Vous avez sûrement, dans votre entreprise, un ou plusieurs outils de BI très connus (comme PowerBI, QlikSense, Tableau Desktop, etc…). Vous les utilisez pour vos analytics, vous restez peut-être perplexe quant à leur réelle utilisation...Vous hésitez à tous les tester: normal, vu l’implication que cela demande. Vous etes tombé sur ce post... car peut-etre vous êtes intéressé par un autre outil de BI, cette fois-ci, un outil de Data Storytelling. Alors lisez attentivement pourquoi recourir à un tel outil quand on a déjà un système de Business Intelligence d'exploration très performant. Ça va vous changer la vie.
1. La question est légitime
Selon Gartner, les entreprise dépensent plus de 18 milliards de dollars en 2017 en outils de BI pour équiper leur personnel. Et Le taux d’usage des ces outils est de 17% en moyenne. En effet, les logiciels de BI sont utilisés par une poignée de personne en entreprise. Premier point: Les entreprises ont des coûts lourds en systèmes de Business Intelligence et leur utilisation n’est pas optimale.
Dans un article de Forbes ‘The State of Business Intelligence 2018’, le nombre d’outils BI en entreprise est entre 1 et 5 par métiers de l’entreprise, avec 3 instruments en moyenne selon une étude de Dresner Advisory Services. Cette multiplicité d’outils BI provient du fait que les utilisateurs ne trouvent pas ce qu’ils cherchent dans les outils BI existants dans leur environnement. Deuxième point: Les entreprises multiplient leurs investissements dans les systèmes de Business Intelligence en quête d’un outil adapté aux métiers.
En tant que homme de finance et au vu de ces 2 points, je me poserais la même question: Pourquoi recourir à un tool BI de Data Storytelling, ayant déjà des outils BI très performants !
Justement la réponse est dans l’USAGE.
2. Data storytelling vs data exploration
Le succès d’une application au sein d’une entreprise – et donc de son retour sur investissement – dépend principalement de 3 facteurs: (1) de ses performances, (2) de sa capacité à répondre au besoin pour laquelle elle a été développée, et (3) de sa facilité d’adoption de la part des utilisateurs finaux.
Excluons le facteur ‘performances’ pour le moment, abordons les 2 autres facteurs.
Mon outil de BI n’est pas adapté à la population que je veux équiper
La population cible qui consomme la donnée sous forme de la Data Storytelling est l’utilisateur finale de la donnée (vs personne qui travaille la donnée). C’est la personne à qui on veut restituer une analyse. On lui enverra un message basé sur la donnée pour qu’elle prenne des décisions ou pour qu’elle agisse plus vite au vu de l’information reçue.
Parmi cette population, on trouve:
- Néophytes. Ce sont les personnes n’ayant pas de connaissance particulière dans un domaine donné. Ces personnes auront besoin d’avoir d’autres informations que la donnée, comme par exemple un contexte pour mieux comprendre, des bases de référence pour évaluer, des visualisations sexy pour être attiré. Voir exemple ici.
- Non-data expert. Ce sont ceux qui ne sont pas familiers avec la donnée chiffrée, et veulent avoir les résultats de l’analyse pour les guider dans leur quotidien.
- Non expert du métier dont les données sont exposées. Ce sont ici par exemple les autres fonctions de l’entreprises auxquelles nous voulons communiquer un message, fonctions qui ne sont pas expert de notre métier et a besoin d’être accompagnée dans la lecture de la donnée pour comprendre la donnée non familière et comprendre les interactions avec son propre métier. Il s’agit aussi des clients ou partenaires commerciaux, à qui on expose des données pour qu’ils accélèrent leur prise de décision. Voir exemple ici.
- Non digital-native ou immigrants du numérique Même si specialiste de son métier, référent de la donné dans son domaine, la personne est issue des générations précédentes qui ont vu la naissance du numérique comme un bouleversement de leurs pratiques envers la donnée et ne sont donc pas habitués à utiliser des instruments de business intelligence souvent complexes à prendre en main.
