Définition courte
Qu’est-ce que la Business Intelligence ?
La Business Intelligence (BI) est un processus basé sur les données qui permet d’analyser et de comprendre le fonctionnement des organisations. La BI permet de prendre de meilleures décisions stratégiques, le tout sur la base d’informations réelles : la data !
On dit que les systèmes de Business Intelligence sont des systèmes d’aide à la décision (Decision Support Systems, DSS) basés sur des données.
La Business Intelligence, ou BI, est devenue un terme populaire dans tous les secteurs, mais c’est un terme fourre-tout qui englobe divers processus, outils et méthodologies qui permettent aux entreprises de collecter des données, de les analyser et d’obtenir de meilleures réponses à des questions clés.
Si vous voulez aller plus loin sur le sujet, c’est un peu plus bas que ça se passe 👇 🤓
10 ressources data marketing à forte valeur ajoutée
1. Formation sur Google Analytics 4
2. Formation sur Google Tag Manager
3. Formation sur les paramètres UTM
4. Formation sur le plan de taggage
5. Formation sur Looker Studio
7. Formation sur Google Tag Manager Server-Side
8. Formation sur l’attribution marketing
Pour aller plus loin
Pourquoi la Business Intelligence est-elle importante ?
La Business Intelligence est une discipline importante car elle aide les entreprises à prendre de meilleures décisions en présentant des données actuelles et historiques dans leur contexte business. Elle permet de rassembler des données provenant de sources multiples, de les analyser, puis de les diffuser sous forme de visualisation aux parties prenantes concernées. Cela permet aux entreprises d’avoir une vue d’ensemble et de prendre des décisions plus intelligentes.
Voici quelques exemples de la manière dont la Business Intelligence peut aider les entreprises à prendre des décisions plus réfléchies, fondées sur des données :
- Identifier les moyens d’augmenter les bénéfices.
- Analyser les tendances actuelles du comportement des consommateurs.
- Segmenter des prospects par caractéristiques démographiques.
- Comparer les données avec celles des concurrents.
- Mesurer différents ROIs afin de prioriser les dépenses futures.
Etc, la liste est longue !
Les avantages de la Business Intelligence par service
Pour illustrer le BI en action, voici quelques exemples spécifiques à chaque département d’une entreprise sur les perspectives et les avantages qui peuvent découler de son adoption et de son application :
Business Intelligence et marketing
L’utilisation de la BI aide les spécialistes du marketing à obtenir des informations approfondies sur les désirs et l’attitude des leurs clients et potentiels clients. Ces informations peuvent ensuite être utilisées pour concevoir de meilleures campagnes publicitaires, cibler le bon public et générer de meilleurs résultats.
Business Intelligence et ventes
La Business Intelligence peut aider la force de vente de votre entreprise en fournissant des informations sur le cycle de vente, des analyses approfondies sur les taux de conversion, comment optimiser ses stratégies de crosssell/upsell etc. La BI peut aider votre équipe de vente à identifier ce qui fonctionne ainsi que ce qui ne fonctionne pas, ce qui se traduit par des améliorations continues, et donc une amélioration des performances.
Business Intelligence et ressources humaines
Les RH peuvent bénéficier de la Business Intelligence en analysant la productivité des employés, les rémunérations et les salaires, ainsi que les informations sur la satisfaction des employés. Une compréhension fine de ses salariés est incontournable pour un service RH.
Business Intelligence et finance
La Business Intelligence peut aider les services financiers en fournissant des renseignements précieux et approfondis sur les données financières. La BI peut aider à suivre les budgets trimestriels et annuels, à identifier les problèmes potentiels avant qu’ils n’aient des conséquences négatives, et à améliorer la santé et la stabilité financière de l’organisation.
Comment fonctionne la Business Intelligence ?
La BI est relativement simple en théorie, mais plus difficile à mettre en place dans la réalité !
On peut découper la Business Intelligence en 6 parties interdépendantes : la collecte, l’extraction, le stockage, l’analyse, la visualisation et l’interprétation.
Pour faire simple, les données provenant des “systèmes sources” (CRM, back office, site web, etc) sont périodiquement (souvent quotidiennement) extraites, traitées / nettoyées et stockées dans un entrepôt de données (Data Warehouse) grâce à un outil d’ETL (Extract Transform Load).
Une fois que les données sont extraites, traitées / nettoyées et stockées, elles sont analysées (via du SQL généralement) et alimentent des supports de visualisation à destination des décideurs.
Grâce à ces supports de visualisation (dashboards), l’utilisateur final peut interpréter les données et ainsi prendre de meilleures décisions.
Qu’est ce qu’un outil de Business Intelligence ?
