Les Analytics, outil stratégique du Big Data

 |   |  807  mots
(Crédits : DR)
Les Analytics sont des outils de la révolution numérique. Mais sait-on vraiment ce qu'ils recouvrent, ce qu'ils sont appelés à devenir et comment les mettre en oeuvre efficacement ? Par Bruno Walther, Captain-Dash.

Parmi les outils numériques les plus souvent employés au sein des grandes entreprises digitales, trois d'entre eux se dégagent comme étant particulièrement essentiels et systématiquement utilisés : les systèmes de chat (ou d'instant messaging), les outils de partage de projet (ou de code informatique) et enfin les analytics. Si l'on perçoit généralement assez bien ce que sont les outils de chat, popularisés par Whatsapp, Messenger et d'autres, ainsi que les outils de partage de code -que l'on retrouve d'ailleurs dans des services comme Slack intégrés avec un chat- les analytics représentent souvent des outils moins faciles à appréhender, car en apparence plus complexes.

Le plus connu d'entre eux est certainement Google Analytics, qui dispose d'une solide base de 10 millions de sites web et probablement d'un peu moins d'utilisateurs de par le monde. En conséquence de ce succès, les analytics sont souvent résumés de façon exclusive à des outils d'analyse du trafic web. Or, le monde des analytics est bien plus large : ainsi leur valeur de marché est aujourd'hui estimée par MarketsAndMarkets à 29,5 milliards de dollars en 2019, soit un marché qui s'étend bien au-delà du monde du web.

Transport et supply-chain, les deux plus gros consommateurs de data

Les analytics sont désormais partout : face au déferlement de données qui sont issues de la révolution numérique, on les retrouve dans l'énergie, dans l'industrie (BuildingIQ, EnergySavvy ou C3Energy, ...) ou encore dans les environnements domestiques avec des acteurs comme Nest ou Ecobee3. Mais selon différents cabinets d'études, le secteur qui est le plus important consommateur d'analytics serait celui du transport (Descartes, Transcent ou Ascend...) et des des supply-chains (Ariba, Kinaxys ou Birst...).

Au fil du temps, les analytics sont devenus dynamiques, c'est à dire qu'ils sont passés d'une phase de lecture de la data à une étape de contrôle de l'environnement auquel ils s'appliquent. Ainsi le célèbre Nest ne se contente pas de nous donner la température qu'il fait, mais il est capable de maintenir celle-ci dans un écart type préprogrammé. Certains analytics sont capables de mettre en oeuvre des interactions très complexes, dans des conditions d'exploitations extrêmement tendues. Des analytics industriels comme Predix (General Electric) sont ainsi capables de ralentir une chaine de production si les stocks d'un transporteur tiers se révèlent trop sollicités.

C'est d'ailleurs là où la confusion s'installe : le monde des analytics est relativement peu défini, car entre les outils d'analyse pure, et ceux qui sont en interactions dynamiques avec leurs environnements, la frontière est très perméable. De surcroit, de nombreux outils sont désormais dotés de fonctions prédictives, qui rendent leurs potentialités encore plus importantes et qui mettent en oeuvre des capacités de traitement très significatives.

Traiter les environnements complexes, multifactoriels

La frontière que les analytics sont prochainement appelées à franchir reste celle des mondes holistiques : c'est à dire celle qui consiste à leur permettre de traiter des environnements très complexes, multifactoriels, où l'on va trouver par exemple à la fois du transport et tout à la fois de l'énergie. Peu d'outils sont appropriés pour faire cela, tant le parti pris a jusqu'à présent été de faire des produits spécialisés. Cela pourrait changer : selon IDC, le marché des « big data analytics », soit des analytics dynamiques et multifactoriels, pourrait représenter plus de 200 milliards de dollars dès 2020. Selon toute probabilité, une part importante de la croissance viendra des outils qui seront capables d'être plus agiles et de traiter des données aux origines est particulièrement variées.

Le principal écueil rencontré dans la mise en oeuvre des analytics se résume à tout vouloir faire. S'il est louable de chercher à disposer d'analytics qui couvrent des fonctions transverses à l'entreprise, il est en revanche dangereux d'essayer d'agir dès la première étape de façon dynamique (et automatique) sur celle-ci. Agir dans un premier temps sur les facteurs d'inquiétude ou les faiblesses de l'entreprise semble plus approprié. Ainsi une entreprise industrielle qui aurait des enjeux de sécurité sur l'ensemble de ses facteurs de production pourrait chercher à construire un ensemble de points d'analyse qui lui permettrait de prévenir ces risques. Ensuite, cela pourrait être étendu à la performance opérationnelle, et éventuellement complété d'un système dynamique.

Au-delà, il importe de ne pas concevoir des analytics comme des outils de suivi des opérations immédiates. Il est frappant d'observer que les grandes entreprises digitales les utilisent pour développer des KPI de long terme, que l'on renomme d'ailleurs des "Key Strategic Indicators". Cela permet de redonner aux analytics l'une de leur fonction essentielle : l'accompagnement de l'entreprise vers la réalisation de sa vision stratégique.

Réagir

Votre email ne sera pas affiché publiquement
Tous les champs sont obligatoires

Merci pour votre commentaire. Il sera visible prochainement sous réserve de validation.

 a le à :