports traditionnelle ou du traitement analytique en ligne (OLAP - Online Analytical Processing). Cette étude démontre cependant que les entreprises font le plus souvent appel aux fonctions classiques de la BI (cf. Figure 46).

En matière d'analyse, les techniques de pointe sont loin d'être nombreuses. La gamme de fonctions de la BI utilisées s'adresse assez nettement aux utilisateurs standards de la BI. Les solutions de BI ne proposent qu'en de rares occasions des outils d'analyse sophistiqués aux spécialistes des données ; ce constat est lui-même révélateur du nombre

souvent assez limité d'employés réunissant les compétences requises pour assurer ce rôle.

Un examen détaillé des différents secteurs révèle que les informations géographiques sont particulièrement recherchées dans le secteur public (23 %). Cette demande s'explique par le fait que les administrations proposent fréquemment des services ayant un fondement socio-démographique et géographique. L'exploration des données est pratique courante dans le secteur bancaire et les entreprises de télécommunications pour des besoins de prospection et d'analyse des risques et des fraudes.

ReportingAnalyse ad-hoc

Analyse multidimentionnelle (OLAP)Intégration à l'aide des produits Office

Tableau de bordAccès aux données via des applications "front" (SQL)

PlanificationData mining

Alerte notificationAccès mobile

Analyses prédictivesOutils de découverte de données

Visualisation (interactive)Intégration à l'aide de systèmes d'information géospaciales

Texte miningAucun outil BI utilisé

Autre


Conclusion et recommandationsL'environnement de la Business Intelligence d'entreprise s'est profondément transformé depuis notre première étude réalisée en 2004. Malgré un développement continu observé jusqu'en 2009, la BI semble désormais avoir atteint un certain niveau de stagnation. La fourniture de l'information en entreprise se heurte toujours à de nombreux problèmes non résolus. La recommandation, formulée en 2006, d'ériger les systèmes de BI en parties intégrantes de la gestion stratégique et opérationnelle de l'entreprise n'a

rien perdu de sa pertinence et reste d'actualité. Pour autant, la Business Intelligence peine toujours à satisfaire les attentes. La pression financière pesant sur les entreprises limite le potentiel des investissements dans le renouvellement des solutions applicatives de la BI. Les responsables de la BI sont donc soumis à des pressions plus fortes résultant à la fois du travail antérieur toujours inachevé et des incertitudes sur la manière de maîtriser à l'avenir l'avalanche omniprésente d'informations.

La présente étude met clairement en lumière quatre problématiques distinctes :

Bien que les entreprises voient le nombre d'utilisateurs des solutions de BI augmenter, le traitement des données par département vise encore rarement à procurer des avantages compétitifs spécifiques. Les informations obtenues de manière (semi) automatique ne déclenchent que sporadiquement de nouvelles démarches au niveau des processus métiers opérationnels. Beaucoup de progrès restent à faire pour intensifier l'intégration des informations analytiques. La BI est en outre encore trop rarement alignée sur les objectifs de l'entreprise. Les informations analytiques restent par conséquent sous-exploitées.

Toute une série de problématiques continue à nuire au volet organisationnel. Les processus et les structures particulièrement inadaptées aux exigences de la BI figurent parmi les plus coûteux. Les entreprises appliquent le plus souvent leurs normes informatiques, que ce soit pour la gouvernance, la gestion des demandes ou le modèle de procédure de développement. Elles ne tiennent pas compte des particularités de la BI et sont donc incapables d'en exploiter pleinement le potentiel.

Sur le plan technique, la majorité des entreprises se situent dans un environnement d'entrepôt réparti. Les efforts de consolidation ne portent généralement leurs fruits qu'à court terme. L'objectif d'une intégration (physique) complète de toutes les bases de données analytiques dans un seul entrepôt de données d'entreprise centralisé, aussi louable soit-il, relève de la plus pure utopie. En outre, ces

1.

2.

3.


approches centralisées se révèlent bien trop rigides pour satisfaire les exigences particulières de chaque processus métier et de chaque utilisateur. Les architectures en étoile, moins flexibles et moins agiles, ne tiennent pas toujours compte des nouveaux besoins et favorisent de ce fait l'émergence de cas d'utilisation finale de l'applicatif dans un nouveau contexte de décentralisation de solutions isolées.

La qualité insuffisante des données pose problème à tous les niveaux de l'entreprise. Bien que la qualité des données constitue la base de toute analyse BI, c'est précisément cette composante essentielle que les entreprises négligent. Si les informations analytiques n'offrent de la valeur à une entreprise que lorsqu'elles s'appuient sur des données cohérentes de très grande qualité, le constat que dresse la présente étude est sans appel. Les entreprises ne s'investissent pas suffisamment dans la qualité de leurs données de référence, que ce soit à l'échelle de l'organisation tout entière, dans le meilleur des cas, et au niveau incontournable des systèmes opérationnels sources. De ce fait, les informations analytiques ne contribuent que trop peu à la réussite de l'activité. Dans la mesure où elle s'applique, la BI est tenue à tort pour responsable des défaillances propres aux systèmes opérationnels.