Un outil de Business Intelligence vous aide à comprendre les tendances et à tirer des informations sur vos données afin que vous puissiez prendre les meilleures décisions tactiques et stratégiques au jour le jour. Certains outils intègrent l’extraction, le stockage, l’analyse et la visualisation des données, d’autres (plus léger) sont uniquement conçus pour de la visualisation.
Voici les outils les plus connus en 2021 :
- Google Data Studio
- Tableau
- Power BI Pro
- Looker
- Qlik Sense
- Mode
- Chartio
- DOMO
- IBM Cognos Analytics
- Sisense
- QlikView
- SAP Business Objects
- Microsoft SQL Server
- Oracle Business Intelligence
- Albacore
- WebFOCUS
- TIBCO Spotfire
- MicroStrategy
À titre d’information, les 3 outils BI que l’on utilise le plus au sein de l’agence data Boryl sont :
- Google Data Studio
- Power BI
- Tableau
Pour approfondir : Les 10 meilleurs outils de Business Intelligence en 2021 (comparatif)
Quelle est la différence entre le Big Data et la Business Intelligence ?
Le Big Data est souvent appelé le successeur de la Business Intelligence, mais est-ce vraiment le cas?
Le principal point commun entre ces deux systèmes est qu’ils ont pour vocation de fournir des réponses aux questions des entreprises, mais le Big Data peut aller plus loin que les systèmes traditionnels de BI.
La distinction entre ces deux disciplines se situe essentiellement dans le type de données traitées, et dans la manière dont les données sont traitées.
Dans le cas de la Business Intelligence, les données sont stockées sur un serveur central (Data Warehouse), alors que dans le cas du Big Data, on utilise des systèmes de fichiers distribués.
La portée de la BI est limitée aux données structurées tandis que le Big Data peut gérer toutes sortes de données.
Enfin, le Big Data utilise une approche MPP qui accélère le traitement et l’analyse des données.
Pour approfondir : Big Data vs Business Intelligence, quelle est la différence ?
Quel est le rôle d’un consultant en Business Intelligence ?
Le rôle d’un consultant en BI est d’utiliser toutes les technologies et méthodologies disponibles pour aider les entreprises à extraire, centraliser, préparer, et visualiser des données provenant de différentes sources (généralement internes à l’entreprise) pouvant être intéressantes pour améliorer leur prise de décision.
Un consultant en Business Intelligence évalue les systèmes existants et déploie de nouveaux outils si nécessaire pour mieux analyser les données recueillies par l’entreprise.
Voici les principales mission d’un consultant bi :
- Recueillir, analyser et comprendre les besoins métier.
- Mettre en place une architecture de stockage facilitant l’analyse et la visualisation.
- Créer des fonctions et requêtes de traitement de données (nettoyage, réconciliation, consolidation, enrichissement, agrégation, modélisation).
- Déployer un système d’ ETL afin d’orchestrer l’extraction et le traitement des données en temps réel.
- Choisir la solution de data visualisation la plus adaptée aux besoins et problématiques de l’entreprise
Pour approfondir : Consultant Business Intelligence : tout savoir !
Quelle est l’histoire de la Business Intelligence ?
Nous entendons beaucoup le mot « Business Intelligence », mais ce qui est particulièrement surprenant c’est que ce n’est pas un nouveau mot.
L’ouvrage de Richard Miller Devens “Cyclopaedia of Commercial and Business Anecdotes” publié en 1865, contient le premier usage connu du terme » Business Intelligence « . Il l’utilise pour décrire la manière dont un banquier, Sir Henry Furnese, a réussi : il avait une compréhension des questions politiques, des instabilités et du marché avant ses concurrents.
Au cours de la dernière décennie du 19e siècle, Frederick Taylor a introduit le premier système formalisé de Business Intelligence aux États-Unis. Son système analysait les techniques de production et les mouvements du corps des ouvriers pour trouver des gains d’efficacité afin de booster la production industrielle.
Taylor a fini par devenir consultant pour Henry Ford, qui, au début des années 1900, a commencé à mesurer le temps que prenait chaque étape de production du modèle Ford T sur sa chaîne de montage. Son travail et son succès ont révolutionné l’industrie manufacturière dans le monde entier. À cette époque, la Business Intelligence n’était pas encore informatisée, elle se faisait sur papier !
Années 1950 : les débuts.
En 1958, le chercheur d’IBM Hans Peter Luhn publie “A Business Intelligence System”. Hans est par la suite nommé le père fondateur de la Business Intelligence.
L’article décrit un système automatique développé pour diffuser des informations aux différentes sections de toute organisation industrielle, scientifique ou gouvernementale.
Au lendemain du boom de l’après-guerre, ces secteurs avaient besoin d’un moyen d’organiser et d’utiliser leurs quantités données (de plus en plus importantes).
