Les 5 tendances de la BI de 2019

Par Edouard Beaucourt, Directeur Europe du Sud chez Tableau

Les tendances et technologies émergentes vont façonner le secteur de la BI et ouvrir de nouveaux horizons pour les entreprises. L’année 2018 a été marquée par l’innovation et les améliorations en matière de produits et de services, incitant les entreprises à donner la priorité à une approche moderne de la BI et à réorganiser leur activité pour exploiter tout le potentiel de leurs données.

Pour appréhender sereinement les changements à venir, Tableau a interrogé ses spécialistes, qui restent à l’affût des évolutions du secteur et collaborent avec des milliers d’utilisateurs dans le monde, ainsi que des experts externes de la mise en œuvre de plates-formes BI. Voici nos principales tendances et prédictions pour 2019.

1. L’impact positif des données sur la société

 En plus de leur impact sur les entreprises privées, les données transforment les ONG et les organisations à but non lucratif. Le mouvement Data for good va prendre de l’ampleur à mesure que les organisations prennent conscience des avantages de l’utilisation des données dans leurs initiatives à portée sociale. Pour appuyer cela, Gartner souligne que les mentions du mouvement Data for good sur les plates-formes de réseaux sociaux ont augmenté de 68 % l’an passé, et le public prend de plus en plus conscience de l’impact positif des données sur la société.

Avant, les organismes du secteur public manquaient de ressources pour investir dans des infrastructures de données sophistiquées ou des équipes spécialisées dans les données. Aujourd’hui, grâce à la flexibilité et la rentabilité du cloud computing, les ONG et organisations à but non lucratif peuvent développer des environnements de données sophistiqués sans investir massivement dans des solutions sur site, et ainsi mieux poursuivre leur mission en s’appuyant sur les données. Cette approche a également permis la création de plates-formes dédiées au partage et à la collaboration entre associations, pour permettre à celles-ci de mieux remplir leur mission. Elle ouvre également le dialogue sur les aspects contribuant à renforcer la confiance sur ces plates-formes, notamment l’utilisation responsable des données. Même si chaque projet collaboratif a son lot de défis à relever, le mouvement Data for good illustre le potentiel altruiste du partage de données pour aider chaque organisation à mieux mener ses combats.

2. Les mises à jour des réglementations relatives aux données

Avec l’apparition de réglementations comme le RGPD, les équipes de direction s’interrogent sur l’évolution des pratiques déontologiques en entreprise en matière d’utilisation des données. La confidentialité est un sujet qui va continuer à animer les conversations, notamment à mesure que les utilisateurs prennent conscience des enjeux du partage de leurs données personnelles. En ce qui concerne l’utilisation des données au quotidien en entreprise, il y a deux manières d’aborder la déontologie et la confidentialité :

  1. Les codes de déontologie : bon nombre de professions sont déjà régies par un code de déontologie (avocats, médecins ou comptables, par exemple), mais la prolifération des données pousse les entreprises à réfléchir à la manière d’appliquer ces mêmes principes à leurs pratiques analytiques. Les CDO (Chief Data Officer) participent à la mise en place de tels codes de déontologie pour créer un environnement facilitant la prise de décisions en matière d’infrastructure de gouvernance et de recrutement. À titre d’exemple, l’enquête de 2017 de Gartner sur le rôle des CDO révèle que « le nombre de CDO pour qui la déontologie fait partie de leurs responsabilités a augmenté de 10 points entre 2016 et 2017 ».
  2. Les modifications apportées aux processus métier : un passage en revue en profondeur du cycle de vie des données permet d’évaluer régulièrement la stratégie de gestion des données et de vérifier qu’elle est conforme aux réglementations et aux codes de déontologie internes. Comme le souligne Accenture dans son rapport sur les principes universels de déontologie en matière de données, « les processus de gouvernance doivent être robustes, connus de tous et régulièrement passés en revue » pour s’adapter à la croissance et aux évolutions de l’entreprise.

Les plates-formes BI modernes démocratisant l’analyse de données, de plus en plus d’employés de services différents auront la responsabilité de se conformer aux principes de déontologie. C’est pourquoi la bonne connaissance des données passera par une bonne connaissance des principes déontologiques applicables.

