Un système d’information décisionnel pour améliorer l’efficacité opérationnelle

Juin 30, 2022 | BI/dataviz

La data pour optimiser l’efficacité opérationnelle des organisations

Pour améliorer l’efficience opérationnelle de leurs directions métiers et fluidifier l’expérience vécue par leurs clients, les organisations doivent être en mesure de maîtriser leurs données. Beaucoup d’acteurs, notamment dans le secteur public, géraient initialement les demandes manuellement, en agence, avec un dispositif de formulaire papier. Depuis quelques années déjà, ce système s’est nettement digitalisé laissant place à de nouveaux challenges : unifier le dispositif décisionnel en y intégrant la notion de sources multicanal.

Pour beaucoup, l’enjeu consiste à optimiser le fonctionnement opérationnel des activités grâce à une meilleure exploitation des données, au sein d’un système d’information performant et unifié ; et cela dans l’objectif de limiter les erreurs humaines, améliorer le pilotage global des activités et d’aider les agents à se concentrer sur leur cœur de métier.

Nouveau call-to-action

Certaines organisations ne disposent pas encore de réel système d’information décisionnel. Les directions métiers travaillent en silos, sur Excel, et réalisent des extractions régulièrement lorsque nécessaire. Peu d’informations sont alors consolidées et il n’est pas possible de disposer d’une vue globale de l’activité. Le risque se porte à la fois sur le temps passé à la recherche des données et les incohérences dans les indicateurs relevés.

La réalisation d’un diagnostic du SI existant est une première étape qui permet d’évaluer l’ampleur du projet de SID et prioriser le plan d’actions. La mise en place d’un entrepôt de données pour centraliser les données, associé à un outil de data visualisation, semble être la combinaison idéale pour disposer d’informations fiables et consolidées en temps réel.

Construction d’un socle d’entrepôt de données

L’élaboration du socle de données doit faire l’objet d’ateliers avec les équipes techniques et fonctionnelles. Il est essentiel d’identifier les sources de données principales qui vont alimenter l’entrepôt de données. Pour la construction du socle de données, il peut être pertinent d’opter pour une méthode en cycle en V, puis de passer en méthodes agiles dans un second temps lorsqu’il s’agit de déployer une solution de data visualisation pour les directions métiers.

La migration vers le cloud pour son socle de données peut être pertinent et doit être précédé d’une analyse d’architecture permettant d’opter pour la meilleure solution. On observe que beaucoup d’organisations font le choix du cloud Microsoft Azure pour héberger leur entrepôt de données.

En tant que cabinet de conseil et d’intégration en data, les équipes de DataValue Consulting sont amenées à intervenir sur des projets de mise en place de datawarehouse ou de datamart dans le cloud. Pour cela, il est important de s’adapter aux besoins de dimensionnement et aux contraintes budgétaires de l’organisation. A titre d’exemple, nous avons réalisé pour certains de nos clients publics un socle composé d’une plateforme cloud Microsoft Azure avec un ETL Talend ainsi qu’une solution de data visualisation Tableau.

Dans cette démarche de mise en place d’un entrepôt de données avec référentiel multi source (référentiel personnes physiques par exemple), il est important de rapprocher les bases de données issues de différentes sources, pour assainir et unifier les flux. Chaque ligne source devra correspondre à un objet unique dans la cible. Les ateliers de cadrage doivent permettre d’élaborer les critères de rapprochement afin de conceptualiser au mieux le modèle de données et garantir l’unicité.

Par ailleurs, il est nécessaire de réaliser des contrôles de qualité et de référentiel pour assurer la cohérence des données mises à disposition des métiers et ajouter des traitements de recyclage des rejets.

Enfin, dans une logique de mise en conformité GDPR, il est important de traiter et mettre en place une partie historisation et anonymisation des données.

Mise en place d’une solution de data visualisation pour les directions métiers

Un projet de SID composé d’une solution de restitution doit faire l’objet au préalable d’une identification des domaines de données prioritaires. Pour cela, il est important d’aller au plus près des directions métiers pour les interroger quant à leurs besoins opérationnels, stratégiques, mais également leur niveau de maturité data. Ce travail permettra de sélectionner les directions métiers avec qui il sera pertinent de réaliser des quick wins, pour ensuite entraîner une mise en mouvement plus globale au sein de l’organisation.

La direction financière par exemple, doit suivre des KPI bien précis pour réaliser un pilotage financier fiable et précis. Ils peuvent être amenés à travailler sur Excel, et mettre plusieurs jours à collecter les données et réaliser des simulations budgétaires. Il est intéressant d’évaluer l’intérêt de disposer d’un outil spécifique de pilotage de la performance et d’élaboration budgétaire. D’autre pôles plus opérationnels peuvent quant à eux avoir besoin d’une solution classique de data visualisation pour générer des rapports d’activité plus ou moins complexes.

Le choix logiciel d’une solution décisionnelle doit être motivé par différents critères techniques et fonctionnels. La réalisation d’un benchmark, à travers des ateliers avec les directions métiers, semble essentielle pour valider ces critères. Cette étape permet aux directions métiers de se projeter dans un outil de data visualisation (QlikSense, Tableau, PowerBI, SAP BO, etc) ou d’un outil de pilotage de la performance (Jedox, Board, Alteryx, etc) qui saura répondre à leurs besoins.

Différentes étapes d’un benchmark :

  • Réalisation d’ateliers avec les équipes de la DSI, ainsi qu’avec les équipes métiers pour identifier et valider les critères importants,
  • Réalisation de la pondération par rapport aux critères définis,
  • Shortlist restreinte des solutions du marché éligibles et réalisation de démos par les éditeurs,
  • Réalisation du choix final.

La mise en place des tableaux de bords pour les métiers doit démarrer par des quick wins, en méthodes agiles, auprès des directions identifiées comme étant prioritaires. Il est pertinent de démarrer par des tableaux de bords impliquant des règles simples, pour ensuite aller au plus complexe. L’implication et la disponibilité des directions métiers est un critère stratégique de réussite, notamment sur la phase de recette.

Un des points stratégiques de réussite réside dans la formation des directions métiers afin qu’elles puissent générer des rapports simples et rapides en toute autonomie depuis les données de l’entrepôt. Au-delà des indicateurs, les usages sont importants et représentent un marqueur majeur dans le succès du projet.

Par Jérôme Fournier
Manager BI chez DataValue Consulting

 

La rédaction vous conseille

> Bonnes pratiques pour intégrer sa plateforme data au SI existant

> Comment bien démarrer un projet de Système d’Information Décisionnel ? 

 

Nos ressources

Livre Blanc

Mise en oeuvre d'une stratégie 
de qualité des données 

Livre Blanc

Feuille de route d'une stratégie
de Data Management 

Baromètre annuel de la data

Les priorités des décideurs
data en 2022 

Share This