Steria rapport-bi ma-vfr-2013

Business Intelligence :
Les entreprises
européennes sont-elles
prêtes pour le Big Data ?
è www.steria.com/fr
Un Rapport Steria
avec la collaboration de

Business Intelligence :
Les entreprises européennes sont-elles prêtes pour le Big Data ?
Enquête européenne biMA®
2012/13
Auteurs
Dr. Carsten Dittmar
Senior Manager
Volker Oßendoth
Principal Consultant
Klaus-Dieter Schulze
Senior Executive Manager
è www.steria.com/fr02 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ?

Avant-propos 5
Executive Summary 7
Objectif, méthodologie et démographie 17
La qualité des données demeure le principal défi
La tendance du Big Data n'est pas encore arrivée 21
Le modèle de niveau de maturité en quelques mots - biMM®
28
Maintien du statu quo des niveaux de maturité des environnements
de Business Intelligence 37
Le potentiel fonctionnel des solutions de BI n'est pas pleinement exploité 43
Des lacunes toujours identifiables dans l'organisationnel 53
L'avenir appartient aux solutions BI flexibles 65
Conclusion et recommandations 73
Annexe : Le modèle de niveau de maturité en détail 77
Sommaire
è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 03è www.steria.com

è www.steria.com/fr04 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ?

Avant-propos
Le débat sur le Big Data a de nouveau propulsé la
Business Intelligence (BI) au premier rang des priorités des
Directeurs des Systèmes d’information (DSI). En outre, les
écrits vont bien au-delà des publications ou conférences
sur la BI dédiées au sujet. On trouve régulièrement, dans
la presse, des articles mettant en avant le potentiel lié à
l'accroissement du Volume, de la Variété et de la Vitesse
des données et de leur exploitation. Se familiariser avec
la nouvelle perception de la BI dans le sillage du Big
Data est le principal objectif de l'enquête biMA®
(Audit
sur la maturité de la Business Intelligence) 2012/13.
Comme pour les éditions précédentes, l'enquête biMA®
réitère une réalité à laquelle font face les entreprises, à
savoir la manière dont elles évaluent les tendances du
marché et ce qu'elles en perçoivent comme opportunités
et difficultés en regard de la BI. Sur la base des résultats
de l'enquête, nous remettrons le sujet d’actualité portant
sur le Big Data dans son contexte et nous discuterons
de la sensibilisation croissante à la manière dont la BI
influe sur les directions générales des entreprises.
Cette enquête est la quatrième de la série des enquêtes
biMA®
, les éditions précédentes ayant été publiées en
2004, 2006 et 2009. Les 668 participants à l'enquête sont
originaires de 20 pays européens différents. Il s'agit de
l'une des plus importantes enquêtes sur la BI en Europe.
La méthodologie utilisée repose sur le Modèle de Maturité
de la Business Intelligence (biMM®
) et l'Audit de Maturité
de la Business Intelligence (biMA®
). Ces cadres de
référence ont été développés par Steria ces 10 dernières
années et ont évolué grâce aux retours d’expériences
des nombreux projets réalisés avec nos clients. Le
modèle et l'audit garantissent une analyse structurée et
assurent la comparaison des résultats dans le temps.
Alors que le Big Data et l’analytique des données
deviennent des enjeux majeurs dans la transformation
numérique des entreprises, les résultats de l'enquête Steria
vous proposent des éléments structurants et des outils pour
analyser, tester et améliorer votre propre stratégie de BI.
Patricia Langrand Klaus-Dieter Schulze
Executive Vice President Senior Executive Manager
Group Business Group Business Community Leader
Development & Marketing, Enterprise Information Management,
Steria Steria
è www.steria.com/fr Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? | 05

06 | Business Intelligence : Les entreprises européennes sont-elles prêtes pour le Big Data ? è www.steria.com/fr

