Business Intelligence :
Les entreprises
européennes sont-elles
prêtes pour le Big Data ?
è www.steria.com/fr
Un Rapport St...
Business Intelligence :
Les entreprises européennes sont-elles prêtes pour le Big Data ?
Enquête européenne biMA®
2012/13
...
Avant-propos	 5
		Executive Summary	 7
		Objectif, méthodologie et démographie	 17
	 	La qualité des données demeure le pr...
è www.steria.com/fr04 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ?
Avant-propos
Le débat sur le Big Data a de nouveau propulsé la
­Business Intelligence (BI) au premier rang des priorités d...
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 p...
Les entreprises abordent le sujet de la BI de
manière beaucoup plus pointue qu'en 2004,
année de réalisation de la premièr...
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 ...
24 %
3.
Il existe une demande croissante pour les
­spécialistes des données sur le marché. En effet,
de plus en plus d’exp...
83 %
4.
Dans 83 % des entreprises questionnées, la
BI est principalement utilisée pour prendre
en charge le reporting inte...
5.
28 %
Seules 28 % des entreprises interrogées ont mis en place une stratégie
de BI. Il s'agit d'une exigence essentielle...
6.
(30 %)
Les besoins en BI les
plus importants pour
l'avenir incluent les
fonctions BI en libre-
service (51 %) et les
mé...
7.
Outre les importants volumes de données
(Volume), le Big Data concerne aussi les
différentes données non structurées et...
Il est intéressant à cet égard de constater que
les utilisateurs hors DSI attendent plus du Big
Data que les départements ...
Plusieurs freins majeurs empêchent aujourd’hui la
transition du niveau 3 de maturité de la BI (Intégration
des information...
Définition et objectif
La Business Intelligence (BI) a un rôle bien
établi dans le monde des technologies de
l'information...
Figure 1 : répartition par pays (n = 668) Figure 2 : répartition par secteur (n = 668)
668
Comme pour les études précédent...
Figure 3 : taille de l'entreprise (nombre d'employés) (n = 580)
Figure 4 : taille de l'entreprise (chiffre d'affaires annu...
0 %	 20 %	 40 %	 60 %	 80 %	 100 %
Figure 6 : budget de BI total par taille d'entreprise (nombre d'employés) (n = 459)
Fig...
La qualité des données demeure
le principal défi, la tendance du Big
Data n'est pas encore arrivée
Ces dernières années, l...
Tableau 1 : les challenges les plus importants pour la BI en fonction du volume de données (n = 474)
43 %
41 % 41 % 44 %
3...
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 p...
L'étude des difficultés en termes de volume
total de données de l'environnement de
BI révèle des corrélations intéressante...
Figure 9 : volume total de données de l'environnement BI (n = 282)
Figure 10 : pertinence du Big Data (échelle de 1 à 5) e...
(3,26 contre 2,97 pour le département
informatique) et le Big Data (2,83 contre
2,66 pour le département informatique). La...
Le modèle traditionnel
d'intégration physique
de toutes les données
au sein d'une « source
unique de vérité » est
toujours...
Figure 12 : étude et audit biMA®
et modèle biMM®
Le modèle de niveau de maturité en
quelques mots - biMM®
Le concept de mo...
Figure 13 : vue d'ensemble du Modèle de maturité de la Business Intelligence (biMM®
)
L'utilisation de biMM®
comme cadre
d...
Fonctionnalité
La « fonctionnalité » tient compte du type,
du périmètre et de la qualité des informations
fournies par les...
Figure 14 : niveaux de maturité dans le volet « fonctionnalité »
Les initiatives de BI avec une intégration
stratégique et...
Organisation
Les aspects de l'organisation structurelle
et des processus ainsi que la gouvernance
nécessaire à l'exploitat...
Figure 15 : niveaux de maturité dans le volet « organisation »
émanant des départements métier.
Le niveau 5 concerne l'Org...
Le volet « technologie » met l'accent sur la
qualité et la flexibilité de l'architecture. Il
se concentre, en outre, sur l...
Figure 16 : niveaux de maturité dans le volet « technologie »
par intégration logique) se concentre sur
la flexibilité. En...
36 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
Figure 17 : niveaux de maturité dans les trois volets par pays et total (n = 480)
Maintien du statu-quo des niveaux
de mat...
Figure 18 : répartition des niveaux de maturité dans les trois volets (n = 480)
La plupart des solutions BI présentes au s...
Figure 19 : niveau de maturité dans les trois volets - comparaison 2004, 2006, 2009 et 2012/13 	
	 pour la région DACH (n ...
Figure 20 : niveaux de maturité par secteur (n = 480)
	 Industrie	Banque	 Energie	Distribution	 Télé-	 Transports	Services...
Dès 2009, les différences de maturité de la BI par secteur diminuaient
dans les pays germanophones. En 2012, ces différenc...
Dans ces deux champs d'investigation,
près de 50 % des participants n'ont pas
encore atteint le niveau 3 de maturité.
Les ...
Le potentiel fonctionnel des solutions
de BI n'est pas pleinement exploité.
Le volet « fonctionnalité » étudie le
périmètr...
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Steria rapport-bi ma-vfr-2013
Prochain SlideShare
Chargement dans…5
×

Steria rapport-bi ma-vfr-2013

822 vues

Publié le

Publié dans : Business
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
822
Sur SlideShare
0
Issues des intégrations
0
Intégrations
125
Actions
Partages
0
Téléchargements
13
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Steria rapport-bi ma-vfr-2013