- Top Management / C-level. Ce sont les décideurs en entreprise. Ils sont exposés à une multitude de données dont ils n’ont pas nécessairement la parfaite maîtrise, mais qu’ils doivent comprendre en très peu de temps pour décider, donner des directives et agir. Ils ont donc besoin (i) de clarté dans l’exposition de la donnée, (ii) de contextualisation de l’information, (iii) d’accessibilité à donnée.
- Utilisateurs finaux délocalisés (agences, magasins, concessions). Ce concept de délocalisation est extrêmement important. Les antennes commerciales ont souvent du mal à prendre en main des tools de service-service BI pour les raisons suivantes:
- manque de temps pour comprendre le fonctionnement: La priorité est business.
- manque de vision commune du business: Il n‘est pas rare de voir que chaque antenne pilote son activité avec ses propres KPIs. Il est fondamental que toutes antennes regardent le business de la même façon.
- La formation à ces outils peut s’avérer très longue et très chère (coût de la formation, coût des heures non travaillées et coût de la substitution en magasin). Le programme de formation sur tous les magasins peut s’étendre sur plusieurs mois.
Mon outil de BI ne me permet pas de communiquer en interne de manière claire et efficace
...au sein du même département
Avec un outil de Data Storytelling, les métiers (ou utilisateurs finaux) n’ont pas besoin de ré-élaborer les informations. Il s’agit là apporter une solution métier, bien plus qu’à équiper les métiers avec un instrument de reporting.
Avantage par rapport au tool de self service BI:
- Augmenter la User Experience de vos utilisateurs : Les instruments de Data Storyelling ont un taux d’usage generalement très élevé. La navigation est simple, et l’information est facile à comprendre
- Avoir une vision unique au sein du département
- Faire concentrer les personnes sur leurs métiers tout en pouvant modifier en toute autonomie les analyses et l’histoire racontée, sans être dépendant du service IT
- rendre la donnée toujours accessible sur tout support et la partager à tout moment
- rendre la donnée actionnable par le Data Storytelling: suggérer l’action, recommandation, …
- une plateforme unique d’information (vous n’hésitez pas sur la source de données à choisir…)
Quelques cas d’usage:
…. C-Level. Un grand groupe dans le secteur du tourisme souhaite offrir à son Comex (comité exécutif) et à ses directeurs d’hôtels un outil de pilotage de son activité. Chaque directeur d’hôtel peut avoir accès aux chiffres clés de son hôtel et les comparer aux autres, pointer les forces et les faiblesses. Auparavant, le groupe possédait de nombreux tableaux de bord avec des données cloisonnées et uniquement accessibles par ordinateur. Voir notre page Direction Generale
…. Sales Équiper les commerciaux sur le terrain français et mondial pour piloter leurs performances de ventes et leur situation par rapport aux budget fixés. Une application qui a eu un réel enjeu de pédagogie vu que les utilisateurs qui n’étaient pas du tout technophile ! Voir aussi le cas BNP Wealth Management et notre page Sales Management
…. Marketing. Une grande marque de Luxe pilote tous les mois les performances de ventes de la marque grâce à des données achetées à des panélistes et se compare face principaux concurrents, sur marchés français et étranger avec un accès différenciés selon marché. Voir aussi le cas PSA et notre page Marketing
…. RH. La DRH Monde d’un grand groupe souhaite piloter les effectifs et les talents du groupe. Voir aussi le cas Nexity et notre page Ressources Humaines
…. Finance. le DAF d’une grande entreprise veut digitaliser et automatiser sa Business Review mensuelle, pour optimiser ses efforts de production de report. Voir notre page Finance
…. Opérations. Equiper les gestionnaires de centres commerciaux sur le terrain avec une application clé en main où toutes les informations opérationnelles, contractuelles et financières sont réunies au même endroit.