3. La convergence de la gestion de données avec les plateformes BI

Les sources de données étant de plus en plus diversifiées et complexes, et un nombre toujours plus important d’employés s’appuyant sur les données pour prendre leurs décisions, la gestion de données est plus essentielle que jamais. Les entreprises se tournent vers la curation de données, une pratique qui inclut la capture, le nettoyage, la définition et l’harmonisation de données disparates, pour mieux combler l’écart entre les données et leurs utilisations concrètes. Les outils et processus de curation (comme les catalogues de données et la gouvernance sémantique) convergent désormais avec les plates-formes BI pour établir un lien entre les données et le contexte métier et pour garantir une gouvernance adaptée. Les analystes et les utilisateurs de contenu peuvent ainsi vérifier et analyser l’origine de leurs données, et les ingénieurs Data et les responsables des données peuvent mieux contrôler l’impact des modifications apportées aux ensembles de données. Au final, la curation des données va offrir une base solide à l’ensemble du pipeline analytique et aider les utilisateurs à dépasser le cadre de leurs données pour poser des questions plus précises sur leurs activités.

4. Le data scientist: un métier en pleine expansion grâce à la démocratisation des données

D’après une étude menée par LinkedIn en 2017 aux États-Unis, de nombreux nouveaux rôles font leur apparition sur le marché, comme ingénieur de machine learning, data scientist ou ingénieur Big Data. De plus en plus de services et de types d’employés différents utilisent les données, ce qui a permis d’augmenter le niveau de compétences des employés dans ce domaine, de faire évoluer la définition de la data science et de réduire le fossé qui sépare expertise classique et connaissances d’un domaine métier.  Aujourd’hui, les data scientists doivent posséder des connaissances en machine learning comme en statistiques avancées, tout en conservant une approche stratégique du métier et une connaissance approfondie du secteur. Au lieu de simplement présenter des résultats, les data scientists participent désormais à l’application de ces résultats aux problématiques métier. Ils doivent également posséder les compétences nécessaires pour communiquer leurs découvertes à leur direction et collaborer avec les autres utilisateurs pour les aider à utiliser les données. Cette collaboration s’effectue notamment avec des data scientists dont le rôle principal est de générer des modèles en dehors du champ des statistiques, pour développer et tester des hypothèses. Les outils d’analytique en libre-service aident ces différents rôles à mieux comprendre les données pour générer des informations exploitables qui ont un impact fort sur les activités de l’entreprise.

5. Les nouvelles possibilités offertes par la migration des données vers le cloud

Dans le cadre de la modernisation de votre stratégie des données, vous devez réfléchir à leur emplacement de stockage. Pour bon nombre d’entreprise, il s’agit d’envisager leur migration vers le cloud, pour profiter d’une flexibilité et d’une scalabilité accrues, ainsi que d’un coût total de possession réduit. Le cloud permet également de capturer et d’intégrer facilement différents types de données. Comme l’explique Josh Parenteau, directeur de la veille stratégique chez Tableau, « la migration vers le cloud booste l’agilité et offre de nouvelles possibilités d’application de la BI et de l’analytique, ce qui contribue aux efforts de modernisation. » Le concept de gravité des données suggère que les services et les applications sont attirés vers l’emplacement où résident les données. C’est donc tout naturellement que l’analytique va s’orienter vers le cloud, où sont de plus en plus souvent stockées les données. Les équipes de direction se tournent donc vers une approche moderne de la BI, en optant pour une plate-forme capable de gérer une analytique entièrement dans le cloud. Toutes les entreprises ne sont pas encore prêtes à sauter le pas, mais bon nombre d’entre elles testent des solutions hybrides, pour tirer à la fois parti de la diversité des sources de données et des avantages du cloud.

Grâce à une approche modernisée de la stratégie des données, un grand nombre d’entreprises sont prêtes à s’ouvrir à de nouveaux horizons. Les nombreuses opportunités offertes par la démocratisation de la donnée conduisent les entreprises à réorganiser leur fonctionnement afin de pouvoir exploiter leur plein potentiel.

Leave a Reply