Qu’est-ce que l’intelligence d’affaires ? Le guide ultime RevOps

Les deux s’appuient sur le big data et des techniques avancées d’exploration de données pour extraire des informations essentielles et les présenter dans une vue d’ensemble. Les deux présentent généralement les données de façon compréhensible via un tableau de bord interactif et sont structurées pour rendre lisible le chaos apparent d’une grande entreprise où les activités se multiplient dans tous les sens.

La différence, c’est le facteur temps. L’analyse d’entreprise est une méthode utilisée pour effectuer des projections fiables censées se vérifier dans le futur, tandis qu’une bonne informatique décisionnelle consiste à voir ce qui se passe maintenant, immédiatement. Tandis qu’une bonne analyse réalisée il y a trois mois vous disait à quoi vous attendre pour les ventes ce trimestre, la bonne informatique décisionnelle vous informe si vous atteignez réellement ces objectifs ou vous signale les écarts éventuels.

Cela vous permet de détecter des problèmes mineurs tant qu’ils le sont encore, au lieu de vous retrouver à vous interroger à la fin de l’exercice fiscal sur les raisons pour lesquelles vous n’avez atteint que la moitié des objectifs projetés. L’enjeu est tel que le Département de l’Intérieur aide actuellement les petites entreprises à mettre en place leurs propres outils BI.

Pour mieux comprendre la place de l’informatique décisionnelle dans votre entreprise, pensez au nombre d’entreprises qui cherchent actuellement à recruter et à garder de bons éléments. Vos analyses RH prévoyaient que dépenser 100 000 $ en recrutement vous permettrait d’embaucher 110 % de l’effectif nécessaire cette année, et que 9 % environ ne feraient naturellement pas l’affaire, quelle qu’en soit la raison, vous laissant entièrement dotés. Vous investissez donc, passez vos annonces et menez plusieurs tours d’entretiens et de recrutements. Or, à la fin de l’année, vous vous retrouvez en sous-effectif, obligé de refuser des missions car vos salariés restants font déjà des heures supplémentaires. Que s’est-il passé ?

Il s’avère que votre bureau était trop froid et qu’un certain nombre de personnes ont démissionné car elles n’appréciaient pas l’ambiance. Oui, cela semble stupide, mais parfois la réalité est aussi simpliste. Vous ne vous en êtes cependant rendu compte que le 15 avril, car tout l’hiver, vous vous fondiez sur le modèle analytique au lieu de suivre l’attrition en temps réel et de mener des entretiens de départ approfondis pour savoir pourquoi vos employés de bureau – mais pas les techniciens de terrain – quittaient l’entreprise. Cela met en lumière certains des plus grands défis de l’informatique décisionnelle auxquels les organisations sont aujourd’hui confrontées.

Les entretiens de départ sont une forme très simple de collecte d’informations pour l’informatique décisionnelle. Si vous les utilisiez, et si vous disposiez de bons outils pour faire remonter ces informations jusqu’à la direction, vous auriez pu ajuster le thermostat en septembre et économiser 50 000 $ en recrutement l’an prochain. Dans cet exemple, les exemples d’informatique décisionnelle vous révèlent ce qui se passe en temps réel, au fur et à mesure, et pourquoi la réalité diverge de vos prévisions.

Types d’outils BI

Il ne s’agit là que d’un exemple très simple de retour d’information en temps réel se traduisant par des changements concrets pouvant vous faire économiser une fortune. L’informatique décisionnelle moderne a largement dépassé le stade basique du « questions-réponses » des entretiens de départ, et bien sûr, l’autre face de la médaille, c’est le reporting efficace. Tous les bénéfices de l’informatique décisionnelle réunis ne servent à rien si leurs conclusions ne parviennent pas à ceux qui peuvent agir. 

Les outils d’informatique décisionnelle que vous utilisez pour recueillir et présenter les données varieront selon le secteur dans lequel vous œuvrez, le type d’indicateurs qui vous intéressent et, honnêtement, votre niveau de familiarité avec la technologie. Il est très tentant d’investir dans le dernier tableau de bord big data capable d’assurer le suivi seconde par seconde de votre stock alors qu’il transite par des entrepôts situés sur trois continents, mais si vous n’êtes pas capable de lire les résultats, vous continuez à tâtonner. Voici quelques-unes des méthodes les plus populaires pour accéder à l’informatique décisionnelle : aussi bien pour la collecter que pour l’analyser de façon réellement pertinente.

