Comparatif des plateformes de data analytics : Power BI s'impose

Compte tenu de sa richesse fonctionnelle et de son intégration à Microsoft 365, la solution de l'éditeur de Redmond se démarque comme l'outil à l'état de l'art face à Looker, Qlik, SAP ou Tableau.

En matière de plateformes de data analytics cinq acteurs se détachent en termes de richesse fonctionnelle sur le marché : Analytics Cloud (édité par SAP), Looker (Google), PowerBI (Microsoft), Qlik (édité par le fournisseur du même nom) et Tableau (Salesforce). Au sein de ce panel, la solution de Microsoft se démarque, comme le montre le tableau ci-dessous.

Parmi ses principaux points forts, l’offre de datavisualisation de Microsoft est intégrée à Fabric, la data platform de l’éditeur de Redmond. L’édifice permet ainsi de bénéficier d’une couche d’intégration bien fournie, mais aussi de dispositifs de transformation et de stockage de données. "Il est possible de déclencher des clusters Spark pour faire de la data science ou de simples moteurs relationnels pour traiter les requêtes SQL", note Yves Cointrelle, directeur de la stratégie et du développement en business intelligence et big data au sein de l’ESN Viseo. Autres avantages de Power BI : sa complétude en termes de datavisualisation, ainsi que sa communauté d’utilisateurs de facto beaucoup plus large que les autres. "Comparé aux autres produits, Power BI ne joue clairement pas dans la même catégorie", insiste Yves Cointrelle.

Power BI bénéficie de l’univers Microsoft

"L’un des principaux points forts de Power BI est qu’il est issu de l’univers Microsoft 365. Ce qui le rend aisé à prendre en main", souligne Caroline Rousset, directrice data experience chez Talan. "La grande majorité de nos clients étant équipés de la suite Office, ils n’ont aucun mal à adopter l’outil dans lequel Microsoft a beaucoup investi pour en faciliter l’usage. Sans compter l’apport de l’assistant Copilot qui a également fait son apparition dans la solution (pour automatiser la création de datavisualisations ainsi que le dialogue avec les données, ndlr)."

Du côté de Qlik, Caroline Rousset met en avant la capacité à définir des modèles de données. "Une fois le modèle créé, vous avez la capacité de traiter les données dans tous les sens", précise la consultante. "Les liens entre les data sont présents dans le modèle. L’utilisateur n’a plus de question à se poser et pourra créer autant d’analyses que nécessaire à la volée." En amont, la création du modèle impliquera une phase d’adaptation. "C’est sa capacité de modélisation combinée à l’exécution en mémoire qui fait de Qlik une solution interactive", résume Caroline Rousset.

"Looker est privilégié pour traiter de fortes volumétries reposant sur la data platform BigQuery"

A l’instar de Qlik, Power BI est aussi capable de gérer ses requêtes en mémoire. De son côté, Looker se révèle plus performant pour réaliser des traitements en direct. Quelle différence entre le mode in-memory et le traitement en direct ? En mode in-memory, l’ensemble des valeurs des champs sélectionnés dans une table sont prises en compte tout comme les données des tables tierces associées. Le tout en temps réel. A l’oppos,é dans le process de requêtage direct, ne sont chargées que les valeurs d’une dimension unique de la base de données. Celles-ci ne sont transformées qu’après coup, notamment en vue de traiter la hiérarchie des data. D’où une certaine latence.

De leur côté, Tableau et SAP bénéficieront aussi d’accélérateurs analytics standard pour améliorer la performance d’accès aux données, soit la capacité à consommer rapidement respectivement des données Salesforce et des données SAP.

Face à ses concurrents, Looker sera pertinent pour traiter de fortes volumétries en tirant parti de la data platform Google BigQuery. Ce qui se révèle intéressant pour les retailers, notamment ceux qui gèrent des dizaines de téraoctets issus de Google Analytics. "Dans le cas d’une analyse mensuelle des clics sur une page par jour ou par heure, le tout cumulé par typologies d'internautes, Looker battra tous les autres sur de gros volumes de données", constate Yves Cointrelle. En revanche, Looker se révèlera moins puissant en termes de fonctionnalités de datavisualisation et plus rustique en termes d’administration.

"La couche sémantique de Looker lui permettra néanmoins de s’interfacer avec la plateforme cloud sous-jacente de son choix, que ce soit celle de Google Cloud ou une autre. C’est là sa principale force. On retrouvera cet élément de manière moins large chez ses concurrents", précise Caroline Rousset. Cette couche sémantique permettra de définir un indicateur une fois pour ensuite le réutiliser à loisir.

Tableau : un outil user friendly

Quant à SAP, il oriente ses clients ver son offre SAP Analytics Cloud (SAC) pour agréger et visualiser les données en provenance de son écosystème applicatif, depuis son ERP jusqu’à la solution de gestion des dépenses Ariba en passant par les logiciels de gestion des notes de frais Concur et de gestion RH SuccessFactors. Sorti de la galaxie SAP, SAC n’aura pas grand intérêt. "En matière d’analytics pur, c’est un produit légèrement en deçà de Qlik, Power BI et Tableau", commente Yves Cointrelle.

Quant à Tableau, il est plébiscité pour sa simplicité d’utilisation. "La fonctionnalité ‘Montre-moi’ préconisera la datavisualisation la plus adaptée en fonction de l’indicateur sélectionné", note par exemple Caroline Rousset chez Talan. "Dans sa dernière génération, Tableau Next, la plateforme intègre des fonctionnalités d’IA qui enrichissent encore la capacité d’accompagnement et d’assistance du produit pour représenter automatiquement des graphiques, interagir avec la donnée, etc. L’IA permettra en parallèle de réaliser de l’analyse prédictive." Des fonctionnalités que l’on retrouve également chez Qlik, Looker (via l’intégration de Gemini), mais aussi comme évoqué plus haut dans Power BI. Là encore, on retrouve la solution de Microsoft.