Le coût caché des demandes d'analyses ponctuelles

Les utilisateurs professionnels n'ont jamais eu autant accès à autant de données qu'aujourd'hui. Les tableaux de bord sont omniprésents,outils bi libre-service outils bi largement déployés et les entreprises continuent d'investir dans des initiatives d'analyse de données.

Malgré cet accès, de nombreuses équipes d'analyse ont encore du mal à apporter des réponses fiables aux questions posées par les métiers. Cette difficulté tient au fait qu'un accès accru aux données engendre davantage de questions.

Par exemple, un tableau de bord que le taux de désabonnement a augmenté de 3 % le mois dernier. Cela soulève presque immédiatement des questions complémentaires :

• Quels clients sont partis ?
• Qu'ont-ils en commun ?
• Le taux de désabonnement a-t-il augmenté dans toutes les régions ?
• Le prix a-t-il joué un rôle ?
• Les concurrents gagnent-ils des parts de marché ?
• Quelles mesures devrions-nous prendre ?

Chacune de ces questions est mineure en soi. Mais prises dans leur ensemble, elles peuvent accaparer une part importante du temps d’un analyste et en susciter d’autres. Il en résulte un flux continu de demandes ponctuelles qui mobilisent le temps précieux des analystes et font discrètement grimper les coûts opérationnels.

Les entreprises ont tendance à se concentrer sur les coûts visibles de l'analyse de données, mais négligent le coût caché des demandes ponctuelles. À mesure que la demande d'analyses augmente, le temps des analystes est accaparé par des questions répétitives, la génération de rapports et le travail d'investigation, goulots d’étranglement crée goulots d’étranglement difficiles à résoudre à grande échelle.

L'essor de la demande en matière d'analyse ad hoc

Pendant des années, on a pensé que libre-service allait démocratiser l'analyse de données. Le principe était simple : donner aux utilisateurs accès à des tableaux de bord et à des rapports, afin qu'ils puissent répondre eux-mêmes à leurs questions sans avoir à faire appel à des spécialistes.

Dans la pratique, ce n'est pas ce qui se passe. Les tableaux de bord sont très efficaces pour surveiller des indicateurs connus et suivre les performances par rapport à des objectifs fixés. Le problème, c'est que les entreprises fonctionnent rarement selon des questions prédéfinies.

Les dirigeants souhaitent comprendre les changements inattendus ou mieux cerner les tendances. Les responsables commerciaux souhaitent identifier les risques émergents. Les équipes marketing souhaitent mesurer les performances de leurs campagnes.

Ces questions nécessitent une analyse approfondie, des recherches et une mise en contexte que les tableaux de bord ne peuvent à eux seuls fournir. Par conséquent, les utilisateurs métier continuent de se tourner vers les équipes d'analyse pour obtenir des réponses.

Le problème, c'est que cette « seule question » s'arrête rarement là. Une demande visant à expliquer le taux de désabonnement des clients peut déboucher sur des questions concernant la répartition géographique, les segments de clientèle, l'utilisation des produits, la tarification ou les pressions concurrentielles. Chaque réponse ouvre de nouvelles pistes d'analyse, ce qui alourdit la charge de travail analytique requise.

Les coûts cachés s'accumulent rapidement

Les entreprises s'appuyant de plus en plus sur les données, la demande en matière d'analyse ne cesse de croître. De nombreuses équipes d'analyse peinent à suivre le rythme, ce qui crée goulots d’étranglement ralentissent prise de décision l'entreprise.

Au fil du temps, les demandes ponctuelles entraînent des pertes d'efficacité importantes et des coûts cachés. En voici quelques exemples courants :

• Changement de contexte. Les analystes passent souvent d'un projet à l'autre et jeux de données à l'autre. Ces changements de contexte constants réduisent la productivité et rendent plus difficile la concentration sur les priorités stratégiques.
• Retards dans les tâches à forte valeur ajoutée. De nombreuses équipes d'analyse consacrent beaucoup de temps à répondre à des questions récurrentes. Cela réduit le temps disponible pour des initiatives telles que la création de nouveaux produits de données, l'amélioration gouvernance, l'optimisation des modèles d'IA ou le soutien aux objectifs commerciaux à long terme.
• Des délais de réponse plus longs. À mesure que le volume de demandes augmente, les retards s'accumulent. Les utilisateurs professionnels attendent plus longtemps pour obtenir des réponses, ce qui ralentit prise de décision réduit l'agilité.
• L'épuisement professionnel des analystes. Les analystes qualifiés peuvent se retrouver pris au piège dans des cycles répétitifs de production de rapports et d'enquêtes de routine. Cela peut entraîner de la frustration, un désengagement et un taux de rotation élevé.
• Augmentation des coûts. Les organisations réagissent souvent à la hausse de la demande en augmentant leurs effectifs. Bien que cela puisse apporter un soulagement temporaire, cela ne résout que rarement le problème sous-jacent et ne constitue pas une solution évolutif .

Une seule demande perturbe rarement le travail. Le problème réside dans la gestion d'un volume sans cesse croissant de demandes qui s'accumulent rapidement, obligeant les analystes à interrompre leur travail, à rechercher les données pertinentes, à valider leurs hypothèses, à effectuer des analyses et à partager leurs conclusions.