  1. 1. Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr Un Rapport Steria avec la collaboration de
  2. 2. Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? Enquête européenne biMA® 2012/13 Auteurs Dr. Carsten Dittmar Senior Manager Volker Oßendoth Principal Consultant Klaus-Dieter Schulze Senior Executive Manager è www.steria.com/fr02 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ?
  3. 3. Avant-propos 5 Executive Summary 7 Objectif, méthodologie et démographie 17 La qualité des données demeure le principal défi 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 Des lacunes toujours identifiables dans l'organisationnel 53 L'avenir appartient aux solutions BI flexibles 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
  4. 4. è www.steria.com/fr04 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ?
  5. 5. 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 numé­rique 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 Manager Group 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
  6. 6. 06 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  7. 7. 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 BI identifie les difficultés et les tendances actuelles et futures. Elle établit aussi la façon dont les entreprises mettent à la disposition de leurs employés des informa- tions pertinentes pour la prise de décision. Avec plus de 650 participants issus de 20 pays diffé- 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 de niveau maturité spécifique à la BI qui est établi et reconnu 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 une évaluation globale de la BI en ­définissant cinq niveaux de maturité de la BI pour les volets «fonction- nel», «organisationnel» et «­technologique». Les cinq niveaux de maturité de la BI ont été définis comme 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) è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 07
  8. 8. 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
  9. 9. 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. è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 09
  10. 10. 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
  11. 11. 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. è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 11
  12. 12. 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. 12 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  13. 13. 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 flexibles et en self-service de la BI et non à une «source unique de vérité». Les environnements BI se transforment en un écosystème cohérent dédié à l'analytique. è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 13
  14. 14. 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. 14 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  15. 15. 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. è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 15
  16. 16. 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 16 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  17. 17. 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 de données afin de contrôler, gérer et planifier le Business et les ventes. è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 17
  18. 18. Figure 1 : répartition par pays (n = 668) Figure 2 : répartition par secteur (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 % Transports 4 % Energie 3 % Télécommunications 7 % Autres 18 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  19. 19. 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. è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 19
  20. 20. 0 % 20 % 40 % 60 % 80 % 100 % Figure 6 : budget de BI total par taille d'entreprise (nombre d'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 20 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  21. 21. La qualité des données demeure le principal défi, la tendance du Big Data n'est pas encore arrivée Ces 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, il est difficile pour les entreprises de planifier leurs opérations de façon fiable et durable et de détecter rapidement les risques et possibilités 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). Ce chapitre identifie les difficultés et les tendances qui non seulement influencent le débat mais sont aussi abordées et mises en œuvre par les entreprises interrogées. Quelles sont les grandes difficultés auxquelles elles sont confrontées en termes 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 1 è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 21
  22. 22. 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'entreprise Manque 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'analyse Rapport coûts/bénéfice non avantageux Fontionnalité insuffisante selon les exigences des utilisateurs Les requêtes en temps réel sont incohérentes Options d'échelle liées à l'augmentation du volume de données Manque 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 difficultés avec les données. 22 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  23. 23. 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 grandes difficultés. 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 5 Pertinence Atteintedesobjectifs 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 agile BI mobile Veille de localisation / veille géographique Big Data Plateforme base de données analytique Analyse visuelle Gouvernance de la BI BI en self-service BI Opérationnelle è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 23
  24. 24. 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 flexibilité ainsi que des fonctionnalités en self-service. 24 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  25. 25. 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 fraudes Prises de décisions automatisées pour des analyses en temps réel Analyse améliorée des parcours de navigation Processus de production améliorés Autres è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 25
  26. 26. (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. 26 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  27. 27. 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 3.81 4.03 3.48 3.40 3.21 3.19 2.77 Aujourd'hui Demain 3.49 3.52 2.77 2.75 è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 27
  28. 28. 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 sont également utilisés pour identifier les implications stratégiques pour les futures actions 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 3,81 4,03 3,48 3,40 3,21 3,19 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 anarchy Decentralised data marts Integrated data warehousing Transparency by logical integration Use case driven architecture Individual single initiative Project BI team BI specific processes Service orientierted BI organisation Functionality Technology Organisation Level 1 Individual Informationen Level 2 Information Silos Level 3 Information Integration Level 4 Information Intelligence Level 5 Information- driven Enterprise 28 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  29. 29. 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 Processus spécifique à la BI Organisation de la BI orientée service Fonctionnalité Technologie Organisation Niveau 1 Informations individuelles Niveau 2 Silos d'informations Niveau 3 Intégration des informations Niveau 4 Veille Niveau 5 Modèle d'entreprise axée sur l'informationbiMM® è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 29
  30. 30. 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. 30 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  31. 31. 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) è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 31
  32. 32. 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 32 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  33. 33. 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 BI NIV 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 è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 33
  34. 34. 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 34 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  35. 35. Figure 16 : niveaux de maturité dans le volet « 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 données Dépôts de données décentralisés Entreposage de données intégré Transparence par intégration logique Architecture orientée cas d'utilisation •• 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 è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 35
  36. 36. 36 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  37. 37. 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 Intelligence Les 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 (voir figure 17). Le volet « 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 (par exemple, définitions des 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 3.4 2.8 3.0 3.0 3.0 2.9 3.0 2.6 2.9 3.1 2.6 3.1 3.2 2.8 3.0 Organisation Technologie è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 37
  38. 38. 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 FonctionnalitéOrganisationTechnologie 38 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  39. 39. Figure 19 : niveau de maturité dans les trois volets - comparaison 2004, 2006, 2009 et 2012/13 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 2.9 3.1 3.2 1.6 2.5 2.9 2.8 2.2 3.0 3.2 3.0 2006 2009 2012/13 è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 39
  40. 40. 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 3.4 2.9 3.0 40 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  41. 41. 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 % Fonctionnalité Niveau 1 Niveau 2 Niveau 3 Niveau 4 Niveau 5 Périmètre OrganisationTechnologie 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 è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 41
  42. 42. 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. 42 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr
  43. 43. 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 4 è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 43

×