Executive Summary
En raison du vaste débat existant autour du Big Data,
la Business Intelligence (BI) suscite de plus en plus
d'intérêt. Il est donc intéressant d'étudier l'Audit de ma-
turité de la Business Intelligence biMA®
et de l'utiliser
pour illustrer l'évolution du marché et comprendre
le paysage actuel de la BI. En plus de déterminer la
position de l'Europe en terme de BI dans un modèle
de maturité dédié, cette étude sur l'utilisation de la
BI identifie les difficultés et les tendances actuelles et
futures. Elle établit aussi la façon dont les entreprises
mettent à la disposition de leurs employés des informa-
tions pertinentes pour la prise de décision.
Avec plus de 650 participants issus de 20 pays diffé-
rents et un large éventail de secteurs d’activités, l'étude
biMA®
2012/13 est l'une des plus importantes études
européennes sur la BI.
La méthodologie utilisée repose sur le Modèle de
maturité de la Business Intelligence (biMM®
), modèle
de niveau maturité spécifique à la BI qui est établi et
reconnu sur le marché, et sur l'Audit de maturité de la
Business Intelligence (biMA®
), méthode d'analyse qui
s'appuie sur le biMM®
. Ces deux instruments ont été
actualisés préalablement à la réalisation de l'étude. Ils
tiennent donc compte des dernières évolutions du mar-
ché. Le modèle de maturité de la BI prend en charge
une évaluation globale de la BI en définissant cinq
niveaux de maturité de la BI pour les volets «fonction-
nel», «organisationnel» et «technologique».
Les cinq niveaux de maturité de la BI ont été définis
comme suit :
Niveau 1 : Informations individuelles (voir page 77)
Niveau 2 : Silos d'informations (voir page 78)
Niveau 3 : Intégration des informations (voir page 79)
Niveau 4 : Veille (voir page 81)
Niveau 5 : Modèle d’entreprise axée sur l'information
(voir page 83)

Les entreprises abordent le sujet de la BI de
manière beaucoup plus pointue qu'en 2004,
année de réalisation de la première étude.
Les initiatives individuelles isolées et les
initiatives d'harmonisation et de normalisation
ultérieures ont contribué à faire de la BI un
levier de succès pour l’entreprise. L'importance
croissante de la BI signifie toutefois que les
exigences en termes d'informations sont de
plus en plus complexes et nombreuses. Ces
exigences remettent en cause les structures
techniques et organisationnelles établies,
ce qui nécessite un profond changement de
paradigme aux deux niveaux. Ce changement
n'est pas encore mis en œuvre dans la majorité
des cas. L'étude biMA®
2012/13 confirme
cette constatation en révélant la stagnation de
nombreuses entreprises questionnées au
niveau 3 de maturité (Intégration des
informations), ainsi que les difficultés
rencontrées pour atteindre le niveau 4 (Veille).
Les entreprises réussissent rarement à intégrer
la BI à l'ensemble des secteurs d’activités de
l’entreprise de manière à en faire un levier de
succès pour le modèle d'entreprise dans sa
globalité.
La stagnation des
entreprises au niveau
3 (Intégration des
informations) ne
leur permet pas de
transformer la BI en
levier de succès.
Les entreprises européennes
n’ont pas encore transformé la BI
en véritable levier de succès.
1.

38 %
38 %
2.
Bien que la qualité des données constitue un
enjeu de taille de la BI, c'est précisément ce
sujet qui est le plus souvent sous-estimé par
les entreprises.
La qualité des données constitue la principale
difficulté au sein de l'environnement de BI
pour 38 % des entreprises. La faiblesse voire
l’absence de gouvernance des données est
un facteur majeur contribuant à expliquer le
peu d'améliorations de la qualité des données
depuis la dernière étude. La formalisation des
processus, des rôles et des responsabilités
garantissant la qualité des données reste
insuffisante. Dans 34 % des entreprises, il
n'existe pas de processus formalisé pour
adresser la qualité des données et 31 %
d'entre elles déclarent que les problèmes de
qualité de données sont très souvent détectés
de manière aléatoire. Il est important de noter
que 28 % des entreprises considèrent que le
niveau de qualité des données est un sujet
peu transparent.
La gestion des données de référence et
notamment des métadonnées, tend à être
quelque peu négligée. La gestion dédiée des
données de référence, qui garantit la mise
à jour et la cohérence des données clients,
fournisseurs et produits, n’est pas formalisée
dans 38 % des entreprises. Il semble que
la gestion des données de référence, sujet
intimement lié à la BI, ne soit pas encore
perçue comme assez importante pour mériter
sa prise en compte de manière formelle dans
la conception des systèmes d’information à
vocation opérationnelle. En outre, on assiste
à un manque de transparence concernant la
disponibilité des données. Cela s'explique
en partie par l'impossibilité de créer les liens
entre les métadonnées fonctionnelles et
technologiques ou par l'absence des méta-
données correspondantes dans un format
compatible ou aligné.
La qualité globale des données représente
donc le talon d'Achille de la BI puisque les
décisions et les investissements reposant
sur des données de mauvaise qualité sont
souvent peu optimisés.
La qualité des données est le principal
écueil auquel font face les entreprises au
sein de leur environnement de BI.
La qualité des
données constitue
le principal
écueil au sein de
l'environnement
de BI pour
des entreprises.

