Analyse d’affaires, la meilleure intelligence d’affaires?

Commentaire de W. Seybold et T. Martens, Cubeware, Partie 1 Analyse d’affaires, la meilleure intelligence d’affaires?

 Le | Auteur / Editeur: Wolfgang Seybold et Thomas Martens * / Nico Litzel
Il y a une ruée vers l’or sur la scène informatique mondiale. Ce n’est rien de moins que l’avenir. Pour être précis, l’avenir est inscriptible et prévisible. Carburant: données. L’idée: opérer la corrélation des données et la reconnaissance de formes au plus haut niveau à l’aide d’outils d’analyse basés sur des algorithmes.

Entreprises sur le sujet


Si la Business Intelligence a toujours un lien clair avec les thèmes informatiques classiques, tels que l’intégration et la gestion des données, Business Analytics penche de plus en plus vers une évaluation réelle par des utilisateurs spécialisés.
(Image: Cubeware)

2012 a été une année importante pour Barack Obama. Il a été réélu en tant que premier président noir des États-Unis. Cela n’a pas semblé bon pour le démocrate pendant longtemps. Son rival républicain, Mitt Romney, a pu marquer avec les électeurs dès le début de la campagne. Au final, le résultat était clair. Obama a pu entamer sa deuxième législature.
Obama n’aurait pas dû s’inquiéter. Le résultat était déjà connu d’avance, du moins si l’on avait cru aux analyses du statisticien et auteur américain Nate Silver. Silver a dit dans son Blog “FiveThirtyEight” dans le New York Times, il a correctement prédit les résultats pour les 50 États et le district de Columbia.

Artiste de données à bord

Calcul de probabilité au plus haut niveau. Peut-être qu’Obama n’a tout simplement rien montré et était secrètement heureux du succès de son élection. Ce serait concevable, car lui-même, avec Rayid Ghani à la tête de son équipe de campagne, dépendait d’un statisticien et d’un artiste de données renommé. La tâche était d’identifier les électeurs (groupes) potentiellement indécis sur la base d’une analyse approfondie des données, puis de les sensibiliser aux problèmes de la campagne d’Obama et d’obtenir ainsi des succès électoraux dans les États dits en mutation.
Pour cela, les thèmes centraux respectifs ont été déterminés, les coûts du travail de persuasion ont été calculés puis des instructions d’action spécifiques ont été envoyées aux équipes de campagne, coordonnées de manière optimale avec les différents canaux de communication et surtout le budget de la campagne.
Ce que les stratèges de campagne d’Obama et le statisticien Silver ont accompli se reflète dans la scène informatique, en particulier dans le domaine de l’intelligence d’affaires, dans le terme d’analyse commerciale. Beaucoup parlent déjà de l’analyse commerciale comme de la nouvelle et meilleure intelligence d’affaires. Qui peut leur en vouloir si cela rend non seulement l’avenir prévisible, mais même influent?

Deux faces d’une même pièce

Qu’est-ce que la Business Intelligence? Selon le Business Application Research Center (BARC pour faire court), la Business Intelligence est la “collecte, le traitement et l’analyse de données critiques basées sur des logiciels […], [welche auf] Amélioration continue des performances de l’entreprise dans tous les processus essentiels. [abzielt]”
En particulier, les termes collecte et traitement indiquent la nature informatique de AVEC UNSystèmes Il s’agit de l’extraction des données des systèmes d’exploitation et de la préparation et du stockage de ceux-ci dans l’entrepôt de données et les systèmes OLAP. Ce n’est que lorsque cette base de données a été sécurisée que les données peuvent être évaluées.
Aujourd’hui, les solutions de BI offrent une variété de méthodes pour accéder aux données, à commencer par celles interactives. Planches sur diverses options d’affichage et de navigation jusqu’à présent et des rapports normalisés basés sur les événements.
Si vous suivez la définition de la maison d’analystes Gartner, l’intelligence d’affaires est “un terme large qui inclut les applications, l’infrastructure et les outils, ainsi que les meilleures pratiques qui permettent l’accès et l’analyse des informations pour améliorer et optimiser décisions et performances. ” Ici aussi, le concept d’infrastructure met en évidence l’interaction des solutions BI avec d’autres systèmes sources.