… au travers les différentes fonctions de l’entreprise
On reproche souvent à une organisation les silos et gap informationnels qui freinent la productivité. Grâce aux instruments de Data Storytelling, vous pouvez partager vos données métier aux autres dans l’entreprise de manière contrôlée
Avantage par rapport au tool de self service BI:
- Prise d’angle de vue (éditorialisation)
- Contextualisation de la donnée
- un faisceau d’informations contrôlé
Exemple de cas d’usage:
Application développée pour une banque et à destination des directeurs marchés pour la vision marché, et à destination des directeurs d’agence pour la vision distribution, à partir d’un même jeu de données.
… à mon réseau (agences, magasins, concessions, franchises)
Avantage par rapport au tool de self service BI:
- Avoir une vision unique et commune sur toutes les antennes commerciales, avec la possibilité de personnaliser la lecture de l’information de manière dynamique
- Clarté et lisibilité de l’information pour tout le monde, quelque soit le profil de l’utilisateur (grâce à la User Experience)
- Être intégré dans la stratégie de mobilité (application accessible depuis tout support mobile sans configuration supplémentaire)
- Plateforme de communication de toute information du siège aux antennes commerciales (non seulement données chiffrées): chat, communication planning, communication training, visual merchandising, etc…
- Recommandations intégrées pour aider les équipes à s’orienter
Quelques cas d’usage:
…. Reseaux. le premier cas d’usage est le pilotage des centres commerciaux, de filiales ou concessions.
Magasins. Le siège souhaite permettre au responsable des centres commerciaux de piloter les boutiques avec une remontée quotidienne des données de vente et offrir la possibilité aux boutique de connaître leur performance au regard du réseau. Voir aussi le cas Marques Avenue
Concessionnaires. L’entreprise équipe sa Direction commerciale afin de piloter l’ensemble du réseau de revendeurs et concessions pour permettre au siège de centraliser les ventes de pièces détachées et à chaque revendeur de connaître sa performance au sein du réseau.
Agences. Les directeurs de départements souhaitent avoir une vision de l’activité en terme de pourcentage d’objectif atteint par Région/Zone/Agence, et mettre dans les mains des directeurs d’agence un outil de pilotage facile qui leur permet de faire un diagnostic sur leur activité et se positionner par rapport aux autres agences. Voir aussi le cas Crédit Agricole
Mon outil de BI ne me permet pas de communiquer à mon écosystème (toute partie prenante)
Le Data Storytelling est utilisé aussi comme un outil d’aide à la décision de l’écosystème, car les visualisations sont simples, la lecture est accompagnée, la user experience facilite la navigation au travers la donnée.
Avantage par rapport au tool de self service BI:
Le tool de self service BI ne recouvre pas ce champ d’application ou de manière extirpée.
Quelques cas d’usage:
…. Commerciaux.
Il s’agit d’un outil de support à la vente pour les commerciaux, là où la donnée est fondamentale dans la prise de décision.
Un Outil d’aide à la vente de panneaux publicitaires aux annonceurs en fonction des emplacements, points de contacts et nombres de faces par rapport aux clients cibles. Voir le cas JC Decaux
Le département collectivités locales d’une banque souhaitait avoir un outil de pilotage sur tablette pour l’évaluation des communes sur leur état financier. Elle équipe les commerciaux pour vendre leur prestation à travers un bilan personnalisé. Voir le cas Banque Postale.
Voir aussi Bio à la Une.
…. Clients et Partenaires.
Donner accès à l’information à d’autres parties prenantes ne faisant pas partie de l’entreprise. L’information transmise est centrale dans leur prise de décisions. On passe souvent d’informations soumises sous format excel non exploitable en l’état à une application interactive, à résultat immédiat. Voir le cas Groupe SEB et Littoral Normand.
C’est aussi le cas des restitutions d’études marketing ou enquête de satisfaction dont le résultat est mis en valeur grâce à la Data Storytelling >> lire cet article !
…. Ecosystème.