Tableurs

Lorsque je parle de tableurs, vous pensez sûrement d'abord à Microsoft Excel et Google Sheets, et vous n'avez pas tort. Les tableurs classiques sont des outils incroyables pour afficher d'énormes quantités de données, d'une évolutivité infinie, dans un format graphique simple. Besoin de suivre 50 éléments à la fois ? Ajoutez des colonnes. Vous collectez des données de 15 sources différentes ? Ajoutez des lignes. Vous voulez passer du suivi des commissions sur les ventes, au suivi du personnel, aux coûts indirects et au prix que vous payez pour le fil de cuivre ? Ajoutez quelques onglets et travaillez dans un seul document. 

Vous voulez savoir quel est le rendement moyen des fils de cuivre que vous achetez, réparti par chacune des 37 lignes de produits que vous vendez et qui les utilisent ? C'est simple. Indiquez juste le prix du fil dans la colonne A, la quantité utilisée par produit dans la colonne B, ajoutez des lignes pour chaque produit, et demandez à l'assistant informatique de calculer une moyenne dans la colonne C pour chaque ligne. Ensuite, exportez cela à votre responsable logistique pour qu'il vous explique ce que vous regardez.

Les premiers tableurs étaient de grands cahiers en papier sur lesquels il fallait gribouiller avec une plume ou autre. Plus tard, ce furent des programmes à sauvegarder sur votre ordinateur et à copier physiquement sur des disquettes (ah, le bon vieux temps). Aujourd'hui, tout est dans le cloud, et vous partagez vos tableurs en temps réel avec les personnes concernées au sein de l'entreprise. Il suffit de se connecter, de saisir les chiffres ou de consulter les données actualisées du matin, et vous maîtrisez officiellement les chiffres qu'il vous faut.

Logiciels de reporting

Le logiciel de reporting est un cran au-dessus des tableurs cloud pour le suivi de l'intelligence économique. Comme les tableurs, ces programmes offrent une manière pratique et intuitive de surveiller les indicateurs qui comptent pour vous, mais sur un système construit autour de vos besoins plutôt que sur un tableur modifié. Certains de ces outils sont d'authentiques monstres voraces en données. L'un d'entre eux, datapine, permet à tous les membres de votre entreprise d'intégrer des données provenant de n'importe quelle division ou poste, de tout rassembler en catégories et d'afficher l'ensemble comme vous le souhaitez. 

Vous pouvez même passer en mode SQL et effectuer vos propres requêtes personnalisées, ou simplement laisser l'interface utilisateur ultra-performante s'en charger à votre place. Vous devrez éventuellement télécharger l'application pour personnaliser l'interface, sinon ce n'est pas possible, mais autrement, c'est comme si vous aviez Spock comme officier scientifique, passant en revue les données pertinentes et accélérant votre prise de décision grâce à un logiciel BI mobile.

For the next generation of CROs

Join our newsletter for trends, tips, and tools to help you tackle today's challenges and prepare for the future of GTM.

Sign up with LinkedIn

Or sign up with email:

Name

This field is for validation purposes and should be left unchanged.

Name*

First name Last name

Business email*

This field is hidden when viewing the form

Free Account Module

Bottom BarLanding PageFooterInlinePop UpSidebarSSO

LinkedIn profile

Seniority*

Select an optionExecutive / C-suiteVPDirectorManagerIndividual ContributorOther

Company's AI adoption maturity*

Select an optionExploring opportunitiesRunning pilotsScaling adoptionEmbedded in the business model

Logiciels de visualisation de données

On monte encore d'un cran. Le logiciel de visualisation de données ressemble aux logiciels de reporting, mais il ne vous considère pas toujours comme la personne la plus intelligente du monde. Les bons outils de visualisation sont essentiellement des systèmes de reporting et des applications qui disposent d'une équipe de conception talentueuse, vraiment investie dans la qualité du rendu et dans l'interface, afin de rendre l'intelligence économique la plus compréhensible possible.