On peut donc prédire à la lumière des quatre problématiques précitées que la transition du niveau trois de maturité de la BI au niveau quatre sera laborieux. Cette étape est cependant extrêmement importante pour les entreprises. L'hétérogénéité croissante des groupes d'utilisateurs ainsi que leur besoin de disposer d'informations d'une manière clairement ciblée et individuelle augmentent la pression pour atteindre ce niveau de maturité. Cependant, aucun progrès n'a été identifié en la matière récemment. Les entreprises réussissent rarement à intégrer la BI dans tous leurs domaines de manière à ce qu'elle devienne un facteur clé de réussite. Elles ne parviennent pas non plus à faire bon usage des méthodes d'analyse avancées, à mettre en œuvre un système de gestion qualitative (des données) mature, ni à établir une structure organisationnelle et opérationnelle spécifiquement axée sur les besoins en BI à l'échelle de l'entreprise. Dans le même temps, satisfaire d’un côté les exigences informatiques en matière de normalisation et de stabilisation, et de l’autre les besoins fonctionnels pour obtenir la plus grande flexibilité possible, de l’autre, revient à exécuter un véritable numéro d'équilibriste que très peu d'entreprise maîtrisent. Toutes les conditions suffisantes sont donc réunies pour agir. Le Big Data, en tant que sujet d'actualité souvent abordé, apparait ici comme un catalyseur et renforce la nécessité de trouver de nouvelles solutions pour résoudre les difficultés connues de la BI.

4.


Inscrire la qualité des données en tête des priorités. La Business Intel-ligence a pour vocation première de fournir des données fiables. La qualité des données reste donc la règle d'or. Elle ne peut être amélio-rée et maintenue qu'à l'aide des processus, des outils et de la coopéra-tion des collaborateurs.

Concilier la professionnalisation de l'exploitation de l’infrastructure de BI avec les attentes des utilisateurs en termes de solutions de BI flexi-bles. Les utilisateurs veulent être aussi libres que possible pour gérer les problèmes analytiques. Ils exigent de plus en plus de nouvelles donées ou méthodes à court terme pour corriger les problèmes d'ordre opérationnel. Enfin, du point de vue du responsable opérationnel, un système de BI doit être exploité avec le niveau de stabilité requis (au même titre que toute autre application). C'est en effet le seul moyen de garantir la fiabilité des processus, des normes de qualité et la ren-tabilité. L'objectif consiste donc à instaurer un véritable écosystème analytique capable d'élargir l'environnement de BI existant et, ce fai-sant, permettre l'accès transparent au Big Data. Dans ce cas de figure, les entreprises peuvent délibérément se passer de toute intégration physique de leurs données. Cependant, pour conserver un aperçu des données accessibles, il faut professionnaliser les tâches transverses aux différentes fonctions (comme la gestion des métadonnées no-tamment), œuvrer à leur reconnaissance et les déployer en tant que facteur essentiel de réussite, sans les reléguer au second plan.

Accroître l'agilité de l’environnement de BI. L'architecture et l'organisation impactent significativement la réactivité d'adaptation au changement. Les processus destinés à recueillir, à classer par ordre de priorité et à mettre en œuvre les nouveaux besoins peuvent notam-ment offrir un gain supplémentaire de flexibilité. L'exploitation provi-soire de champs individuels de données dans des « bacs à sable », de même que la fourniture d'outils de BI en self-service sont également nécessaires pour une plus grande réactivité.

Sur la base des résultats de la présente étude, nous recommandons les six domaines d'action suivants.


Établir des structures et des processus spécifiques à la BI. Dans la mesure où la BI s'insère en tant que sous-composante de l'informatique, les structures et les processus informatiques peuvent dès le départ servir les besoins de la BI. Toutefois, les concepts de gestion et d'organisation informatique en place ne peuvent se transposer sur une base comparable à la BI. Ceci s'explique d’une part par l'imbrication particulièrement étroite entre le fonctionnel et le technique dans la BI, d’autre part par les évolutions rapides dans ce do-maine. La BI engendre ainsi des besoins qui lui sont propres. Ces particulari-tés doivent être prises en compte dans l'organisation de la BI afin de pouvoir pleinement développer les options existantes qu'elle propose.

Aborder le sujet du Big Data d'un point de vue tactique et l’adopter étape par étape. Tout d'abord, il faut entreprendre une formation de sensibili-sation et bien faire comprendre que la notion de Big Data ne consiste pas simplement à traiter « plus de données » dans le format établi. Il s'agit beaucoup plus de création de nouvelles structures. Ce qui précède nécessite des cas d'utilisation qui soient pertinents à la fois légalement et en termes de temps et de contenu ; et les avantages fonctionnels doivent justifier l'investissement dans les technologies et l'expansion de l'expertise, et non l'inverse. Il faut ensuite vérifier les cas d'utilisation de Big Data provenant d'autres secteurs en fonction de sa pertinence pour l’entreprise et identifier les sources potentielles de Big Data. Il s’agit d’évaluer votre cas d'utilisation via une validation de principe (VdP) concernant sa valeur ajoutée et non pas exclusivement sa faisabilité technique. Enfin, il faut à moyen terme se con-centrer sur un portefeuille de services de BI avec une analyse prédictive et normative au lieu d'établir des rapports sur les événements passés.