Démocratiser l’information interne pour la valoriser et la rendre exploitable par tous. C’est le cas du Data Storytelling sur l’Open Data. La compagnie d’assurance crédit du groupe Allianz, Euler Hermes, a décidé de faire recours au Data Storytelling pour raconter l’histoire des non-paiements au travers les secteurs et pays du monde.
Voir aussi le cas ADP qui publie ses engagements en terme de Responsabilité Sociale et Environnementale avec une app de Data Storytelling.
Mon outil de BI ne me permet pas d’accéder à l’information en mobilité
Les outils de BI classique de Data Exploration ont été développés pour un usage exclusivement desktop. Ceci est cohérent avec la population qu’il équipe et l’usage de l’outil: des experts de la données (analystes, Data Scientists par exemple) avec un usage quotidien de plusieurs heures.
Les outils de Data Storytelling sont conçus pour être multi-supports (desktop, tablette et smartphone), car l’objectif de ces outils est la communication de l’information chiffrée. La mobilité est donc native, c’est à dire qu’elle s’adapte sur tous les devices avec la même configuration. Pour les autres tools de BI, il faut souvent refaire de la configuration pour adapter aux différentes tailles d’écran… générant une perte en performance et coût additionnel.
Donc si vous avez besoin des vos informations sur tablettes et smartphones, généralement besoin exprimé par les commerciaux et le Top Management, il est préférable se tourner vers des outils de Data Storytelling.
3. Comment eviter la multiplication des outils
Les entreprises ont encore tendance à utiliser un seul tool pour répondre au besoin d’explorer la donnée et celui de la raconter. Cependant, les 2 instruments ne font pas le même métier.
Faisons une analogie
C’est comme si vous compariez l’Investor Relator de votre entreprise (personne qui s’occupe de la relation avec les investisseurs) avec le Service Comptable: Ce sont 2 fonctions qui font partie de la sphère financière, mais dont la mission n’est pas la même ! L’un peut prendre les fonctions de l’autre avec de très grandes difficultés !
Les principaux scénarios à effet doublon
Cas de redondance là où j’ai déjà un outil de Data Exploration.
- Je dois communiquer ma donnée à un petit groupe de personnes, expertes en la matière
Cas de redondance là où j’ai déjà un outil de Data Storytelling
- Je dois faire l’analyse des mes indicateurs clés en croisant d’autres facteurs et paramètres.
Si vous avez des doutes sur un éventuel effet doublon dans votre entreprise, écrivez-nous à go@blog-preprod.toucantoco.com.
4. complémentarité entre Data Storytelling et de Data Exploration en entreprise
Techniquement les outils de Data Exploration et Data Storytelling ne sont pas liés entre eux: ils se branchent directement aux bases de données (en utilisant l’ETL interne à l’outil) ou à l’instrument d’ETL de l’entreprise.
L’entreprise a un ETL
La plupart des entreprises qui manipulent beaucoup de données ont fait le choix d’investir dans des instruments de transformation de la donnée en amont de la restitution.
L’ETL est l’instrument qui va travailler la donnée, la nettoyer, l’agréger, faire des opérations, et qui alimente au final les différentes applications de l’entreprise.
Quelques exemples d’ETL souvent rencontrés en entreprise: talend, alteryx, dataiku, denodo). Ces ETL externes sont versatiles pour desservir plusieurs applications. Les instruments de Data Storytelling et Data Exploration se branchent directement à la sortie de ces outils. Lisez notre article sur Talend et Toucan Toco.
L’entreprise n’a pas d’ETL et/ou a un ETL dans l’outil de Data Exploration
Il est préférable de se connecter directement aux données, plutôt que d’utiliser l’ETL d’un autre tool. En effet, quand ils sont intégrés à une solution, les ETL sont peu flexibles et s’adaptent très mal en sortie à d’autres solutions logicielles. Il est donc recommandé de se connecter directement à la base de donnée et d’utiliser, le cas échéant, l’ETL de la solution de Data Storytelling adoptée. Toucan Toco a son propre ETL par exemple, et va pouvoir préparer la donnée dont le client a besoin.
.webp)