Pratiques, Outils, et Gouvernance de données selon Devoteam

Les entreprises cherchent depuis longtemps à accélerer leurs cycles de conception/production/commercialisation de produits et services (Go-to-Market). Cela entraîne de nombreuses directions et fonctions vers une pro/ré-activité accrue, notamment par l’utilisation d’applications récentes d’analyse et d’aide à la décision, communément identifiées comme « Self-Service Business Intelligence ».

Elles érigent l’autonomie de l’analyste et les fonctionnalités de personnalisation comme des atouts majeurs, avec la possibilité de manipuler des données jusqu’aux données brutes.

Celles-ci apportent par définition une dépendance moindre aux Services de Développement IT. Et surtout, elles mettent entre les mains d’un public non nécessairement informaticien des capacités de calculs, de fonctionnalités de manipulation de données, de visualisation ou d’ergonomie supérieure à la moyenne.
Les bénéfices peuvent autant profiter aux Métiers qui gagnent en agilité, en accélérant l’obtention de rapports ou d’analyses, que pour l’IT qui peut mieux se recentrer sur des projets stratégiques ou davantage au cœur de son métier (transformation IT et modernisation, innovation, infrastructure, sécurité…).
On peut ainsi transférer, de l’IT vers les métiers, la création de « vues » sur les données et espérer éviter des cycles itératifs propres à la BI, qui nécessitent normalement un alignement fort entre IT et métiers et une coordination agile et soigneusement pilotée, quand il faut s’adapter tardivement aux différents cas particuliers qui se révèlent dans les données (Data quality!).
Rappelons d’ailleurs que les impacts sur les Services BI (DWH) sont souvent ou nécessairement implémentés dans les dernières phases des projets à large scope, et qu’au niveau architecture ces composants BI sont de fait en aval dans les chaînes de traitement et de valorisation des données.
Les principaux éditeurs BI ont tous, désormais, de tels outils plus ou moins équivalents, et des éditeurs spécialisés sont apparus au fil des ans en misant sur l’ergonomie et l’automatisation des analyses et des liaisons entre données.
En voici une liste non-exhaustive:  Power Pivot / Power View (Microsoft), Qlikview (Qliktech), Dashboards ex-Xcelsius / BO / Explorer (SAP), Cognos Insight / Express (IBM), Visual Analytics / Enterprise Guide (SAS),OBIEE 11g  (Oracle), Tableau software, Sisense,…
Selon les outils, les technologies de stockages sont différentes (en mémoire, profilées ou sur Hard Disk/caches) et la couche sémantique (vue métier ou méta-modèle) parfois peu présente en natif.

Mais, au-delà de l’outil, et pour ne pas risquer de créer un silo de données et d'analyses anarchiques supplémentaire, la mise à disposition d’applications et de fonctionnalités « Self-service BI » requiert encore et toujours :

• 1. une bonne gouvernance des données : préparation, sélection et contextualisation en amont (en général par l’IT grâce à des outils spécifiques, fonction de la volumétrie et la complexité)
• 2. et des bonnes pratiques d’utilisation

Ce sont des principes relativement incontournables, pareillement à d’autres services BI, et au très médiatisé "Big data" (1), comme au traditionnel "Small-data" (2).
Geoffrey Bowker (Professeur d’informatique, University of California, Irvine) exprime bien cela:  " L’expression “données brutes” est un oxymore autant qu’une mauvaise idée; au contraire, les données devraient être cuisinées avec soin. "