è www.steria.com/fr76|BusinessIntelligence:Les entreprises européennes sont-elles prêtes pour le Big Data ?

Annexe : Le modèle de niveau de maturité en détailLe modèle de maturité de la Business Intelligence biMM® (Business Intelligence Maturity Model) distingue cinq niveaux dematuritéquireflètentchacunlatrajectoire d'évolution classique de la BI au sein d'une entreprise. Chacun de ces cinq niveaux sont analysés et évalués au moyendecritèresspécifiquesàlaBIquisedivisent en trois volets : le « fonctionnel », «l'organisationnel» et «technologique».

Le volet fonctionnel étudie le contenu et l'emploi des données. Il considère la validité de l'information proposée par la solution de BI, son utilisation individuelle et le niveau d'aide à l'analyse et à la prise de décision qu'elle fournit.

Le volet technologique s'intéresse à la flexibilité avec laquelle le système est conçu, à la qualité et à la fonctionnalité de la solution de BI déployée, à l'architecture des données et au degré de normalisation des composants impliqués.

Le volet organisationnel aborde la question de l'intégration de la solution de BI dans les structures organisationnelles et les processus opérationnels de l'entreprise. Outre le niveau d'institutionnalisation et de formalisation des processus de la BI, les aspects stratégiques et financiers de l'initiative de BI sont également pris en compte.

Les caractéristiques de chacun des cinq niveaux de maturité, de même que leurs avantages, leurs inconvénients et leurs impacts, sont plus amplement expliqués ci-après. Les raisons justifiant le passage au niveau de maturité supérieur sont également abordées.

Niveau 1 - Informations individuelles

La mise en place d'une solution de BI vise souvent, à l'origine, à répondre au besoin de processus d'analyse propres à l'entreprise pour prendre en charge l'information analytique. Or, de simples systèmes de production de rapports ne suffisent pas toujours à satisfaire ce besoin, tant les redondances des données sont fortes et les incohérences sémantiques fréquentes dans les définitions multiples des indicateurs clés.

Le premier niveau de maturité de la BI se caractérise par des analyses isolées, souffrant d'une absence de coordination. Celui-ci repose sur les systèmes opérationnels et les exports individuels de données brutes souvent réalisés par des employés spécialisés devant résoudre leurs propres problèmes d'information. Il est par conséquent difficile de savoir qui utilise les données tant les besoins en informations et leur emploi sont opaques. Par ailleurs, le manque de processus, de responsabilités, d'unités organisationnelles et de règles définies favorise l'émergence de partisans défendant, avec des approches très personnelles, une BI indépendante. Cette perception va à l'encontre d'une fourniture d'informations fiables et freine la vulgarisation des résultats d'analyse.

L'absence totale de définition sur la sémantique fonctionnelle est particulièrement problématique et génère inévitablement des évaluations et des résultats contradictoires qui « paralysent » la prise de décision. En l'absence de gestion des données analytiques indépendante, aucune rétrospective n'est généralement disponible, et la portée de l'analyse est restreinte par les limites des systèmes opérationnels individuels. Ce niveau se caractérise donc par d'importantes lacunes pouvant prendre la forme de


biMM® Level 1 : Informations individuelles

redondances, d'une forte hétérogénéité, d'une qualité des données absente et d'un fort niveau d'effort manuel.

Ce niveau souffre clairement d'importants défauts en termes de flexibilité et de fiabilité des informations. Il fournit donc une bonne raison pour développer une BI orientée projet, en jetant les bases d'un recours plus généralisé aux fonctionnalités offertes par les outils de BI professionnels. Outre la prestation de ces outils, des dépôts de données analytiques dédiés peuvent alors être mis en place. Ceux-ci permettent aux départements de l'entreprise de procéder à une analyse des données historiques traitées et intégrées à partir de plusieurs sources.

Niveau 2 - Silos d'informations

Les systèmes de BI déclinés à l'échelle du département et orientés sur tout un arsenal de questions fonctionnelles définissent le niveau 2 de ce modèle de maturité. Ces solutions ne se caractérisent généralement plus simplement par une utilisation contextuelle au cas par cas dans les différents départements de l'entreprise, mais s'emploient régulièrement de manière transversale dans l'ensemble des départements. Par ailleurs, ces systèmes répondent désormais à des cas d'utilisation définis (standard) et offrent aux utilisateurs

des analyses de grande portée pour la compréhension fonctionnelle, ainsi que des fonctionnalités de production de rapports.

