Le self-service s’était imposé comme un véritable buzzword dans le monde de l'analytics. Mais les buzzwords n’apparaissent pas par hasard. Si la promesse du self-service fait autant rêver aujourd’hui, c’est qu’elle pourrait répondre à de véritables besoins qui se font de plus en plus sentir dans le monde de l’entreprise. Découvrez les problèmes que le self-service peut vous aider à régler et, pour aller plus loin, téléchargez notre ebook consacré à la question.
Le self-service permet de supprimer un goulot d’étranglement
Sans self-service, seules les personnes expertes peuvent manipuler la data et l’utiliser pour répondre aux questions business. C’est le rôle des data analysts : répondre aux besoins métiers en menant des analyses poussées, puis en mettant des chiffres pertinents entre les mains de chacun, idéalement sous forme de visualisations simples à comprendre et actionnables. Ce travail, les data analysts peuvent l’accomplir grâce à la contribution des data engineers, qui traitent la donnée, la nettoient et mettent en place l’architecture data dans l’entreprise en construisant les « pipelines » (ou tuyaux) sécurisés au travers desquelles la data peut circuler.
Seulement voilà, le temps et la disponibilité de ces experts ne sont pas illimités. Ils ne peuvent pas répondre immédiatement à toutes les questions que leurs collègues leur adressent. Or ces questions sont souvent urgentes : le business évolue rapidement. Pour être efficaces, les réponses doivent être récentes, actualisées, pertinentes. C’est un problème que les entreprises tentent de régler en mettant à la disposition de tous les départements des tableaux de bord actualisés en temps réel. Mais souvent, ils ne sont pas parfaitement adaptés. Ils s’adressent alors directement aux experts, ce qui crée trois problèmes :
- Les experts mettent du temps à leur répondre, ce qui crée un goulot d’étranglement qui ralentit les opérations du business.
- Tout cela occupe les experts data, qui n’ont plus de bande passante pour mener des analyses plus poussées et répondre aux questions structurelles.
- Les besoins du business ne sont pas toujours bien compris par les profils techniques : pour pallier cette déperdition, on peut faire appel à des profils spécialisés qui « traduisent » les besoins business pour les experts de la donnée, ce qui crée un goulot d’étranglement supplémentaire.
Le self-service : un indispensable pour les SaaS B2B
Ces problèmes se posent pour toutes les entreprises. Mais ils se font ressentir d’une manière encore plus aiguë pour les éditeurs de logiciels. Le marché a placé la barre très haut en termes de data : tous les utilisateurs de logiciels SaaS s’attendent à avoir un accès direct à leurs données d’utilisation.
Cet impératif s’applique particulièrement aux logiciels B2B. Lorsque les clients sont des entreprises, il est encore plus important de leur fournir des données pour leur permettre de piloter leurs opérations. Les éditeurs de logiciel B2B ont donc besoin d’intégrer une brique analytcs à leur plateforme pour satisfaire leurs clients et les clients de leurs clients. Quelquefois, ils ont même besoin de mettre des données à disposition de leurs fournisseurs ou de leurs partenaires.
Ils ont donc tout intérêt à les rendre autonomes. Le problème du goulot d’étranglement est encore plus sévère : sans solution de self-service leurs propres product builders (les experts en charge de créer le produit) doivent prendre le temps de répondre aux demandes d’utilisateurs externes. Prenons l’exemple d’un logiciel de gestion du personnel à destination des professionnels de l’hôtellerie et de la restauration. Les datas visualisations et les KPIs intégrés par défaut à la plateforme ne sont peut-être pas les plus pertinents pour chaque use case. Les product builders doivent donc intervenir au cas à cas pour délivrer les informations nécessaires.
L’IA donne un nouveau souffle au self-service
Pourquoi maintenant ? L’essor de l’intelligence artificielle donne un nouveau souffle au self-service. Et cela se ressent dans les communications des éditeurs. Au cours des dernières années, le grand public a pu constater de première main l’efficacité des algorithmes d'IA générative. S’ils peuvent créer des images, des textes ou du code à partir d’un simple prompt, que peuvent-ils faire en termes de data analytics ? Nous avons déjà exploré le potentiel de l’IA dans un précédent ebook.
En bref : les experts attendent des modèles qu’ils soient un accélérateur qui leur permettrait de gagner du temps. Mais pour les profils non techniques, il peut s'agir du moyen d’avoir un accès direct à la data et de la manipuler, même sans avoir suivi de formation ou s’être spécialisé dans le domaine. Alors, est-ce que l’IA rend le rêve du self-service enfin réalisable ?
Pour découvrir les bénéfices et les risques du self-service, on vous conseille vivement notre ebook, à télécharger ici.
