En quoi un projet de Business Intelligence est-il spécifique ? et comment le Lean-Agile est-il applicable à ce type de sujet ? Quelques éléments de réponse avec le cabinet Kraft Inside

1. kraft me up #3
Un projet Business Intelligence en Lean-Agile ?
Un projet DATA en 2020

2. QU’EST-CE QU’UN PROJET BUSINESS INTELLIGENCE (BI) ?
• A la différence des autres projets I.T., le domaine de la Business Intelligence (B.I.) est adressé différemment
• centré sur les acteurs
• doit reproduire le schéma de management de l’organisation
• garanti le niveau d’accès à l’information
• La B.I. c’est aussi :
• Des sources hétérogènes d’information
• Un identification du « sens Métier » de l’information
• Des mesures et des dimensions d’analyses
• Une vision en mode « rétroviseur » avec des K.P.I. (Key Performance Indicators)
• Donner une vision de ce qui est passé
• Une vision en mode « G.P.S. » avec des O.K.R. (Objectives Key Results)
• Donner les moyens aux équipes de prendre les bonnes décisions pour atteindre les objectifs fixés
• Suivre l’avancement sur les objectifs
• Permettre d’aligner les objectifs opérationnels avec les objectifs stratégiques

3. QU’EST-CE QU’UN PROJET BUSINESS INTELLIGENCE (BI) ?
• Si tous les contextes d’usage sont différents, il reste néanmoins une colonne vertébrale, des briques
fondamentales typiques des projets B.I.
• Nous pourrions les représenter comme ceci :
• Entre 2010 et 2020, le domaine de la B.I. a subit une révolution technologique importante
• Ce nouveau contexte influence la manière de livrer les données aux utilisateurs et apporte de
nouveaux cas d’usage
Extraction
Déversement
Transformation Stockage
Persistance
Modélisation
Affinage
Rapports B.I.
Data
visualisation
Collecte API

4. VOUS AVEZ DIT LEAN-AGILE ?
• Bien que la B.I. soit le domaine de prédilections des spécifications fonctionnelles, générales, détaillées et
techniques, nous pouvons utiliser les pratiques Agiles pour repenser notre manière de faire
• La clé de voute d’une stratégie DATA & Agile, est un puit de données, qui sera construit pour des besoins
qui ne sont pas encore identifiés
Puit de
données
Source 1
Source 2
Source 3

5. VOUS AVEZ DIT LEAN-AGILE ?
Vision
OK, nous avons lancé l’entreposage des données brutes
• Nous pouvons désormais travailler sur la vision, et les objectifs attendus par les utilisateurs.
• Sur la base d’une vision « Métier » les différents chantiers techniques nécessaires à la mise en œuvre de
ces fonctionnalités peuvent être lancés (ce sont les « Enablers »)
• C’est le rôle du Product Owner d’être responsable de la Backlog des enablers et des fonctionnalités
• La priorisation de cette backlog est un élément clé, et essentiel de valeur ajoutée
Puit de
données
Source 1
Source 2
Source 3
Backlog
Fonctionnalités
Enablers
Fonctionnalités

6. VOUS AVEZ DIT LEAN-AGILE ?
• En utilisant la backlog priorisée, l’équipe organise son travail de réalisation
• L’objectif est de travailler en mode « petit-paquet + Démonstration du Résultat » ,
autrement dit « small batch & demo »
• Cela permet :
• de réaligner les objectifs, ou les chantiers de réalisation si besoin
• Impliquer les utilisateurs dans la solution naissante, ils peuvent se projeter dans la futur utilisation
• Faire naître des idées en chemin, en discutant ensemble
Backlog
Fonctionnalités
Enablers
Fonctionnalités
Disponibilité
immédiate des
fonctionnalités
DEMOduRESULTAT
DEMOduRESULTAT
DEMOduRESULTAT
DEMOduRESULTAT
Itération 1
15 jours
Itération 2
15 jours
Itération 3
15 jours
Inspection
Adaptation
15 jours

7. SOCLE & FONDATION, BUSINESS INTELLIGENCE , A.I.
Puit de
données
Source 1
Source 2
Source 3
ENTREPOSAGE
DATA
OPTIMISEE
Itération 1 Itération 2 Itération 3
ENTREPOSAGE
DATA
OPTIMISEE
Itération 4
Tableaux
de bord /
DashBoar
d
Backlog
Fonctionnalités
Enablers
Fonctionnalités
• La vision est donnée, le besoin final
n’est pas cadré dès le début du
projet
• Définition du contexte utilisateur
• Définition de la valeur attendue
• Une fonctionnalité est développée,
et directement livrée pour utilisation
• L’objectif est d’apporter de
l’innovation et des idées, au fur-et-
a-mesure
Machine
Learning
Prédictif

8. EN RESUME
• Un « projet B.I. » peut totalement se penser en terme de Production de Valeur par la DATA
• Cette solution repose sur un socle technique, qui doit être adaptable, évolutive, scalable
• L’architecture technique s’adapte aux différentes fonctionnalités
• Les fonctionnalités sont listées dans la backlog du Product Owner
• Ces fonctionnalités sont priorisées, adaptées, annulées, au fur-et-à-mesure
• Le périmètre fonctionnel s’est adapté aux véritables attentes des utilisateurs, grâce aux Démos
• Les coûts sont maîtrisés par un budget capacitaire linéaire et constant.