A l'échelle des départements respectifs de l'entreprise, ces solutions aménagent un espace de données largement dépourvu de redondances et sémantiquement explicite. La définition des critères d'évaluation (dimensions), ainsi que les indicateurs clés est dans une large mesure spécifique aux départements. Pour autant, des évaluations détaillées à l'échelle des départements restent souvent impossibles ou uniquement réalisables dans un contexte res-treint par manque de normalisation.

Du point de vue de l'entreprise, l'établissement de ces compartiments d'informations à l'échelle des départements est source de redondances et d'incohérences. Ce constant est d'autant plus accablant lorsque les systèmes de BI sont (de nouveau) développés dans le cadre de projets isolés en l'absence de toute gouvernance approfondie. Par conséquent, les définitions fonctionnelles contradictoires et les incohérences technologiques échappent à toute identification que ce soit au stade de conception ou en cours de déploiement.

Malgré la mise en place de processus centralisés, l'exploitation de systèmes de BI développés ne fait l'objet d'aucune supervision uniforme, mais reste décentralisée et confiée

Vue de rapport unique liée aux tâches

Initiative individuelle unique

Anarchie des données


• Aucun système dédié pour la fourniture

de données à des fins décisionnelles

• L'analyse repose sur des systèmes

opérationnels ou l'exportation de fichier

• Aucun outil BI dédié

• Utilisation des logiciels de

bureautique traditionnels (en

particulier calcul sur tableur)

• Analyse manuelle avec formatage individuel

• Exportation manuelle de données

• Transformation manuelle et non

normalisée des données

• Caractère chaotique : absence de rôle

d'unité organisationelle spécifique à la BI

• Aucune information sur les coûts et

avantages en terme de reporting

• L'analyse menée ad-hoc n'est pas

coordonnée et est à l'initiative

d'utilisateurs individuels

• Le niveau de qualité des donnés n'est pas

transparent les problèmes sont plutôt

identifiés de manière accidentelle

• L'analyse des données est motivée

par les situations et menée de façon

isolée par des salariés individuels

• Organisation de processus

informelle, absence de méthodologie

normalisée et documentée

• Aperçus statiques des données

opérationnelles

• Pas de normalisation, incertitudes en

raison de la sémantique hétérogène

• Redondances et incohérences

importantes et non transparentes

• Utilisation par peu de personnes

• Utilisation contextuelle

• Pas de prise en charge directe et clairement

définie des processus métiers


biMM® Niveau 2 : Silos d'informations

Compréhension de l'activité localement limitée

Projet

Dépôts de données décentralisés


le plus souvent à des experts fonctionnels.

L'emploi ciblé d'outils spécialisés et la mise en place de dépôts de données multidimensionnels, modélisés et indépendants multiplient les options d'analyse et répondent aux besoins élémentaires de qualité et de stabilité.

Les entreprises qui s'efforcent d'atteindre le troisième niveau de maturité ont pour exigence fonctionnelle d'accroître l'intégration de leurs bases de données. L'objectif poursuivi ici est de fournir un socle d'informations cohérent et élargi pour permettre des évaluations transversales entre départements. Sur le plan technique, la multitude d'outils et d'infrastructures sollicités de manière indépendante dans chaque projet, ainsi que les méthodes et autres approches diversement mises en œuvre, constituent d'importants facteurs de hausse des coûts. Des synergies pourraient aisément voir le jour ici pour peu de mettre en commun l'utilisation des infrastructures pour le développement et l'opérationnel, et d'instaurer la normalisation et la centralisation qui s'en suit.

Afin de faire face à l'importance croissante de la BI dans les entreprises, le développement et l'opérationnel doivent également davantage se professionnaliser à travers des processus et des responsabilités appropriés. Les synergies évoquées plus haut sont déterminantes à l'échelle de l'entreprise tout entière. En

revanche, pour les propriétaires de ces compartiments d'informations, ce nouveau développement n'est pas nécessairement utile. En pratique, la transition difficile du niveau deux au niveau trois de maturité pour de nombreuses entreprises tient précisément à ce facteur, notamment en l'absence de soutien de la part de la direction.

Niveau 3 - Intégration des informations

L'abandon des compartiments d'informations (niveau 2) au profit d'une intégration des informations (niveau 3) résulte de l'utilisation normalisée des ressources fonctionnelles, techniques et organisationnelles par les différentes parties de l'entreprise. Afin d'introduire des synergies et d'éviter des solutions isolées redondantes, les informations analytiques doivent être accessibles depuis l'environnement d'origine de la solution de BI (département particulier de l'entreprise, unité organisationnelle, etc.), et aussi rester à la disposition d'autant de départements que nécessaire. Le nombre d'utilisateurs tendrait à terme à augmenter, au même titre que les avantages de la BI pour l'entreprise.