Au sein de cette gouvernance des données, et leur préparation, si on ne considère ne serait-ce que les volumes de données:
nul besoin de faire des analyses de tendances ou de corrélation sur 10 Milliards de données, si on peut faire la même analyse fiable sur un échantillon représentatif de quelques Millions. Les SGBDR (3) utilisent d’ailleurs ce principe d’échantillonnage pour l’optimisation de leurs propres performances (cardinalité, densité).
Et si ces milliards de données sont constituées par de petits ensembles de données spécifiques à des millions de clients, il reste toutefois possible de ne pas disséminer ou répliquer certains de leurs attributs à faible potentiel, et réduire ainsi la taille de la base analytique d’un facteur 10 par exemple. Pour cela, on peut par exemple segmenter par classes ces clients et n’analyser que ces classes, pools ou segments (ex.: credit scoring).
On peut illustrer cela, en comparant une photo haute résolution de 10 Mo et la même en basse résolution de 100Ko, pour laquelle malgré une moindre finesse et quantité d’informations, on pourra tout autant identifier le sujet et comprendre la scène, pour autant qu’elle ne soit pas trop pixelisée.

Cette gouvernance passe aussi par la qualité des données et par leur niveau d’intégration, et donc par leur contrôle. L’IT reste là un acteur majeur, même si il existe des « gardiens » côté Métier pour les Référentiels d’entreprise (Data Officers ou Data Stewards), dotés d’outils spécifiques orientés (4) MDS/DQS ou MDM/DQM.

Pour en venir en deuxième lieu, aux bonnes pratiques, évoquées plus haut, elles concernent d’abord les processus d'analyse sur mesure assurés par toutes les sortes d’analystes métiers ou de « power-users » (5) :

• Bien identifier, re-préparer et normaliser ou enrichir à minima ou maxima les données entre elles pour une analyse spécifique : c’est nécessaire, mais requiert des compétences spécifiques.
• Bien contextualiser les informations source : grâce à leur descriptions & méta-données à prévoir, voire à l’aide de couches sémantiques ou méta-modèles (« Univers » BO, « framework » Cognos, « Business view », couche logique, artefacts,… ) => pour optimiser l’efficacité des analyses.
• Standardiser dès l’origine les analyses (ré-utilisabilité), en évitant les clônages inutiles ou intempestifs d’analyses ou de rapports.

Mais aussi la gestion de contenus que constituent toutes les analyses produites, afin qu’elles ne se déversent pas dans un océan d’emails, sous forme d’exports Excel/PDF/screenshots :

• Organiser, stocker de manière centralisée, versionner si possible (des portails comme Sharepoint peuvent s’avérer utiles)
• Etablir un code de bonne conduite
• Sécuriser à minima l'application et les données/analyses

Même avec des applications Self-service BI très puissantes et fonctionnelles, la valeur ajoutée doit commencer à se créer dès la formation des informations, quasi à leur source.
Pour cela, il faut donc privilégier une couche analytique soignée (source de données des analyses) plutôt que des données « brutes » exclusivement.
En fonction de critères techniques ou de coûts, cette couche analytique pourra être matérialisée naturellement dans un Data Warehouse ou un Datamart, à l’aide des SGBD, appliances et plus largement de Big data. Plus modestement des fichiers Excel ou Bases Access, sont aussi candidats pour implémenter cette couche à condition d’être fiabilisés, sécurisés par des processus précis et surtout automatisés.
Mais en tout cas, cette couche permettra d’éviter de faire supporter aux utilisateurs, encore et encore,  les mêmes modélisations/nettoyages ou normalisations de données, ou des aléas de qualité, à chaque construction ou exécution de requête ou d’analyse.

En conclusion, la BI personnelle est un vrai vecteur de productivité et d’efficacité dans l’aide à la décision, pour un meilleur pilotage de l’activité.
Mais ce n’est pas le « couteau suisse » qui résoudra tous les problèmes de données ou les pièges pour l’adoption massive de la BI au sein de l’entreprise.
Le Retour sur Investissement des Services BI (ROI) reste donc à envisager à un niveau global et transversal incluant l’entrepôt de données et la couche analytique, et les autres outils BI existants, et non pas uniquement cette catégorie d’outils BI.
Elle suppose d’être suffisamment armé d’une gouvernance de données adéquate, et de bonnes pratiques côté utilisateurs et côté IT, et du choix de l’outil au potentiel adapté à l’environnement de l’Entreprise, à ses employés, et à sa stratégie.