Pourquoi les tableaux de bord ne suffisent pas à eux seuls à résoudre le problème

Les tableaux de bord sont conçus pour répondre à des questions connues, mais cela ne suffit plus. Les utilisateurs professionnels ont de plus en plus besoin de pouvoir :

• Posez des questions complémentaires.
• Réaliser une analyse des causes profondes.
• Analyser de nouveaux ensembles de données.
• Comprendre le contexte commercial.
• Découvrez comment les réponses sont générées.

Par exemple, un tableau de bord montrer que le taux de désabonnement a augmenté le mois dernier. En revanche, il ne permet pas d'expliquer pourquoi cela s'est produit ni d'orienter la suite de l'analyse.

Cela donne lieu à un schéma récurrent. Un dirigeant examine un tableau de bord, identifie un problème et pose immédiatement des questions complémentaires : Qu'est-ce qui a changé ? Quelle est la cause de ce changement ? S'agit-il d'une tendance isolée ou généralisée ? Quels sont les clients les plus touchés ? Que doivent faire les décideurs à présent ?

À ce stade, les nouvelles demandes sont souvent transmises à l'équipe d'analyse. Même les organisations tableau de bord massivement tableau de bord se retrouvent à devoir gérer un flux constant de demandes de suivi, car les utilisateurs métier ont besoin d'explications, de contexte et d'analyses plus approfondies, et pas seulement de visualisations. 

Le défi de la mise à l'échelle

Lorsque la demande en matière d'analyse dépasse les capacités disponibles, les entreprises adoptent généralement l'une des trois stratégies suivantes :

1. Embaucher davantage d'analystes.
2. Créer davantage de tableaux de bord.
3. Développer les processus de reporting et gouvernance .

Chacune de ces approches apporte des avantages à court terme. En revanche, elles ne permettent pas de combler fondamentalement l'écart entre la demande et la capacité.

À mesure que les entreprises génèrent davantage de données et que de plus en plus de collaborateurs deviennent des utilisateurs de données, la demande en matière d'analyse dépasse la capacité des équipes d'analyse à s'adapter à cette croissance. Cette situation pose un véritable défi aux responsables de la BI et de l'analyse.

Quelle que soit l'efficacité atteinte par une équipe, le nombre de demandes qu'elle peut traiter est limité. À terme, les entreprises doivent trouver un moyen d'accroître leur capacité d'analyse sans augmenter leurs effectifs au même rythme.

Une approche différente de l'analyse à l'échelle de l'entreprise

L'objectif de nombreuses entreprises est de réduire le temps que les analystes consacrent à répondre à des questions répétitives, afin qu'ils puissent se concentrer sur des tâches à plus forte valeur ajoutée. Les outils d'analyse conversationnelle constituent un pas dans cette direction. Ils permettent aux utilisateurs professionnels, quel que soit leur niveau de compétence, de poser des questions sous forme de conversation, d'explorer les données de manière autonome et d'analyser les problèmes par eux-mêmes.

Ces outils permettent d'automatiser certaines étapes du workflow d'analyse, notamment :

• Exploration des données.
• Analyse d'investigation.
• Analyse périodique.
• Insight .
• Création d'un rapport.
• Résumés analytiques.

Les solutions les plus efficaces vont au-delà d'un simple système de questions-réponses. Elles assurent un suivi continu des performances de l'entreprise, identifient les changements significatifs (tels que les anomalies ou les tendances) et mettent automatiquement en évidence les informations qui nécessitent une attention particulière.

Cela permet de faire passer l'analyse de données d'un processus réactif à un processus proactif. Plutôt que d'attendre que des questions leur soient posées, les entreprises peuvent identifier rapidement les changements importants et permettre à davantage de collaborateurs d'explorer les données de manière autonome.

Il en résulte prise de décision plus rapide, moins goulots d’étranglement et une valeur ajoutée accrue pour l'entreprise grâce aux investissements dans l'analyse de données. 

Comment les utilisateurs professionnels peuvent dialoguer avec leurs données

Les demandes ponctuelles sont en réalité un signe de réussite. Elles montrent que les gens souhaitent utiliser les données pour prendre de meilleures décisions. Le défi consiste à répondre à cette demande sans surcharger les équipes d'analyse.

Les organisations qui parviennent à déployer efficacement leurs capacités d'analyse seront mieux à même de support prise de décision support prise de décision l'entreprise. Elles iront au-delà des tableaux de bord et des rapports traditionnels en étendant leurs capacités d'analyse à davantage d'équipes et d'utilisateurs.

Actian AI Analyst rend cela possible grâce à l'analyse conversationnelle, aux « Scheduled Insights » et aux fonctionnalités de création automatisée de rapports, qui permettent d'étendre la capacité d'analyse sans alourdir la charge de travail des équipes d'analyse.

À propos de l'auteur

À propos de Actian Corporation

Actian permet aux entreprises de gérer et de gouverner leurs données en toute confiance, quelle que soit leur ampleur. Les organisations font confiance aux solutions gestion des données d'intelligence des données d'Actian pour rationaliser leurs environnements de données complexes et accélérer la mise à disposition de données prêtes pour l'IA. Conçues pour être flexibles, les solutions Actian s'intègrent de manière transparente et fonctionnent de manière fiable dans les environnements sur site, dans le cloud et hybrides. Pour en savoir plus sur Actian, la division données et IA de HCL Software, rendez-vous sur actian.com.