Sur le plan fonctionnel, la BI suscite en toute logique des attentes de plus en plus fortes, avec pour conséquence l'émergence de nouveaux champs applicatifs, au-delà

• Rapports et analyses passéistes au moyen

de données analytiques historiques

• Sémantique d'entreprise bien

définie et cohérente par rapport

au système ou département

• Les systèmes BI ne sont pas sans

chevauchement et les redondances

et incohérences qui en résultent

sont pour l'essentiel connues

• Utilisation au sein

des départements

• Utilisation manuelle bien

définie des informations BI dans

quelques cas d'utilisation

• Responsabilité de projet isolée du côté métier

• Des processus pertinents sont établis

et appliqués fréquemment

• Calcul de rentabilité lié au

projet et orienté coûts

• Structures informelles de prise en charge

et de coordination des exigences

• Autonomie croissante du côté

métier (grands utilisateurs)

• Analyse des données sources pendant

l'étape de développement

• Organisation de projet alignée sur le

développement (supplémentaire)

• Absence d'opérations régulières avec

une disponibilité bien définie

• Engagement de spécialiste externe

• Analyse sur des magasins de données

indépendants avec leur propre

espace de stockage de données

• Infrastructure technique et paysage

hétérogènes pour les outils

• Séparation sporadique entre les

infrastructures de production

et de développement

• Analyse des informations dans des

systèmes standards et ad hoc

• Les outils OLAP offrent des

options d'analyse de données

• Intégration de données et génération

de rapports automatisées

• Contrôles manuels de la qualité des données

• Métadonnées sur papier


biMM® Niveau 3 : Intégration des informations

Harmonisation entre les départements

Equipe BI Entreposage de données intégré


du traditionnel système de production de rapports internes sur des événements passés. Ce constat se confirme notamment dans le domaine de la gestion des performances de l'entreprise, comme la prise en charge de processus de planification complexes. La solution de BI se développe donc sous forme de mécanisme d'aide aux principales fonctions et décisions opérationnelles. L'intégration croissante des données dans un ou plusieurs entrepôts de données, contrairement aux précédentes solutions distinctes selon le département, signifie que les données peuvent désormais être proposées pour analyse aux utilisateurs dans un contexte fonctionnel inclusif. Les données analytiques engendreront ainsi le plus souvent un nouveau contenu.

Afin de répondre aux besoins des utilisateurs, la solution de BI doit être (de nouveau) développée et exploitée de manière professionnelle au stade cette fois-ci de 'l'intégration des informations'. Il faut pour ce faire constituer des équipes de BI et les doter de rôles, de processus et de responsabilités définis, et opérer une distinction claire entre les tâches de développement et celles de l'opérationnel. La BI se conçoit généralement sur la base de la gouvernance informatique qui poursuit les objectifs et obéit aux règles d'une stratégie informatique. Les projets de BI sont ainsi constamment alignés sur les objectifs

de l'entreprise et des processus d'affaires. En outre, la mise à disposition de la solution de BI est souvent régie par des accords de niveau de service. Ces accords définissent la prestation de service contractuellement convenue, ainsi que le contenu et la mise à disposition de cette prestation.

Une normalisation généralisée des méthodes et des technologies favorise non seulement la création de synergies, mais accroît également de manière significative la fiabilité d'une solution de BI. La gestion des données et les processus qui concourent à leur transmission sont généralement automatisés et professionnalisés au niveau 3. Les fonctionnalités garantissant la sécurité, la reprise, la récupération, la sauvegarde des données et le traitement delta sont donc pleinement intégrées aux processus ETL (extraction, transformation et chargement).

Un autre attribut caractérisant le niveau 3 est la capacité à traiter les précédents « effets indésirables », notamment en termes de qualité des données, de gestion des métadonnées et des données de base. Les outils logiciels sont souvent employés en gestion de la qualité des données pour en automatiser la collecte, l'amélioration et le suivi de la qualité ; l'objectif étant de renforcer durablement la qualité des données dans le système de BI. Les métadonnées sont

