Vous avez découvert dans l’article « Créer de la valeur avec mes données : une démarche pragmatique avant tout«  la méthodologie que nous utilisons et ce qu’on peut en attendre. Découvrez dans le présent article deux moyens de parvenir à ces résultats.

Les différentes solutions

Comme pour beaucoup de vos activités dans vos entreprises, vous disposez d’une ribambelle de solutions métiers qui peuvent vous être fortes utiles pour analyser vos données. Certaines vont être spécialisées dans la collecte des données, la mise à disposition d’un espace de tri, d’entrepôt de données. D’autres encore vont se situer plutôt sur la partie visualisation de ces données et leur mise en ligne. En réalité, vous avez besoin de toutes ces fonctionnalités pour mener à bien votre projet. Certaines peuvent être automatisées (collecte des données via webservices par exemple), d’autres sont plus « manuelles ». Ces dernières nécessitent l’intervention d’une intelligence humaine pour répondre par exemple à ce type de questions : « Cette donnée a-t-elle un sens ? Est-elle exploitable ? »

Solutions “sur étagère”

Afin de mener à bien votre projet, vous avez deux manières de voir les choses. Soit vous faites appel à un éditeur de logiciel dédié (voire à plusieurs car comme nous l’avons évoqué plus haut, parfois cela nécessite plusieurs expertises très pointues). On vous parlera alors de Data vizualisation, Data storytelling, Big Data, de BI (Business Intelligence) … parce que ça fait bien et vous pourrez dire à vos copains chef d’entreprise que vous êtes à fond dans la « Bi Aïe » 🙂

On pourrait lister ici toutes les solutions logicielles s’offrant à vous mais… on ne va pas le faire. D’abord parce que cette page ne serait pas assez grande pour cela. Mais aussi parce que ce qui nous intéresse, c’est de pouvoir vous accompagner avec des outils très performants, libres, open source, que l’on maîtrise et qui vont n(v)ous permettre de construire des résultats sur mesure.

Solutions « sur-mesure »

Qui utilise 100% des capacités de son logiciel métier ? … ok, alors 75% ? … disons 50% ? hum hum… Combien coûte la licence annuelle déjà ?

C’est une lapalissade mais un avant-projet est d’abord constitué de questions pour comprendre. Comprendre votre métier, vos clients, vos fournisseurs, les interactions avec ces derniers, la stratégie en route… Ceci dans l’objectif de pouvoir vous proposer la meilleure réponse à vos problématiques. L’ère est aux start-up. Que fait une start-up (normalement) ? Elle détecte des opportunités marché sur la base d’observations d’insatisfactions exprimées ou non par des utilisateurs d’un produit ou d’un service. À n(v)otre échelle, nous faisons la même chose. Détecter une problématique liée à votre activité professionnelle pouvant être résolue par la mise en oeuvre d’un projet d’exploitation de données. Évidemment, tout ne peut être résolue par un projet data ! Il faut déjà que vous ayez une idée de ce que vous pourriez en faire et surtout du bénéfice que vous pourriez en tirer.

Une fois cette phase de découverte correctement effectuée, nous pouvons alors envisager des solutions sur-mesure non sur-dimensionnées, non sous-dimensionnées, qui sauront répondre à vos attentes. Nous commençons donc systématiquement par prendre le travail par des éléments tangibles et concrets, tout en gardant à l’esprit un objectif plus macro.

Mise en situation…

Le client : « J’aimerais me lancer dans un projet de big data »

Nous : « Ah bon, pourquoi ? »

Le client : « Parce que j’ai des données. »

Nous : « Et ? »

Le client : « Et j’aimerais créer de la valeur avec mes données. Depuis le temps que mon entreprise existe, on est informatisé depuis longtemps, il y a peut-être des trésors… »

Nous : « Certainement. Quelle est la problématique du moment aux Ets xxxxxx ? »

Le client : « Oh, bien il y en a plusieurs mais… quel rapport avec ce pourquoi vous êtes là ? »

Nous : « Tant qu’à faire, autant que ce projet « big data » vous soit utile. On ne mène pas un projet data sans le raccrocher à une problématique métier. »

Le client : « OK. Alors j’ai quelques soucis avec certains fournisseurs en ce moment, ils ne sont pas fiables… Puis il y a l’absentéisme à l’usine, je ne sais pas pourquoi mais il y en a de plus en plus… L’année dernière on a fait + 3% en marge brute, cette année j’ai l’impression qu’on va faire moins… »

Stop. Bon, on est d’accord que dans la vraie vie, le rendez-vous ne se passe pas vraiment comme ça … cqfd

Nous : « OK. Il y a donc plusieurs sujets très intéressants à traiter. Pour ce qui est des fournisseurs, vous avez certainement les dates de commande avec les dates de réception et le nombre de non qualité ? … Pour ce qui est de l’absentéisme, vous devez avoir toutes les feuilles d’arrêt maladie de ces derniers mois et celles de ces dernières années ? … Et pour votre marge brute, vous devez avoir un tableau Excel avec la ventilation du CA par mois, année ?… On peut apporter une réponse à tout cela mais on ne va pas tout traiter d’un coup. L’objectif est de vous familiariser avec la démarche d’exploitation de vos données. Quelle est, parmi ces trois problématiques, celle qui vous pose le plus de souci actuellement ? »

Le client : « L’absentéisme, c’est vraiment préjudiciable pour nos livraisons et la satisfaction clients en pâti. »

Suite à ce premier rendez-vous – pouvant prendre la forme d’un rendez-vous Meet-Up – nous avons donc rassemblé tous les éléments connus et à disposition de l’entreprise (feuilles de congés des dernières semaines, mois, années). Nous avons comparé les arrêts en fonction des métiers, des lieux physiques où travaillent les salariés dans l’entreprise … Nous sommes arrivés à la conclusion que l’absentéisme était effectivement plus élevé … mais pas son taux ! En effet, dans le même temps, notre client a embauché beaucoup de monde à l’atelier. Cet exemple (simpliste) illustre le fait que s’engager dans l’analyse de données oblige à comprendre quels peuvent être les incidences sur telle ou telle donnée. Car généralement, il y a interdépendance entre certaines données.

D’un point de vue plus technique, nous avons rassemblé les données mises à notre disposition par notre client dans un outil open source. Puis avons « nettoyé » certaines données qui n’étaient pas correctes (trop élevées, trop faibles, …). 5 jours après notre passage nous avons pu lui présenter non pas pléthores de tableaux et de graphs mais un simple graphique comparatif agrégeant beaucoup de données et avec lequel il a pu « jouer » et entrer en interaction. Il s’est dit que ça pourrait être bien de mettre en place un service RH. Celui-ci aurait pour principale mission de limiter l’absentéisme. Nous lui avons suggérer de mettre en place un tableau de bord RH composé de plusieurs indicateurs qui, pour notre client, font sens.

Au final nous suivons toujours ce client pour qui nous avons déployé un tableau de bord RH. Nous allons maintenant déployer un extranet. Ses fournisseurs l’utiliseront pour retrouver des informations importantes, les engageant ainsi davantage sur leurs obligations envers notre client.

Les outils open source que nous utilisons permettent une grande souplesse. Nous pouvons intégrer dans un site web existant des morceaux de ces analyses de données, créer un intranet ou un extranet intégrant tout ou partie de ces analyses. Cette grande souplesse n’est pas toujours permise avec des solutions « propriétaires ».

En synthèse :

Nous mettrons bientôt en ligne quelques exemples de graphiques de ce type avec des exemples concrets. Restez connectés !