(1) explosion des volumes de données, y compris moins structurées que les DBMS / SGBD traditionnels: relationnels, OLAP ou vectoriels orienté-colonnes
(2) les sources de données traditionnelles de la "BI 2.0": fichiers plats, SGBD, référentiels, banques de données
(3) systèmes de gestion de bases de données relationnelles
(4) MDS: Master Data Services ; DQS: Data Quality Services ; MDM: Master Data Management ; DQM: Data Quality Management
(5) seulement environ 20% des utilisateurs BI auraient vraiment besoin de faire des analyses ad-hoc, alors que la majorité se contentent très bien de rapports prédéfinis ou de tableaux de bord (structure fixe, en général).

Devoteam Luxembourg organisera le Jeudi 7 Mars en ses locaux à Windhof, une conférence sur la BI Personnelle (ou Self-service BI).

Ces concepts seront illustrés avec des démonstrations sur quelques outils comme Microsoft PowerPivot et PowerView, qui deviennent très accessibles suite à la sortie toute récente de MS Office 2013, en illustrant d’exemples concrets issus des domaines de l’IT Service Management, des Ressources Humaines, du Contrôle de Gestion ou de la Logistique.

Agenda

08:30	Accueil café, viennoiseries
09:00	Présentation
09:00 - 09:05	Introduction Devoteam
09:05 - 09:20	Concepts Self-service BI et “Small data”, fonctionnalités Scénario du pire: Large adoption, silos & faux ROI, sans gouvernance IT/Métier Bonnes pratiques : gouvernance de données, processus collaboratifs Métier ou Métier-IT
09:20 - 10:00	Démonstration d’outils: MS Power Pivot & Power View - MS Office 2013 scénarios d’analyse orientés métier et IT (IT Service management) Autres : SAP Dashboards (Xcelsius) et BO, Qlikview.
10:00	Questions / réponses, Conclusion
10:15	« Kaffee Klatsch »
10:30	End

Public : Analystes de données (information workers, data officers), performance managers, responsables Data warehouse métier ou IT, Responsables IT.

Inscription : carine.lorenz@devoteam.lu

F.B. : Devoteam a développé un nouvel outil destiné aux formations. De quoi s’agit-il exactement ?

Pierre-Michel Detillieu/Vanessa Mameri : Devoteam a effectivement développé un nouvel outil mais il s’agit plus précisément d’un « Online Training Catalogue », une nouvelle application web conviviale et ergonomique sous Windows 8 créée de toute pièce par nos équipes de développement internes utilisant les applications Visual studio, HTML 5, ASP.Net, CSS 3 …

Le catalogue des formations proposées par Devoteam en 2013 y est entièrement détaillé.

Le layout style « Metro » de Windows 8 se présente sous forme de tuiles derrière chacune desquelles l’utilisateur peut retrouver toute l’information recherchée.

F.B. : Quels sont les avantages de ce catalogue en ligne pour l’utilisateur ?

PMD/VM : Non seulement tous les contenus de cours y sont détaillés, mais l’utilisateur peut également visualiser en temps réel et en 3 clicks la liste des cours garantis, compléter son formulaire d’inscription qui sera aussitôt transmis à notre administration pour traitement.

Un email automatique est ensuite immédiatement envoyé au candidat pour confirmer son inscription.

Le système va encore plus loin et permet de relever les centres d’intérêts de l’utilisateur par rapport à telle ou telle technologie qu’il souhaite approfondir en cours d’année. Le but de ce module est de renforcer le suivi du curriculum de chaque « étudiant » et d’établir avec lui un véritable plan de formation à court, moyen ou même long terme selon ses besoins.

Nous vous invitons sans tarder à découvrir ce nouvel outil ergonomique et convivial sur: http://training.devoteam.lu

N’hésitez pas non plus à nous transmettre vos commentaires, suggestions et « likes » sur notre compte Twitter : DVOTraining ! Cette application n’est pas figée ! Elle est vivante et doit répondre aux attentes des utilisateurs, nous la ferons évoluer en conséquence.