Disons que vous avez une montagne de données issues de fournisseurs, de partenaires, des retours clients, de régulateurs gouvernementaux et de votre équipe financière. Selon leurs analyses prédictives, il serait judicieux de contracter un prêt pour acheter du cuivre avant la hausse des prix, puis de rembourser les intérêts grâce à l'argent gagné sur vos cafetières musicales. Mais, en affichant toutes ces données sur un outil comme Tableau, vous constatez que les ventes sur Amazon sont lentes, que la hausse des taux d'intérêt vous impose un rythme de remboursement difficile, et que des rapports de ventes plus rigides que d'habitude freinent la conclusion des affaires, ce qui laisse supposer un déclin de votre clientèle.

Avec toutes ces informations affichées sur la page d'accueil de votre tableau de bord, vous dites à la finance d'oublier le prêt, à la logistique de chercher un cuivre moins cher, au service commercial de définir de nouveaux objectifs et à la R&D de revoir sa copie, peut-être en ajoutant une horloge digitale sous la cafetière. Vous avez pris toute une série de décisions stratégiques, toutes basées sur un aperçu de votre entreprise que vous n'auriez pas eu sans une visualisation pertinente et relationnelle de données capitales venant de plusieurs sources. Voici quelques-uns des meilleurs outils pour cela :

• Google Charts
• Tableau
• Grafana
• Chartist
• FusionCharts
• Datawrapper
• Infogram
• ChartBlocks

Traitement analytique en ligne (OLAP)

C'est plutôt impressionnant, vous dites-vous, mais comment savoir quelles données regarder au départ ? N'est-ce pas une question de "déchet en entrée, déchet en sortie" ? Qui décide des données pertinentes pour la prise de décision et de celles qui ne le sont pas ?

C'est là que le traitement analytique en ligne entre en jeu. Imaginez l'OLAP comme un chercheur humain intelligent, qui ne dort jamais et qui sait exactement où aller pour trouver l’information pertinente. Peu importe le type d'organisation que vous dirigez, vous stockez probablement des informations issues de multiples sources, telles que des retours directs, du trafic web, des systèmes internes, des données de vente, etc. Un bon outil OLAP parcourt ces sources et les intègre à votre logiciel de visualisation ou de reporting de données, adoptant une approche big data pour l'analyse et le suivi en temps réel. C’est un peu comme si un expert de chaque domaine vous appelait chaque jour pour vous dire ce qui se passe.

Fouille de données

Les outils de fouille de données complètent votre OLAP en récupérant à la source les données brutes nécessaires. Imaginez les applications de fouille de données comme les agents sur le terrain. Lorsque votre système OLAP (le Lieutenant) demande à ses enquêteurs d’aller faire quelques interviews, ce sont les programmes de fouille de données qui enfilent leur imperméable, prennent leur carnet de notes et commencent à poser les bonnes questions.

Votre OLAP doit-il regrouper des données de ventes, d’études de marché ou de stocks ? C’est votre logiciel de fouille de données qui va directement puiser dans ces bases : chiffres de ventes réels, réponses des questionnaires clients, informations sur la rotation des produits en entrepôt. Avant de pouvoir prendre des décisions intelligentes, basées sur les données, il vous faut justement ces données. La fouille de données est l’un des outils BI qui travaille discrètement en arrière-plan pour fournir à vos autres systèmes d’intelligence d’entreprise les informations brutes dont ils ont besoin pour fonctionner. 

Avantages de l’intelligence d’affaires

Les solutions d’intelligence d’affaires présentent de nombreux avantages. Même après avoir passé en revue les composantes de l’apprentissage automatique et divers outils BI, vous n’êtes peut-être pas encore convaincu de leur utilité. Et je ne nie pas qu’il existe des défis à l’implémentation de la BI. Mais à mon avis, les avantages surpassent largement les inconvénients.

Alors pourquoi l’intelligence d’affaires est-elle si importante, et pourquoi est-elle indispensable même si vous disposez déjà d’analyses prédictives et d’un bon esprit d’analyse ?

Voici quatre raisons :

Une vue globale

Avant tout, une bonne intelligence d’affaires vous offre une vision d’ensemble de la situation. Vous êtes le patron, souvenez-vous : vous avez besoin de voir la totalité du tableau. Avant, cela signifiait soit prendre du recul et perdre de vue les détails, soit plonger dans le détail et rater la vue d'ensemble. Les outils BI en libre-service vous montrent les détails dans leur contexte, de sorte que vous avez presque intuitivement connaissance de la situation générale.

