Les six caractéristiques clés d’une solution de BI embarquée

1. Le modèle de tarification

Les entreprises doivent tenir compte du modèle de tarification qui leur convient lorsqu’elles choisissent un logiciel de ce type. La BI embarquée peut réduire les coûts initiaux d’ajout de rapports, de visualisation et d’analyse de données, car l’entreprise n’a pas besoin de construire les systèmes à partir de zéro. Les éditeurs de BI se chargent généralement des mises à jour des outils, ce qui réduit les coûts de maintenance.

A priori, les services de BI cloud sont plus faciles à mettre en œuvre que les options sur site puisque la DSI n’a plus à gérer elle-même les machines. En revanche, souvent, l’entreprise supporte le coût de l’ajout des tableaux de bord intégrés aux progiciels ou de l’écriture du code pour appeler les interfaces de programmation d’applications de l’éditeur de BI. En outre, les services en cloud ont des coûts d’abonnement.

Les fournisseurs de solutions décisionnelles embarquées calculent généralement leurs coûts en utilisant une combinaison de sièges d’utilisateurs, d’hébergement et de consommation de ressources cloud. Des facteurs qui peuvent rapidement faire grimper le montant sur la facture. Pour obtenir une estimation précise des coûts, il convient de tenir compte à la fois de l’utilisation normale et des périodes de pointe.

Une autre option de tarification consiste à calculer les frais en fonction du nombre de serveurs sur lesquels l’entreprise fait tourner l’outil. En théorie, une entreprise peut utiliser un petit nombre de serveurs pour prendre en charge un nombre illimité d’utilisateurs. Dans la pratique, cela peut entraîner des performances médiocres pendant les périodes de pointe ou obliger l’entreprise à ajouter des serveurs.

Au-delà des implications tarifaires des outils SaaS, ceux-ci peuvent changer ou s’interrompre lorsque les éditeurs mettent à jour leur système.

« Une fois que vous optez pour le SaaS en ce qui concerne les analyses embarquées, cela devient un processus très finement chorégraphié », avance Boris Evelson, vice-président et analyste principal chez Forrester Research. « Vous obtenez simplement l’API, mais vous êtes à la merci du fournisseur pour ce qui est des versions, de la sécurité et des mises à niveau selon le calendrier qui vous convient ».

2. Une expérience utilisateur fluide

Les interfaces intuitives peuvent réduire le temps que les entreprises consacrent à la formation, augmenter l’utilisation de la BI embarquée et aider l’entreprise à mieux prendre le virage « data driven ».

La personnalisation permet aux utilisateurs finaux de choisir les visualisations et les rapports dont ils ont besoin. De nombreux éditeurs de solutions décisionnelles facilitent l’intégration de tableaux de bord interactifs dans les applications, ce qui permet aux utilisateurs de modifier leur présentation ou d’approfondir les données. C’est un avantage pour les entités qui veulent pouvoir personnaliser leur plateforme.

Par exemple, certains clients de Stream Financial Technology souhaitent utiliser les données de ses API sans passer par son interface, explique Jowanza Joseph, ancien responsable de l’ingénierie chez StreamFT. Le client décide de l’apparence des données de Stream et de la manière dont il les intègre.

Pour certains utilisateurs, il est important d’avoir un accès mobile aux plateformes de BI embarquée. Il convient d’évaluer soigneusement les options des éditeurs, car tous les tableaux de bord ne s’adaptent pas à la visualisation sur smartphone ou tablette.

3. Des capacités d’analyse prédictive

Dans le passé, les plateformes BI se contentaient d’informer les utilisateurs sur des événements passés ou présents. Par exemple, la BI peut envoyer une notification lorsque les niveaux de stock d’un produit particulier sont bas. Aujourd’hui, cela ne suffit plus.

L’une des principales caractéristiques des plateformes modernes de BI embarquée est la possibilité de faire des prévisions et de personnaliser l’outil pour l’adapter aux besoins spécifiques de l’entreprise. Il peut s’agir d’intégrer des algorithmes de prédiction « maison » dans un flux de travail, ou de fournir des outils d’AutoML en vue d’entraîner rapidement un modèle qui sera embarqué dans une application par la suite.

4. Des indicateurs « activables »

 Il est relativement simple d’intégrer un diagramme ou un tableau de bord d’une plateforme de BI dans une application destinée aux employés. La difficulté est de rendre le graphique interactif et exploitable, explique Boris Evelson.

« Dans une application BI traditionnelle, les indicateurs sont précieux, mais ils ne sont pas vraiment exploitables ».

« Dans une application BI traditionnelle, les indicateurs sont précieux, mais ils ne sont pas vraiment exploitables », explique-t-il.

La plateforme de BI peut avertir un employé qu’un article particulier est en rupture de stock. L’employé doit alors ouvrir le système de gestion des stocks et commander des stocks supplémentaires. L’intégration de la veille stratégique dans le système de gestion des stocks permet à l’employé de gagner du temps.

« Si [le système de veille stratégique est] bien conçu, il vous fournira une liste des meilleurs fournisseurs et vous pourrez commander le stock directement à partir de là », considère l’analyste de Forrester.

Les utilisateurs de BI embarquée veulent faire plus que prédire les résultats futurs ; ils veulent des outils d’analyse qui offrent « des capacités prédictives qui soutiennent l’action proactive et l’automatisation », insiste Doug Henschen.

