L’analyse des données a-t-elle une longueur d’avance sur votre organisation?

La voie suivie par de nombreuses entreprises pour développer des programmes d’analyse ajoute des capacités supplémentaires mais complémentaires à leurs programmes d’intelligence d’affaires déjà établis.

Si récemment vous avez lu un rapport de recherche centré sur les principales tendances du monde des affaires, il est probable que ce soit, ‘’les mégadonnée’’, ‘’l’analyse’’, ou un terme apparenté mais pas tout à fait synonyme qui faisait partie des découvertes. Souvent, les conclusions sont que si une organisation n’adopte pas l’analyse1 aujourd’hui, elle risque de devenir non compétitive et finalement non pertinente sur le plan des affaires.

Bien que les professionnels du monde des affaires puissent avoir des ambitions en matière d'analyse, la taxinomie de ces termes est assez confuse en soi. Si mon entreprise utilise des tableaux de bord élaborés qui transmettent des informations corporatives à la minute près, « faisons-nous de l'analyse », ou devons-nous, pour faire cette affirmation, avoir une équipe de spécialistes des données qui appliquent une analyse statistique intense dans tous les coins de l'organisation? Il est difficile de réfuter l'argument économique en faveur de l'adoption de l'analyse ; une recherche d'exemples de succès démontre les dividendes qu'une exécution réussie peut rapporter. Cela dit, simplifier l'approche et couper dans la sémantique est une étape nécessaire pour tirer des avantages réels de l'analyse.

Intelligence d'affaires ou analyse?

L'intelligence d'affaires et l'analyse sont des termes qui peuvent être considérés comme étroitement liés dans le contexte des affaires, avec toutefois des différences plus marquées. La voie suivie par de nombreuses entreprises pour développer des programmes d’analyse ajoute des capacités supplémentaires mais complémentaires à leurs programmes d’intelligence d’affaires déjà établis.

Voici une simplification utile : lorsque vous passez de l'analyse basée sur l'ordre courant des opérations (addition, soustraction, etc.) à l'analyse statistique, vous passez de l’intelligence d’affaires à l'analyse.

Bien que le domaine des statistiques soit vaste, la régression en est l’un des outils les plus utiles. En fait, c’est celle qui représente une part considérable de l’analyse statistique ayant lieu dans le monde des affaires d’aujourd’hui.

En termes simples, une régression est une tentative de mesurer la force de la relation entre deux variables. Dans un contexte d'affaires, disons que vous vouliez déterminer l'impact qu'une augmentation des dépenses publicitaires aurait sur les ventes. Une régression évaluant la relation historique entre la publicité et les ventes pourrait vous aider dans cet effort (avec quelques nuances supplémentaires probablement nécessaires).

La régression linéaire simple (comme notre exemple à deux variables ci-dessus) peut être le nœud du spectre analytique le plus rudimentaire et le plus facile à mettre en œuvre; l’intelligence artificielle, l’apprentissage machine et l’apprentissage profond se situant à son extrémité la plus spécialisée.

En lisant les manchettes, il semblerait que ces approches plus spécialisées au-delà de la régression sont une forme de magie obscure, avec un potentiel infini d’amélioration du rendement en affaires. Et, bien sûr, les professionnels de l’analyse les considèrent plus robustes et plus compétents dans de nombreux contextes. Cela dit, il y a beaucoup de similitudes entre ces approches et la régression : l’association entre les variables exerce une influence clé dans chacune d’elles.

L'intelligence d'affaires est courante dans les organisations d'aujourd'hui.  L'utilisation des extrants du système comptable pour compléter l'analyse des écarts serait considérée comme de l'intelligence d'affaires. La base de données qui alimente les tableaux de bord de la direction utilisés pour prendre des décisions d'affaires relèverait également de ce cadre. Encore une fois, l'intelligence d'affaires est une analyse, mais elle n'est généralement pas statistique. Les outils d'intelligence d'affaires peuvent comprendre les systèmes de planification des ressources d'entreprise (ERP), les bases de données (SQL par exemple) et les outils de visualisation des données (Tableau, Power BI).

L'analyse repose sur différents ensembles de processus et d'outils, des langages de programmation largement utilisés tels que Python et R, aux logiciels de traitement de données comme Hadoop; ces outils sont utilisés par les spécialistes de la programmation et des statistiques. Si vous n'avez pas rencontré ces outils dans votre vie professionnelle, vous n'êtes probablement pas seul, comme nous le verrons dans la section suivante.

Les entreprises canadiennes tardent à franchir le pas

Statistique Canada étudie l'utilisation des technologies de pointe par les entreprises canadiennes dans le cadre de son ‘’Enquête sur l'innovation et la stratégie des entreprises’’. Parmi les technologies avancées, on trouve les ‘’technologies de l’intelligence d’affaires’’, qui comprennent des technologies telles que les tableaux de bord exécutifs et les logiciels de traitement de données tels que Hadoop. Bien que l'enquête utilise l'intelligence d'affaires comme un fourre-tout qui inclut les technologies à la fois dans le domaine de l'intelligence d'affaires et de l'analyse, cette catégorie est un indicateur raisonnable des types de technologies qu'une organisation rechercherait dans le but d’augmenter ses capacités analytiques.

En 2017, 36,9 % des grandes organisations (250 employés et plus) utilisaient ces technologies dans une certaine mesure, comparativement à 29,2 % des moyennes organisations (100 à 249 employés) et 20,7 % des petites organisations (20 à 99 employés). Ces chiffres indiquent que l'application de ces technologies n'est nullement omniprésente dans les entreprises canadiennes.

L'essentiel

Devenir une organisation qui embrasse l'analytique peut sembler intimidant. La résistance culturelle et le manque d'harmonisation entre les ministères peuvent causer des maux de tête tout au long de la mise en œuvre ; ces deux facteurs sont probablement à l'origine du rythme lent d'implantation que nous avons observé parmi les entreprises canadiennes à ce jour. Malgré cela, les avantages de l'analyse sont tangibles et une exécution réussie est à portée de main. Couper à travers les mots à la mode pour découvrir l'ensemble des solutions appropriées à votre entreprise est un bon point de départ.

1J’utiliserai principalement “l’analyse” dans cette partie, mais en général, elle est interchangeable avec les mégadonnées et l’analyse statistique, mais elle est également très liée à des termes tels que l’apprentissage machine et l’intelligence artificielle.

 

À propos de l’auteur

Emerson Savage, CPA

Adjoint institutionel et gestionnaire de portefeuilles
Emerson Savage s’est joint à Placements Louisbourg en février 2016. Il occupe le poste de gestionnaire des opérations depuis avril 2017. À ce titre, il supervise la comptabilité corporative et la gestion des finances et des données. Il est aussi responsable de mesurer les rendements des investissements. Bachelier de la University of New Brunswick en administration des affaires, Emerson s’est distingué durant ses études dans les domaines de la comptabilité et des finances. Il continue ses études afin d’obtenir son titre d’analyste financier agréé (CFA). Avant de se joindre à notre équipe, il occupait un poste de comptable pour une compagnie forestière.