• Les systèmes de la BI offrent une vision axée

sur les activités d'entreprise pertinentes

• Domaines et métriques de données

harmonisés entre plusieurs unités

• Des chevauchement de contenus bien

connus existent dans les systèmes

de BI. L'objectif est d'aboutir à une

vérité d'entreprise cohérente

• Utilisation intégrée des informations par

plusieurs unités organisationnelles

• Identification des interdépendances, sur

la base des informations analytiques

• Accès aux manuels d'informations

analytiques pendant l'éxecution

des processus métiers

• Structure organisationnelle informatique

décentralisée (le cas échéant spécifique à la

BI) avec des responsabilités bien définies

• La BI est alignée sur la

stratégie informatique

• Des processus normalisés, documentés

et axés sur l'informatique sont établis

• Tarification reposant sur les

règles d'attribution simples

• Traitement des exigences conforme

à la gouvernance informatique

• Disponibilité controlée

• Des propriétaires de donnés préposés

aux données existent du côté métier,

mais il n'existe aucun processus formel

• Séparation du développement et

des opérations

• Conseils par ITIL

• Affectation externe

des projets

• Portefeuille de fournisseurs

informatiques bien défini

• Consolidation des données dans

des entrepôts de données ou dans

un entrepôt d'entreprise dédié

• Réutilisation des fonctions, reposant sur

la normalisation et la modularisation

• Portefeuille consolidé

d'infrastructures et d'outils

• Environnements dédiés de production,

de test et de développement

• Génération et distribution

automatiques de rapports

• Spectre normalisé des fonctions BI

dans les systèmes standards ad hoc

• Stabilisation assurée par

l'automatisation des outils de GQD

et de la quantité de données

• Utilisation d'un référentiel de

métadonnées mettant l'accent sur

les métadonnées techniques

• Gestion centralisée dans la BI pour

les données de base pertinentes


biMM® Niveau 4 : Veille

Alignement et différenciation stratégiques

Processus spécifique à la BI



essentiellement gérées dans un référentiel pour garantir un contenu fonctionnel et des processus techniques les plus uniformes et transparents possible. Néanmoins, à ce niveau de maturité, les métadonnées fonctionnelles, techniques et opérationnelles ne sont généralement pas encore couplées.

Dans le cadre de la poursuite du développement, la simple diffusion des informations de BI ne crée pas de valeur ajoutée suffisante. Les utilisateurs exigent donc que les informations leur soient soumises de manière clairement flexible, ciblée et individuelle. Il peut également arriver que la demande initiale de rendre toutes les données disponibles dans un format cohérent et physiquement intégré ne puisse être pleinement mise en œuvre en raison de la diversité des besoins des multiples processus d'affaires. En dernier lieu, la consolidation (architecturale) provient généralement de la centralisation, maintes fois compromise par de nouvelles exceptions et des solutions provisoires. La complexité grandissante des besoins et l'élargissement de la base des utilisateurs de la BI motivent la poursuite des développements au sein de l'organisationnel.

Niveau 4 - Veille

Si les systèmes de BI prennent en charge les cas d'utilisation définis au niveau 3, le niveau 4 se concentre sur les processus métiers critiques qui prennent en compte les besoins spécifiques de l'analyse. Le niveau d'aide à la décision informée s'améliore dans tous les domaines de l'entreprise, et les méthodes et outils sophistiqués d'analyse multiplient les possibilités d'évaluation. La configuration de tout le cycle de gestion de l'analyse, ainsi que les processus de planification et de contrôle des données sont pris en charge. La BI se développe ainsi comme un actif d'entreprise reconnu en tant que tel.

La perception des processus métiers qu'ont les différents départements exige plus particulièrement une sémantique fonctionnelle plus cohérente. Aussi louables soient-elles, l'harmonisation à l'échelle de l'entreprise de tous les indicateurs clés de performance et la recherche de dimensions communes relèvent sans doute de l'utopie. Quoiqu'il en soit, des règles doivent être établies. Elles offriront l'assurance d'une cohérence fonctionnelle et d'une flexibilité orientée utilisateur optimales. Elles permettent en outre de définir une approche objectivée pour les systèmes individuels d'information afin que ceux-ci se concentrent sur des processus exhaustifs, centralisés, locaux ou décentralisés. Cela signifie pour l'organisationnel qu’il faut imposer une

• Perspectives axées sur les processus

• Modèle de chiffres clés à l'echelle de l'entreprise

• Prise en charge de l'agilité par des métriques décentralisées tout en assurant la cohérence des systèmes de mesure à l'echelle de l'entreprise

• Les informations analytiques sont considérées comme des actifs d'entreprise et peuvent être utilisées dans des applications opérationnelles

• Utilisation de solutions pré-packagées pour les cas d'utilisation définis

• La fourniture d'informations se concentre sur la prise en charge de processus spécifiques

• Surveillance des processus métiers en utilisant les bonnes informations analytiques au bon moment

• Déplacement des rapports standards ad hoc et des analyses avancées

• Les processus de gouvernance spécifiques à la BI sont établis et contrôlés quantitativement

• Développement de la BI aligné sur la stratégie BI et la feuille de route BI

• Calculs de rentabilité axés sur les avantages pour le programme de BI

• Gestion du programme de BI bien établie

• Un SLA et des prix fixes pour la BI

• Positionnement et validation proactifs des nouvelles méthodes et technologies

• Il existe des propriétaires de données d'entreprise et techniques. Les droits et devoirs sont obligatoires conformément à une gouvernance de données

• GOD avec des niveaux de qualité prédéfinis et un processus en boucle fermée pour les fournisseurs de donnés

• Méthodologie de développement agile le cas échéant spécifique à la BI

• Services de BI avec une haute disponibilité

• Gestion des problèmes orientés métier

• Portefeuille de fournisseurs de la BI bien défini

• Aide à la prise de décision agile dans un environnement de marché dynamique, reposant sur la BI en self-service et les bacs à sable analytiques

• Prise en charge de l'entreposage dédié au bon moment

• Haute disponibilité des systèmes BI

• Portefeuille d'outils BI orientés cas d'utilisation

• Accent sur les technologies CPM dédiées

• Offre d'information transparentes par des entités de base intégrées logiquement

• Prise en charge hautement évolutive des données non structurées et semi structurées

• Automatisation de la QD

• Couplage des métadonnées d'entreprise et techniques

• Utilisation de la gestion des données opérationnelles de base

• Intégration des données analytiques dans les systèmes opérationnels

• Redondances de données justifiées et transparentes


propriété des données qui implique à la fois l'informatique et le fonctionnel.

