Comment transformer les données brutes en informations stratégiques ?

Une application orienté-données efficace repose sur trois piliers : la montée en charge, les API ouvertes, et la rapidité. Objectif : constituer la passerelle entre données brutes et informations contextuelles et actionnables.

Beaucoup d’entreprises peinent à tirer un avantage concurrentiel de l’abondante quantité de données à laquelle elles doivent faire face. Pour combler cette lacune, il convient d’appliquer une vision orienté-marché nourrie par les besoins de tous les utilisateurs : les utilisateurs de première ligne, les professionnels du marketing, les analystes, les clients, et bien sûr les équipes d’informaticiens et de développeurs.

S’il est indispensable de s’appuyer sur un socle hautement sécurisé et évolutif pour déployer des applications et des expériences centrées sur les données, il convient dans un premier temps de bien comprendre ce dont ont besoin les différentes parties prenantes pour exploiter pleinement la valeur du Big Data.

Big Data : qui veut quoi ?

  • Les entreprises souhaitent adopter les outils de Big Data plus largement, accroître l’engagement et la fidélité de leurs clients pour, à terme, mieux les comprendre et mieux comprendre le marché sur lequel ils évoluent. Cela leur permet de réduire les risques et de leur fournir des informations ou des offres plus pertinentes.
  • Les utilisateurs finaux attendent de la pertinence, de la simplicité et de la réactivité. Ils souhaitent que les informations leur soient fournies au moment opportun, soit au moment où ils en auront le plus besoin pour mener à bien leurs tâches.
  • Les responsables informatiques, enfin, veulent être à même de fournir des informations analytiques en libre-service (tous types de périphériques confondus) à grande échelle, et d’améliorer le fonctionnement des applications grâce à des rapports et des illustrations visuelles.

Pour démarrer sur de bonnes bases, il est nécessaire d’adopter une vue simplifiée du processus analytique. Les deux éléments clés d’une démarche analytique sont tous deux nourris par le Big Data mais aussi par d’autres données.

Comprendre - Les outils analytiques embarqués peuvent s’avérer très utiles pour mieux comprendre le marché et les clients.

Engager - Ils peuvent également permettre de générer de l’intérêt de la part des décideurs à l’aide d’informations visuelles (graphiques, rapports et tableaux de bord), créant ainsi de nouvelles interactions qui favorisent une meilleure compréhension globale.

À l’ère du consommateur connecté, cela signifie de plus en plus que ces applications analytiques doivent être déployées sur des périphériques mobiles et portables, tels que les montres intelligentes.

Tout commence par une fondation analytique évolutive

Une application orienté-données efficace repose sur trois piliers : la montée en charge (scaling), les API ouvertes, et la rapidité. Plus précisément, la plateforme de visualisation doit pouvoir accéder à toutes les sources de données au niveau de l’entreprise ou des applications — SGBDR, NoSQL, Hadoop, cloud et documents. Pour assurer une analyse fidèle, les outils analytiques du Big Data doivent être capables de charger facilement des grandes quantités de données transactionnelles, Web et tierce partie dans un unique entrepôt de données accessible en haut débit. Et pour contribuer à la productivité de l’utilisateur final, l’expérience doit être à la fois interactive et intuitive — ce qui permet de la maîtriser et d’en tirer facilement profit.

Bien sûr, pour incorporer des informations exploitables dans une application ou un périphérique, il est nécessaire de prendre en charge toutes sortes d’APIs, telles que JSAPI et REST. La conformité à ces standards est capitale pour intégrer des techniques modernes de conception d’informations dans les multiples applications et périphériques que les clients utilisent.

Le tiercé gagnant : intégrer, comprendre et impliquer

Les outils analytiques embarqués constituent la passerelle entre données brutes et informations contextuelles et actionnables. En effet, une étude menée par le cabinet Dresner Advisory Services, spécialiste des tendances et de l’adoption de l’informatique décisionnelle (Business Intelligence), montre que les entreprises les plus performantes commencent à s’intéresser de très près aux outils analytiques intégrés, les deux tiers considérant l’incorporation comme un aspect « critique » ou « très important » de leurs projets.

C’est le cas dans le monde très pointu et règlementé de la Finance, où des fonctions comme la gestion des actifs ou du patrimoine font l’objet d’un reporting interactif opportun, exact et contextuel, et où la possibilité de visualiser et d’explorer rapidement le marché historique et en temps réel ou des informations relatives aux comptes bancaires permet d’améliorer les résultats et le retour sur investissements. C’est également le cas du courtage et des activités de banque en ligne, où les outils analytiques du Big Data peuvent aider les chargés de compte à savoir quels sont les produits et les services les plus pertinents (et les plus rentables) pour les proposer à des segments ciblés, et où les outils analytiques interactifs orienté-clients peuvent aider les entreprises à s’engager davantage pour augmenter leur notoriété et leur part de marché.

Big Data