La BI mobile est de plus en plus importante

Cette concentration sur l’architecture informatique dans son ensemble s’est accrue au cours des deux dernières années en raison de l’importance croissante de l’accès aux données mobiles dans les systèmes de BI. Surtout parce que les appareils mobiles, tels que les tablettes et les smartphones, ne sont plus réservés uniquement aux salles de conseil, mais ont pénétré partout dans les processus commerciaux existants.
Im Unterschied hierzu définit Gartner Business Analytics comme Oberbegriff pour „les solutions utilisées pour construire des modèles d’analyse et des simulations pour créer des scénarios, comprendre les réalités et prédire les états futurs. L’analyse commerciale comprend l’exploration de données, l’analyse prédictive, l’analyse et les statistiques appliquées, et est fournie comme une application appropriée pour un utilisateur professionnel. ”
Si la Business Intelligence a toujours un lien clair avec les thèmes informatiques classiques, tels que l’intégration et la gestion des données, Business Analytics penche de plus en plus vers une évaluation réelle par des utilisateurs spécialisés. L’accent est de plus en plus mis sur l’exploration des données. Les utilisateurs spécialisés doivent bénéficier d’un accompagnement spécifique dans leur travail et être capables de résoudre les problèmes indépendamment de l’informatique et sans connaissances en programmation à l’aide des outils.
À première vue, ce n’est pas nouveau. Les solutions BI proposent également des outils de visualisation et d’exploration orientés utilisateur sous la bannière de la BI en libre-service. La différence réside dans l’intérêt pour la connaissance. Si l’intelligence d’affaires se caractérise principalement par des données rétrospectives, l’analyse commerciale s’intéresse à l’interprétation des développements futurs. Les questions “Que s’est-il passé dans le passé?” (Analyse descriptive) et “Pourquoi est-ce arrivé?” (Analyse diagnostique) sont répondues par les questions “Que va-t-il se passer dans le futur?” (Analyse prédictive) et “Quelles sont les étapes? Nécessaire pour atteindre les objectifs?” (Analyse prescriptive) remplacés.

Le monde des algorithmes.

Mais qu’y a-t-il derrière la boule de cristal? Le terme «analyse» vaut le coup d’œil. Le terme analyse est lui-même un terme collectif désignant diverses technologies, applications et méthodes dans les domaines de l’exploration de données, des statistiques et de la recherche opérationnelle. Le point commun à toutes ces méthodes est leur cartographie à l’aide d’algorithmes dans les systèmes informatiques. Le but de ces algorithmes est d’acquérir de nouvelles connaissances et de générer de nouveaux ensembles de données basés sur les données existantes – l’exploration de données du futur.
La grande attention actuelle est due aux méthodes analytiques (algorithmes) notamment lorsqu’il s’agit de big data. Du fait que de plus en plus de données sont disponibles pour les entreprises, une évaluation manuelle de ces bases de données n’est plus une option. Dans le même temps, ce potentiel de données attire avec la promesse de fournir de nouvelles informations et de créer ainsi une valeur ajoutée pour les entreprises. La disponibilité automatisée de ces résultats à l’aide d’algorithmes est le grand espoir.
Cela nécessite de nouvelles technologies et méthodes pour identifier les informations pertinentes à partir de grandes quantités de données et prendre des décisions durables. Parfois, des méthodes de Visualisation de données il ne suffit pas de permettre aux utilisateurs de dériver des actions pertinentes pour la décision à partir d’une simple visualisation. Pour cette raison, l’utilisation d’algorithmes jouera un rôle de plus en plus important à l’avenir en reconnaissant des modèles et en dérivant des actions orientées vers l’avenir sur une quantité croissante et existante de données.

Soutenir et optimiser les processus décisionnels.

L’objectif de la veille économique et de l’analyse commerciale est donc le même: les deux approches veulent accompagner et optimiser les processus de décision. Par conséquent, la différence décisive ne réside pas dans l’objectif, mais dans la méthodologie ou l’approche. Par conséquent, les deux disciplines semblent être de nature plus complémentaire qu’opposée. Cette interaction peut être comprise à l’aide de l’exemple de la campagne électorale d’Obama.
Selon Rayid Ghani, l’équipe de campagne a d’abord eu du mal avec des données médiocres. Contrairement à l’Allemagne, il n’existe pas de bureau central d’enregistrement des résidents des États-Unis par l’intermédiaire duquel une liste de tous les électeurs éligibles peut être obtenue. Au contraire, le détournement devait se faire au moyen de listes électorales publiques, qui manquaient souvent de la qualité de données souhaitée. Par conséquent, il peut arriver que la même personne apparaisse dans trois pays différents en même temps. Par conséquent, les données devaient être soigneusement nettoyées.
Dans l’étape suivante, des équipes dites de quartier ont été recrutées parmi les bénévoles et les donateurs, qui devaient sélectionner et interroger les électeurs potentiels sur leurs réseaux personnels. Il s’agissait en particulier de connaître les opinions politiques respectives et l’histoire personnelle des élections et de découvrir dans quelle mesure la personne est ouverte aux arguments et aux tentatives de persuasion sans se sentir contrariée. Un entrepôt de données a été rempli de données nouvellement collectées et de stocks historiques des années électorales précédentes, qui ont servi de base aux futurs modèles de données et aux activités d’analyse.

Une base de données valide est obligatoire

Ici, vous pouvez voir une séquence chronologique dans l’activité d’analyse, qui est cohérente avec des milliers de projets d’entreprise, mais qui se perd dans le discours actuel sur des sujets tels que le Big Data et l’analyse avancée: tout d’abord, une base de données valide doit être garantie avant que des approches analytiques complexes peuvent être mises en œuvre.
Dans une seconde partie, W. Seybold et T. Martens expliqueront pourquoi ce n’est pas la taille des données qui est le critère décisif pour obtenir des connaissances, mais l’utilisation des bonnes données et des bonnes questions.
* Wolfgang Seybold est PDG de Cubeware Group et Thomas Martens Vice-président du marketing produit chez Cubeware GmbH.

Publier un commentaire

0 Commentaires