Au niveau 4, si les processus métiers opérationnels tirent clairement profit de l'offre BI, il reste encore à renforcer l'alignement de l'organisation BI sur les besoins particuliers. Une stratégie dédiée à la BI prescrit des objectifs et des directives rendus opérationnels par une gouvernance spécifique à la BI. La gestion d'un programme correctement établi en BI s'inscrit donc ici comme un instrument indispensable. Celui-ci permet en effet de coordonner dans le détail les initiatives des équipes constituées au niveau 3 et de les aligner sur la stratégie. L'objectif est de développer des produits de BI assortis d'un niveau de service et de modèles de répartition des coûts définis. Le déploiement et l'exploitation obéissent à des processus spécifiques.

Les modalités de transmission de l'information aux bons destinataires posent ici un défi technique. Cette transmission doit tenir compte de la pertinence, de la qualité et du format de présentation adéquat des données, ainsi que de leur niveau d'actualité requis. Le grand nombre de sources d'informations à inclure dans les processus de prise de décision, ainsi que la pertinence croissante des bases de données non structurées et semi structurées de grande volumétrie (Big Data) exigent désormais des solutions flexibles et potentiellement distribuées. Il faut donc renoncer au principe d'intégration physique (« source unique de vérité ») au profit d'une architecture d'intégration logique dont la composante centrale repose sur un référentiel exhaustif de métadonnées.

Ce type d'architecture fournit aux utilisateurs de la BI un flux ininterrompu de documentation sous forme de métadonnées fonctionnelles, techniques et opérationnelles intégrées. Il est possible de retracer les moyens d'accès, les définitions fonctionnelles, la transformation des données techniques, le niveau de qualité et l'actualité des données pour chaque information particulière.

Une fourniture pertinente de données et une évaluation adéquate des informations pour des processus ciblés sont indispensables au déploiement généralisé de la BI. Les besoins de l'utilisateur en grande flexibilité sont désormais satisfaits. Si les utilisateurs exigent moins d'applications de BI autonomes, on assiste à une plus forte demande en un portefeuille défini d'offres de services BI combinés proposant une prise en charge optimale de leur usage respectif à court terme.

L'organisationnel doit donc s'orienter vers une approche de services complets. Dans sa phase suivante de développement, la gouvernance de BI doit veiller à établir un juste équilibre entre flexibilité et stabilité en fonction de procédures définies. Elle doit également tenir compte de la flexibilité requise sur le plan technique. L'entreprise doit avoir accès à des technologies adaptées pour fournir divers services à court terme. Enfin, les frontières qui séparent traditionnellement l'opérationnel de l'analytique tendront à disparaître.

82 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr82 | Business Intelligence

biMM® Niveau 5 : Modèle d'entreprise axée sur l'information

Intégration stratégique et opérationnelle

Organisation de la BI orientée service



Niveau 5 - Modèle d'entreprise axée sur l'information

L'intégration complète de la BI dans des processus stratégiques, tactiques et opérationnels au sens d'une approche en boucle fermée est opérationnelle au niveau 5. La BI revêt un caractère déterminant pour la réussite de l'entreprise compte tenu de l'utilisation généralisée à l'organisation tout entière de l'information analytique dans tous les processus de prise de décision. Le développement de la BI devient partie intégrante du modèle qui distingue l'entreprise sur le marché.

Dans cette configuration, la transmission en temps réel de l'information analytique n'est plus indispensable, puisqu'elle s'adapte à la dynamique du processus métiers en temps voulu. L'infrastructure existante englobe la capacité de préparer et d'exécuter les analyses requises de manière flexible et réactive. Cette forte capacité d'adaptation résulte de la prestation de services fonctionnellement orientés BI qui se combinent en fonction du cas d'utilisation respectif.

Au niveau 5, le défi pour l'organisationnel consiste à intégrer en continu les aspects inhérents de la BI à la gouvernance applicable à l'entreprise tout entière. Cette intégration doit permettre une flexibilité

optimale tout en garantissant la stabilité, l'exhaustivité et la rentabilité nécessaires.

De la même façon, une organisation de BI orientée services pérennise l'emploi de l'information de l'entreprise en formant des spécialistes des données. Ces spécialistes opèrent un tri dans la surabondance d'informations pour proposer une prise en charge précoce au titre de consultants internes au niveau de la direction en préparant et en interprétant de manière fonctionnelle les données dans les processus décisionnels critiques pour l'entreprise.

