Analytique intégrée : une avance en matière d'intelligence opérationnelle

Quelques cas d’application

Ce qui rend le concept si efficace, c'est l'incorporation des résultats des applications analytiques à l'infrastructure du processus opérationnel. Examinons quelques-uns des processus métier susceptibles de bénéficier des informations exploitables que fournissent les applications d'intelligence opérationnelle :

Service clientèle. Il est possible d'améliorer une application de centre d'appels en associant les données de profil client à des modèles analytiques qui évaluent les réponses de l'appelant en temps réel. Au fil de la conversation, les probabilités de voir un client répondre positivement à une offre promotionnelle sont calculées, et le script de l'agent du centre d'appel est modifié à la volée. Cette pratique débouche, normalement, sur une fidélisation accrue de la clientèle.

Logistique. Les livraisons sont plus rapides et la sécurité des chauffeurs accrue via l'utilisation d'une application qui combine données spatiales et informations sur la circulation, sur les conditions météo et sur les alertes d'urgence, afin de calculer l'itinéraire le plus rapide, avec le minimum de problèmes et de dangers. Le cas échéant, de nouvelles instructions d'acheminement peuvent être transmises au dispositif mobile du chauffeur.

Energie. Dans une entreprise de service public, les données de réseau intelligent (Smart Grid) et les informations sur l'état du réseau, les schémas de défaillance des équipements et la météo peuvent être associées à une surveillance automatisée, via des capteurs, afin d'anticiper les pannes sur le réseau électrique et de réacheminer les transmissions selon les besoins. Cette approche contribue à diminuer l'incidence des coupures d'alimentation.

Fabrication. La productivité s'accroît et les pannes provoquant une immobilisation se réduisent via une surveillance en temps réel de l'activité sur le site de production, grâce à des rapports continus sur l'état des composants de la chaîne d'assemblage. Les responsables de l'exploitation sont notifiés dès lors que les éléments de mesure indiquent la défaillance imminente d'un équipement. Ils prennent alors des mesures préventives pour remplacer les pièces incriminées.

Conditions requises pour des gains opérationnels

Quelles sont donc les caractéristiques d'un processus métier capable de profiter d'outils et de techniques d'intelligence opérationnelle ?

Pour se qualifier, le processus doit disposer d'indicateurs de performance bien définis et d'objectifs métier spécifiques associés à chaque indicateur. Parallèlement, sont nécessaires un ou plusieurs points de décision impliquant les utilisateurs partie prenante du processus, ainsi qu'une reconnaissance en interne du fait que l'absence d'informations peut porter préjudice aux décisions métier... et que des décisions mal avisées peuvent, à leur tour, porter préjudice à l'activité.

Parmi les autres critères, on compte la capacité à générer des indications pertinentes par l'analyse des données d'exploitation, et à s'appuyer sur ces indications pour prendre des mesures visant à améliorer le processus métier.

Il est important de convenir qu'aucun de ces critères ne requiert des utilisateurs impliqués une compétence technique ou un savoir-faire en matière d'analytique. En fait, ce qui rend le concept si efficace, c'est l'incorporation des résultats des applications analytiques à l'infrastructure du processus opérationnel.

Toutefois, pour une efficacité maximale, un projet d'intelligence opérationnelle doit englober les caractéristiques suivantes :

• L'intégration en temps réel de données provenant de différentes sources (tant humaines que machine), couplée aux moyens d'intégrer des fonctionnalités analytiques aux processus métier et aux applications qui les prennent en charge, et ce pour obtenir des résultats et entreprendre des mesures opérationnelles dans des délais impartis
• Des méthodes de présentation des données faciles à appréhender et adaptées aux différents rôles métier ; par exemple, le responsable d'un site de fabrication n'aura pas la même vue des données que l'opérateur de la chaîne de production
• Une intégration transparente aux différents dispositifs et applications utilisés par les employés concernés
• Des notifications événementielles et organisées en flux qui permettent au système d'envoyer en temps réel des messages, et notamment des alertes, aux personnes compétentes

Surmonter les obstacles au déploiement

Ce fonctionnement présente cependant des défis. Les performances en font partie : il pourra s'avérer nécessaire d'exécuter en parallèle un workload mixant différentes tâches d'analyse de données selon les parties prenantes du processus.

L'accroissement du volume et de la vélocité des données aussi : il faudra peut-être combiner des technologies de Big Data et de traitement des flux pour garantir le captage et le traitement en temps utile des informations requises.

Malgré les défis, l'adoption de plus en plus répandue de systèmes Big Data, couplée à l'utilisation croissante de capteurs et de machines informatisées connectés aux réseaux d'entreprise via l'Internet des objets, offre de nouvelles opportunités en matière d'intelligence opérationnelle. Il est ainsi possible de réaliser des analyses plus complexes sur des quantités plus importantes d'informations issues d'un plus grand nombre de sources. De plus, les efforts consentis pour intégrer aux applications mobiles les résultats de l'analytique opérationnelle vont élargir la mise à disposition des informations.

Ces approches aideront l'entreprise à atteindre son objectif, qui est de rendre des informations exploitables accessibles à leurs unités métier ; et ce dans un délai qui permettra aux employés