24 %
3.
Il existe une demande croissante pour les
spécialistes des données sur le marché. En effet,
de plus en plus d’experts en BI sont nécessaires
pour réaliser des analyses avancées sur des délais
très courts. Les analystes du marché prévoient
une pénurie de ces compétences à moyen terme.
Le manque de compétences BI en interne
représente une difficulté pour 24 % des
entreprises questionnées. Ces dernières déclarent
ne pas disposer d'un niveau adéquat d'expertise
interne en BI. Idéalement, les experts en BI
ont acquis un large éventail de connaissances
et de compétences. Celles-ci doivent porter
sur la méthodologie analytique, l’expertise
technique et la compréhension détaillée des
sujets économiques. Comme il est rare, pour
chaque profil BI, de développer l’ensemble de ces
compétences, les entreprises peuvent envisager
la création d’un Centre de Compétences en
Business Intelligence (CCBI) qui intègre et
mutualise toutes ces compétences et capacités
dans une même équipe.
Le manque de compétences BI
sur le marché freine les entreprises
dans le déploiement de leur stratégie.
des
entreprises déclarent
ne pas disposer
d'un niveau
adéquat d'expertise
interne en BI.

83 %
4.
Dans 83 % des entreprises questionnées, la
BI est principalement utilisée pour prendre
en charge le reporting interne. Par exemple,
seule une entreprise sur deux utilise les
systèmes de BI de manière ciblée comme outil
de planification pour le calcul de budgets et/
ou la gestion des prévisions de croissance.
Beaucoup d'entreprises n'utilisent donc pas
leurs capacités d'analyse au maximum de
leurs possibilités, réduisant ainsi le ROI des
investissements réalisés.
Les entreprises n’exploitent pas
pleinement le potentiel d’analyse
de leurs systèmes de BI, réduisant le ROI.
83 %Dans des
entreprises
européennes, la BI
est principalement
utilisée pour du
reporting interne.

5.
28 %
Seules 28 % des entreprises interrogées ont mis en place une stratégie
de BI. Il s'agit d'une exigence essentielle pour l'alignement durable des
activités de BI sur les objectifs de l'entreprise. Cela signifie que pour
la majorité des entreprises, l’approche BI reste isolée et uniquement
basée sur les projets. En fait, 70 % des participants à l'étude déclarent
que leur entreprise n'a pas établi de gouvernance formelle de la BI.
Il n'existe donc pas de coordination globale des activités inhérentes
à la BI. En outre, les entreprises interrogées considèrent souvent les
résultats de leurs projets comme non satisfaisants en termes de qualité
et de restitution d'informations par rapport aux attentes et aux inves-
tissements réalisés.
Nombreuses sont les entreprises qui n’ont pas d’approche intégrée
et complète de la BI. Elles utilisent les structures et les pratiques
informatiques standards pour l’environnement de la BI. Ces pratiques
sont mises en place pour traiter des systèmes opérationnels et des
processus métiers de façon isolée et unitaire et non d’une façon
intégrée. Par exemple, 44 % des entreprises interrogées s’appuient sur
le processus de gestion des demandes IT. Au mieux, cette approche
fournit uniquement une image locale et non globale de l’entreprise
et ne prend pas en compte les exigences souvent contradictoires des
différentes parties prenantes de la BI. Par ailleurs, il est trop fréquent
de ne voir aucun processus de gestion des demandes spécifiques à la
BI en place.
En résumé, les exigences spécifiques de la BI ne sont pas suffisamment
satisfaites par le modèle organisationnel en place, ce qui entraîne un
manque de cohérence globale, de flexibilité et de fiabilité entre les
différentes entités de l'entreprise et départements.
Les entreprises ne disposent pas
d'une gouvernance et stratégie BI
alignées sur leurs objectifs stratégiques.
70 %
Seules
des entreprises
interrogées ont
mis en place une
stratégie de BI.
des
participants à
l'étude déclarent
que leur entreprise
n'a pas établi
de gouvernance
formelle de la BI.