Par exemple, au lieu de dire aux employés que les niveaux de stock sont bas, la BI embarquée peut leur dire que les niveaux de stock seront trop bas pour répondre à la demande saisonnière le mois prochain. L’alerte précoce encourage l’équipe à passer la commande immédiatement.

Les organisations peuvent suivre l’utilité des analyses exploitables en fonction du résultat de l’action. Avec un système de BI traditionnel, le métier doit changer d’outil pour prendre une décision.

L’analyse exploitable ne se limite pas à l’intégration d’un graphique provenant d’une plateforme de BI. L’application métier doit faire appel à la plateforme de BI via une API, puis s’appuyer sur les données traitées pour proposer des recommandations d’actions. Or toutes les suites n’exposent pas l’ensemble de leurs fonctionnalités par API.

« Dans une plateforme de BI moderne, créée nativement à cette fin, 100 % des points de terminaison sont ouverts aux API », précise M. Evelson. « Mais la plupart des plateformes de BI d’entreprise s’appuient sur des systèmes dans lesquels seuls 70 à 90 % des fonctions sont accessibles à travers des API ».

Lorsqu’elles choisissent une plateforme de BI, les entreprises doivent s’assurer que les fonctionnalités qu’elles comptent exploiter sont exposées sous forme d’interface de programmation, ou qu’elles le seront dans un futur proche.

5. La détection automatique d’indicateurs

Selon Gartner, l’automatisation des indicateurs est aujourd’hui la principale exigence fonctionnelle d’une plateforme d’analyse et de BI.

Les entreprises peuvent utiliser des capacités de machine learning pour organiser et comprendre les jeux de données toujours plus nombreux utilisés par les outils analytiques et décisionnels, affirme Colin Reid, analyste chez Gartner, dans un rapport datant d’août 2023.

Dans le meilleur des cas, une plateforme de BI embarquée peut automatiquement passer au crible les jeux de données, générer des rapports, identifier les indicateurs clés et créer des visualisations. L’automatisation permet d’identifier les métriques et les tendances plus rapidement que les humains ne le feraient, et elle peut révéler des motifs qu’un humain pourrait ne pas percevoir. Elle permet aux analystes de se concentrer sur des tâches plus importantes et facilite la distribution de rapports aux parties prenantes dans un format compréhensible par tous, quelles que soient les compétences techniques.

Dans les faits, peu d’outils disposent de fonctionnalités aussi avancées et cela réclame un travail d’architecture et de préparation de données en amont.

6. Intégrer le traitement du langage naturel et l’IA générative

Les analyses embarquées sont en constante évolution, car l’IA générative et les développements de grands modèles de langage améliorent les réponses aux questions en langage naturel.

Le traitement du langage naturel (NLP) a des limites, explique Bradley Shimmin, analyste principal, plateformes d’IA, analytique et gestion des données chez Omdia.

Par exemple, de nombreux systèmes de BI ont des définitions nuancées pour leurs données et leurs indicateurs. Une mesure et une métrique peuvent avoir des significations différentes. Par conséquent, les data analysts doivent mettre en place une BI embarquée et extraire les indicateurs nécessaires dans chaque contexte. L’ajout du NLP n’a pas aidé.

Avec l’avènement de l’IA générative, les utilisateurs n’ont plus besoin de connaître la différence entre une mesure et une métrique, ni même les modèles de données et les actifs utilisés par leur entreprise, avance Bradley Shimmin.

« Dans le passé, quelle que soit la qualité du système NLP, il fallait toujours connaître les nuances de la formulation d’une question », explique-t-il. « L’IA générative devient rapidement la concrétisation du travail effectué par ces éditeurs au cours des cinq dernières années afin d’offrir une expérience utilisateur simple par-dessus des architectures très compliquées ».

La BI embarquée, moins de travail pour les métiers, plus d’intégrations pour l’IT

Selon un rapport de Constellation Research, les principaux éditeurs de solutions de BI embarquée sont Domo, Google Looker, Microsoft Power BI, MicroStrategy, Oracle Analytics, Qlik Sense, Sisense, Tableau et ThoughtSpot.

Les entreprises telles que les banques et les commerçants peuvent ajouter des analyses à leurs applications, portails, programmes de fidélisation en ligne et autres logiciels. Les entreprises exigent davantage de fonctionnalités de la part des éditeurs de BI, car elles passent de simples diagrammes à des fonctions de BI plus complexes et interactives, telles que la prise de décision (semi-automatisée) sur la base d’indicateurs clés ou de prédiction.

« Les architectures orientées microservices, les connecteurs natifs, les interfaces RESTful et les kits de développement logiciel permettent d’intégrer de manière flexible les données, les mesures, les visualisations et les tableaux de bord ».

« Les architectures orientées microservices, les connecteurs natifs, les interfaces RESTful et les kits de développement logiciel permettent d’intégrer de manière flexible les données, les mesures, les visualisations et les tableaux de bord », estime Doug Henschen.

Les plateformes peuvent également prendre en charge les approches DevOps qui automatisent l’intégration continue, le déploiement continu, le développement low-code/no-code et les options d’intégration. Les entreprises peuvent utiliser les capacités DevOps pour créer des applications personnalisées et aider les non-développeurs à ajouter des données et des informations aux applications existantes. Les entreprises qui achètent des outils de BI embarquée devraient par ailleurs rechercher des options d’alerte et de flux de travail, selon l’analyste.

« [Ces fonctionnalités] permettent aux entreprises de déclencher des événements, d’automatiser des actions et de lancer des flux de travail sur la base de règles et de seuils eux-mêmes reposant sur des données et des indicateurs », conclut-il.