Avant de parler projet BI, un petit rappel de définition : la business intelligence (BI), que l’on appelle aussi informatique décisionnelle et parfois decision support system (DSS), consiste à placer un ensemble de ressources technologiques, méthodes et outils informatiques au service de la prise de décision au sein d’une entreprise.
Pour un pilotage “éclairé”, à savoir une approche qui permette réellement à l’entreprise de pouvoir se baser sur des données fiables et des analyses pertinentes pour prendre ses décisions tactiques, stratégiques et opérationnelles, bien encadrer son projet BI est fondamental.
Les fonctions essentielles de la chaîne décisionnelle d’un projet BI
Avant d’explorer les bonnes pratiques pour réussir son projet, il est important de rappeler qu’un projet de business intelligence doit respecter les étapes qui permettent de structurer la chaîne décisionnelle :
- Une phase de collecte / alimentation : les données d’exploitation (internes à l’entreprise) doivent être collectées de manière pertinente par le biais d’un processus ETL (Extract Transport Load), c’est-à-dire récupérées auprès des différentes sources disponibles, filtrées et adaptées en vue d’une utilisation à vocation décisionnelle ;
- Une phase de stockage et de modélisation : les données sont structurées, centralisées et rendues disponibles dans le datawarehouse; ce dernier doit être non volatile, orienté métier, historisé et intègre.
- Une phase de restitution / distribution : il est nécessaire de pouvoir restituer les données et d’en proposer un accès aisé en prenant en compte chaque profil et besoin métier, d’où l’existence des datamarts. Cette étape inclut notamment les rapports, statistiques générés, outils de reporting ad hoc ou de masse, tableaux de bord, outils de navigation dans les cubes OLAP (ou hypercubes)…
- Une phase d’analyse / d’exploitation : à partir des rapports générés et données, l’utilisateur final doit pouvoir analyser les informations et en tirer des conclusions. Cette phase peut inclure du datamining pour explorer d’éventuelles corrélations, des analyses multidimensionnelles, des analyses de performance…
Que signifie “réussir son projet BI”?
Concrètement, un projet BI réussi va permettre d’augmenter les revenus de l’entreprise ou du client, de prendre de l’avance sur la concurrence à différents niveaux, d’optimiser les métiers et processus en interne, mais aussi de faciliter la prise de décision et les choix de gestion tout au long de l’année.
4 étapes importantes pour mener à bien son projet décisionnel
1) Définir ses besoins, objectifs et le périmètre du projet BI
La réussite du projet BI va notamment reposer sur une stratégie clairement définie de l'entreprise. Cela implique d'avoir une vision précise de l'avenir et de pouvoir travailler sur la base d'objectifs réalistes, clairs à court, moyen et long termes, sans oublier la phase d'étude de l'existant.
Cette maîtrise stratégique va permettre d'anticiper et de bien encadrer les délais. La business intelligence doit s'adapter au rythme et aux projections de l'activité, et non l'inverse.
Il est également important à ce stade de bien identifier de quels types d'informations les décideurs, chefs de projet et autres rôles clés vont avoir besoin pour améliorer leur pilotage par la data.
Des indicateurs précis doivent être déterminés en gardant bien en tête le cadre stratégique du projet : la pertinence de ces KPI est fondamentale pour éviter de se lancer à l'aveugle en se basant sur des indicateurs de performance "globaux" ou propres à une industrie.
2) Choisir sa méthodologie, avec la possibilité d'opter pour une approche agile
Agile ou cycle en V? Le choix d'une méthodologie adaptée à la société est indispensable pour la réussite du projet. Il faut notamment prendre en compte la vitesse d'évolution des besoins et des priorités.
Trop souvent, les projets BI sont développés "à part" de la vie de la société, sans en engager toutes les strates impliquées aux différents moments de réflexion et d'implémentation , ce qui fait qu'un décalage aussi chronophage que contre-productif survient. Opter pour une approche agile va alors permettre de gagner en réactivité, d'opter pour des livraisons fréquentes et de limiter les itérations, là où une approche classique va impliquer d'arrêter dès le départ tous les détails du projet.
Pour d'autres acteurs économiques, le projet BI reposera sur une approche plus traditionnelle comme celle du cycle en V.
Quelle que soit la méthodologie adoptée, un processus de gouvernance de la qualité des données doit absolument être mis en place, pour s'assurer notamment que la data est fiable, bien triée et à jour. Une dimension d'autant plus importante que les écarts entre les données peuvent être fréquents.
3) Choisir ses outils de business intelligence et partager son plan d'action
Bien mener son projet décisionnel nécessite des outils BI adaptés, mais aussi des échanges et une formation conséquente des équipes de travail qui vont être impliquées, pour une adoption optimale au sein de l'entreprise : utilisateurs des outils en question, détail des actions à venir, identification des ressources et des infrastructures nécessaires.
Là encore, le chef de projet va jouer un rôle important. Il va notamment contribuer à guider le choix des solutions BI en fonction de la stratégie et des attentes précises de l'entreprise... et non pas l'inverse !
Le plan d'action doit aussi préciser la hiérarchie et les tâches de chacun en matière de suivi et d'implémentation du projet BI.
4) Organiser le reporting et (bien) transmettre l'information
Pour que les personnes en charge des décisions puissent réellement décider, justement, avoir accès à des informations clairement organisées et présentées. Ce n'est pas un caprice esthétique : des tableaux de bord clairs, des diagrammes, des chiffres lisibles et autres formats de reporting vont permettre de s'y retrouver et d'éviter que le projet BI n'aboutisse à un amas de données peu ou mal consultées.
Cela implique plusieurs choses : une perspective à garder en tête lors du choix de l'outil, une formation technique adéquate des personnes amenées à l'utiliser et le consulter, ainsi qu'un design clair qui donne du sens au contenu des rapports.
Par exemple, construire un tableau de bord fonctionnel est une question d'équilibre. Du plus simple au plus complexe (qui va par exemple agréger les données issues d'une multitude de sources, CRM, Google Analytics, ERP, etc.), il doit être suffisamment fourni pour donner accès aux chiffres et informations nécessaires à la prise de décision, sans tomber dans le trop plein de complexité. Pour décider de manière éclairée et passer à l'action, ce type de rapport peut aussi inclure des commentaires, des recommandations pour l'action et une estimation de l'impact de cette dernière.
Au final, cette étape de l'accès à des données pertinentes et organisées est donc crucial, faute de quoi le projet BI ne pourrai déboucher que sur des décisions peu ou mal informées, sur l'absence d'action ou sur des mésinterprétations qui peuvent directement menacer les objectifs recherchés, et avec eux les performances.
Chez Alphalyr, nous mettons la donnée au coeur des problématiques clients. Nous ajoutons aux KPIs classique des données de contexte comme la météo, les opérations commerciales, le carnet numérique, la concurrence, les objectifs. Le contexte est indispensable pour rendre un reporting de ventes actionnable. Chaque matin, chaque manager reçoit un reporting actionnable et personnalisé. Nos reporting off et online permettent à chaque manager de se consacrer aux ventes chaque jour.
Pour en savoir plus, demandez une démo !