Efficacité organisationnelle accrue

Les différentes parties de votre organisation doivent communiquer entre elles pour accomplir quoi que ce soit. Les rencontres fortuites dans le couloir ne suffisent pas pour le partage d'information dans une entreprise moderne, et même les réunions structurées n’ont qu’un intérêt limité. L’intelligence artificielle embarquée dans les applications BI utilise l’apprentissage automatique pour réunir les données pertinentes et les transmettre à ceux qui en ont besoin. Les gains d’efficacité parlent d’eux-mêmes. 

Des décisions orientées par les données

L’intuition a sa place en affaires, et vous la maîtrisez sans doute, mais sans données, c’est du hasard. Les décisions fondées sur les données commencent effectivement par des données, et tout l’intérêt d’un logiciel d’intelligence d’entreprise, c’est de vous fournir ces données de façon claire et exploitable. Savoir précisément ce que vous faites au jour le jour constitue un atout concurrentiel certain face à vos rivaux.

Expérience client améliorée

Les solutions BI peuvent se montrer redoutablement intelligentes, et cela se manifeste dans leur capacité à résoudre des problèmes avant même qu’ils n’apparaissent. Une gestion intelligente des ventes, du marketing, de la chaîne d’approvisionnement, des systèmes de livraison—peu importe le service—œuvre de concert pour anticiper et désamorcer les réclamations clients potentielles. Cependant, il est important de comprendre les inconvénients de la BI avant de se lancer. Il se peut que votre système BI ait signalé un problème avec votre interface web il y a plusieurs mois, et en le réglant rapidement, vous avez empêché des milliers de visiteurs d’avoir une mauvaise expérience et de déposer des plaintes.

3 étapes vers l’intelligence d’affaires

Une fois que vous comprenez les étapes de l’intelligence d’affaires, il devient plus facile de définir ce qu’il faut automatiser. Voici les étapes classiques :

Étape 1 : la collecte de données

Vous pouvez obtenir des données à partir de multiples sources. Commencez par planifier l’alimentation de votre logiciel BI avec des informations recueillies auprès du plus grand nombre de sources possible. Les bonnes données d'entreprise peuvent provenir de :

• Enquêtes, questionnaires, sondages, etc. 
• Chiffres de ventes
• Logiciels de gestion d’inventaire
• Compteurs intelligents
• Indicateurs de performance
• Scans IBM POS et autres systèmes sur le terrain
• En fait, toute autre chose à laquelle vous pouvez penser 

Étape 2 : Analyse des données

Les data scientists ont besoin de données, et une fois en leur possession, ils doivent comprendre ce qu’ils observent tout en faisant face aux défis courants de l'intelligence d'affaires (BI). Pas besoin d’une équipe d’analystes pour gérer des tâches relativement simples, comme la paie sur une feuille de calcul, mais pour tout ce qui dépasse ce qu’on peut tenir dans un grand-livre, il faut opter pour de bons outils d’analyse comme ceux listés ci-dessus. Vous pouvez également envisager une formation, comme suivre un cours d’intelligence d’affaires.

Étape 3 : Présenter les données

Rendu, rendu, rendu. Pour pouvoir interpréter ce que vous avez, il faut pouvoir le lire sous une forme compréhensible dès le départ. Choisissez un bon outil de visualisation de données adapté aux environnements professionnels actuels. Les infographies sont excellentes pour cela, tout comme les graphiques et diagrammes classiques. À vous de choisir — de bons outils d’analyse proposent d’ailleurs différentes options de visualisation.

Tout rassembler

En résumé, qu’est-ce que l’intelligence d’affaires ? C’est l’ensemble des outils d’analyse des données que vous utilisez pour comprendre l’entreprise moderne que vous dirigez et pour prendre des décisions avisées sur la marche à suivre. S’abonner à la newsletter de l’équipe RevOpsTeam est aussi une excellente décision — à prendre dès maintenant pour rester informé des dernières techniques, des nouveaux outils et des tendances qui permettront à votre marque de gagner l’avantage concurrentiel nécessaire à sa réussite.