Hans Peter Luhn définit la BI comme étant la capacité à comprendre les interrelations des faits présents de manière à orienter l’action vers un but souhaité.
Le travail de Luhn a fait plus qu’introduire le concept de la Business Intelligence. Ses recherches ont permis d’établir des méthodes qui ont servi de base à la création de certains des systèmes BI d’IBM.
Jusqu’à la fin des années 90 : développement et évolution.
L’avènement de l’informatique dans les entreprises, a permis une alternative au stockage des données sur papier.
L’invention du disque dur par IBM en 1956 a révolutionné le stockage des données. Les disquettes, les disques laser et d’autres technologies de stockage ont permis de créer de plus en plus de données et de disposer de plus en plus d’endroits pour les stocker.
Plus tard, dans les années 1970, les premiers éditeurs et vendeurs d’outils de Business Intelligence apparaissent avec des solutions destinées à faciliter l’accès et l’organisation des données.
En 1988, le consortium Multiway Data Analysis, une conférence internationale visant à rationaliser les processus de données, s’est tenue à Rome.
En 1989, Howard Dresner a défini la notion de Business Intelligence telle que nous la connaissons aujourd’hui : « Concepts, technologies, et méthodes visant à améliorer la prise de décision des entreprises en utilisant des systèmes d’aide basés sur des données ».
En 1990, l’utilisation du terme » Business Intelligence » se répand, et de plus en plus d’entreprises commencent à comprendre la véritable importance de la BI.
Techniquement, dans ces années-là, des progrès apparaissent sur l’extraction et le stockage et le traitement des données.
De plus en plus d’entrepôts de données (Data Warehouse) sont déployés, permettant de rassembler et d’organiser les données provenant des différentes applications de l’entreprise.
Des outils baptisés ETL (Extract, Transform and Load) se démocratisent, permettant d’extraire et traiter les données (généralement une fois par jour) depuis les différentes sources, et de les envoyer dans le Data Warehouse.
Lorsque la notion de Business Intelligence est devenue une expression courante à la fin des années 1990 et au début des années 2000, des dizaines de nouveaux fournisseurs sont apparus sur le marché (IBM, Microsoft, SAP, Oracle)
Cependant, deux problèmes importants ont entravé cette phase de développement : la complexité et le temps.
Généralement, les projets étaient gérés par les services informatiques, ce qui signifie que la plupart des utilisateurs métier n’étaient pas capables de réaliser des analyses par eux-mêmes. Seuls les profils techniques étaient capables de faire de la Business Intelligence.
Ce n’est qu’au début des années 2000 que ces contraintes de manipulations informatiques s’atténueront.
Début des années 2000 à aujourd’hui : une Business Intelligence plus accessible et plus puissante.
En raison de l’augmentation exponentielle de la puissance de traitement et de la demande accrue de solutions de Business Intelligence plus intuitives, le 21e siècle a vu une amélioration rapide de la flexibilité et de la facilité d’utilisation des plateformes de BI.
Les années 2000 ont vu naître les premiers logiciels de BI cloud. Ces logiciels ont permis aux petites entreprises d’utiliser la BI, sans devoir mettre en place une solution avec des frais d’installation initiaux élevés.
Une autre nouvelle caractéristique est le traitement en temps réel grâce à des frameworks comme Hadoop. Par le passé, les bases de données devaient être mises à jour par » batch « , ce qui pouvait entraîner des décalages importants.
Enfin, les plateformes de BI ont commencé à être proposées en tant que logiciels d’analyse en libre-service. Ces solutions permettent à un utilisateur non spécialisé de générer intuitivement des rapports par simples glisser-déposer plutôt qu’en écrivant des requêtes d’analyse en SQL.
Toutes ces innovations ont été stimulées par les besoins du marché. La montée en puissance des réseaux sociaux, l’utilisation croissante d’internet et des smartphones ont fait monter en flèche la quantité de données dans le monde, et donc le besoin de les analyser.
Encore aujourd’hui, la Business Intelligence est en constante évolution. Si nous avons parcouru un long chemin depuis l’époque, il reste encore beaucoup d’innovations à apporter.
Définitions similaires
OLTP, OLAP, Données non structurées, Données structurées, Docker, Gouvernance des données, DFS, MySQL, PostgreSQL, Data cleaning, Analyse ad hoc, Data lake, Power BI, Analyse descriptive, Analyse multidimensionnelle, SIAD, ARR, Taux de rétention, Taux d’attrition, Data mining, Pie chart, Histogramme, Dashboard, Graphique, Tableau software, Box plot, Bar chart, Area chart, Data visualisation, KPI, Analyse de cohorte, MRR, API, Data warehouse, Data engineering, CLV, ETL, dbt (Data Build Tool), Data catalog, Marketing Automation, Segmentation RFM