La fusion croissante entre l'opérationnel et l'analyse d'entreprise dans le domaine de la technologie se traduit par une consolidation orientée services des responsabilités et des attributions de l'organisationnel. A ce niveau de maturité, l'organisation de BI fournit des services aux départements de l'entreprise qui intègrent les composantes de l'environnement analytique et de l'informatique opérationnelle encapsulées derrière une couche de services.

Pour atteindre le niveau de flexibilité requise, il faut au préalable instaurer des données dont le contenu soit pleinement transparent et opter, le cas échéant, pour l'intégration logique et répartie de bases de données non structurées et semi structurées. L'accès en temps réel aux ressources infrastructurelles se fait grâce à la dématérialisation, sous la forme, par exemple, de clouds privés.

• Sémantique cohérente à l'échelle de l'entreprise

• La BI comme fondement de toutes les décisions

• La BI est l'un des facteurs critique pour le succès pour l'entreprise

• Utilisation par toutes les unités organisationnnelles et à tous les niveaux de la hiérarchie

• Temps de réaction courts (faibles latences de décision)

• Intégration des informations de contrôle stratégique et opérationnel dans le cadre d'un cycle complet de contrôle

• Les processus métiers automatisés utilisent des informations analytiques (aide à la prise de décision active)

• Les processus obligatoires sont établis à l'echelle de l'entreprise et intègrent l'informatique ainsi que l'aspect métier

• Amélioration continue des processus basée sur le suivi et l'innovation

• Il existe un portefeuille de services BI bien défini avec une répartition des coûts orientés services

• La gestion de la possession des données et des propriétaires de données techniques et d'entreprise est efficace à l'echelle de l'entreprise (pour les systèmes analytiques comme pour les systèmes opérationnels)

• Intégration de spécialistes de données pour appuyer les décision de la direction générale

• Processus de conception de BI piloté par un modèle complet

• Sourcing prometteur

• Solution globale flexible, basée sur des éléments d'architecture orchestrés

• Convergencedes applications opérationnelles et analytiques standards

• BI opérationnelle

• Virtualisation de l'infrastructure

• Intégration logique pour un accès transparent aux données et couches

• Traitement intégré des données non structurées et semi structurées

è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 83è www.steria.com | 83

A propos de BARC

BARC (Business Application Research Center) est un cabinet européen indépendant d’analyse et de conseil en logiciels applicatifs. Leader en Europe, BARC offre à ses clients un service complet d’assistance pour l’évaluation, la sélection et l’optimisation de solutions logicielles : des études de benchmark produits, des prestations personnalisées (audit du système d’information, rédaction de cahiers des charges, consultations d'éditeurs, assistance à maîtrise d’ouvrage...), et des études de marché. BARC intervient dans plus d’une dizaine de domaines (BI, SIRH, gestiondecontenu,ITmanagement,finance,ERP,CRM...).

Chaque année, BARC apporte son expertise à plus de 1500 DSI et directions fonctionnelles de grands comptes et entreprises du mid-market.

Basé à Paris, BARC est présent sous la marque CXP.


A propos de Steria

Steria délivre des services IT dédiés aux entreprises et se positionne commelepartenairedeconfiancedelatransformationd’ungrand nombre d’organisations privées comme d’administrations à travers le monde. Steria délivre des services qui s’appuient sur les nouvelles technologies et qui permettent aux administrations et auxentreprisesd’améliorerleurefficacitéetleurrentabilité.Grâceà une excellente connaissance des activités de ses clients et son expertise des technologies de l’information et de l’externalisation desprocessusmétiersdel’entreprise,Steriafaitsienslesdéfisde ses clients et les aide à développer des solutions innovantes pour y faire face. De par son approche collaborative du conseil, Steria travaille avec ses clients pour transformer leur organisation et leur permettre de se focaliser sur ce qu’ils font le mieux.

Les20000collaborateursdeSteria,répartisdans16pays,prennenten charge les systèmes, les services et les processus qui facilitent la vie quotidienne de millions de personnes chaque jour.

Crééen1969,SteriaestprésentenEurope,enInde,enAfriquedu Nord et en Asie du Sud-Est. Le Groupe a réalisé un chiffre d’affaires de 1,83 milliard d’euros en 2012. Son capital est détenu à plus de 20 %(*) par ses collaborateurs. Steria, dont le siège social est basé à Paris, est coté sur Euronext Paris.

* dont les « SET Trust » et « XEBT Trust » (4,15% du capital)


© Steria

Steria is committed to supporting a sustainable world and is Certified Carbon Neutral for Flight and Fleet Travel

www.steria.com

Groupe Steria SCA 43-45 Quai du Président Roosevelt F-92130 Issy-les-Moulineaux CEDEX France

www.steria.com/fr

Steria rapport-bi ma-vfr-2013

Business

Transcript of Steria rapport-bi ma-vfr-2013