6.
(30 %)
Les besoins en BI les
plus importants pour
l'avenir incluent les
fonctions BI en libre-
service (51 %) et les
méthodologies de
développement
agile ..
Les systèmes de BI existants ne parviennent
pas souvent à offrir la flexibilité nécessaire
pour répondre aux évolutions des marchés
et aux nouvelles exigences qui en découlent.
En effet, les utilisateurs de systèmes de
BI se sentent limités. Ils espèrent pouvoir
bénéficier des différentes applications et
sources de données pour créer des rapports
et évaluations personnalisés et ad-hoc.
Les fonctions de BI en self-service (51 %) et
les méthodologies de développement agile
(30 %) figurent donc en haut de la liste des
besoins en BI des personnes interrogées pour
l'avenir. Mais c'est en terme d'agilité que les
entreprises perçoivent une importante marge
d'amélioration possible.
Les entreprises subissent une forte pression
pour atteindre le quatrième niveau de
maturité (Veille) du fait de plusieurs facteurs :
nombre croissant d’utilisateurs, hétérogénéité
croissante des sollicitations en termes
d’informations (plus ciblées et plus person-
nalisées), exigence de délais de plus en plus
courts, demande d’un niveau de granularité
plus détaillé de l'information, etc. Ce niveau
implique des approches sensiblement plus
décentralisées que les paradigmes classiques
de la BI, l'établissant comme «source unique
de vérité».
Compte tenu du nombre croissant de
demandes de BI, des efforts significatifs sont
déployés pour intégrer les données physiques
dans un entrepôt de données central tenant
lieu de «source unique de vérité».
L'agilité requise de la part de l'utilisateur
conduit en partie à la collecte isolée des
exigences et à la mise en œuvre de silos
de données. Parmi les approches adoptées
pour satisfaire les besoins des utilisateurs,
on retrouve l'introduction des outils de BI en
self-service et des «bacs à sable» (sandbox)
qui viennent compléter l'environnement de BI
(une utilisation actuelle de 13 % contre une
utilisation prévue de 27 %).
Les entreprises se concentrent de plus en plus
sur le concept de virtualisation pour rendre
l'architecture plus flexible tout en conservant
une vision intégrée des données fournies par
les systèmes de BI distribués (15 % à l'heure
actuelle contre 23 % à l'avenir). Il s'agit de
l'une des rares options techniques permettant
de transformer le paysage de BI existant en
un écosystème cohérent dédié à l'analytique
où les données sont stockées physiquement
dans un nombre croissant de plateformes
analytiques polyvalentes. Les bases de donées
In-Memory (Systèmes de gestion de bases de
données qui stockent entièrement les donées
en mémoire (RAM) joueront notamment
un rôle beaucoup plus important à l'avenir
(utilisation actuelle de 33% contre utilisation
prévue de 66%).
Le futur appartient aux solutions
flexibles et en self-service de la BI et non
à une «source unique de vérité».
Les environnements
BI se transforment
en un écosystème
cohérent dédié
à l'analytique.

7.
Outre les importants volumes de données
(Volume), le Big Data concerne aussi les
différentes données non structurées et semi
structurées (Variété) et enfin le traitement et
l’analyse de données temps réel (Vitesse). Les
entreprises n'abordent pas encore toutes ces
caractéristiques du Big Data. Les cas de mises
en oeuvre d'applicatifs à forte augmentation
de volumétrie sont une préoccupation pour
seulement 8 % des entreprises. Ce cas con-
cerne les entreprises disposant de grands vo-
lumes de données (B2C). Le manque de prise
en charge des données non structurées et
semi structurées ne représente une difficulté
que pour 4 % des entreprises. L'utilisation
des données en (quasi) temps réel comme
base de BI opérationnelle ne constitue un
problème que pour très peu d'entreprises
(9 %). Par conséquent, seuls 7 % des partici-
pants considèrent le Big Data comme un sujet
d'actualité.
En effet, les caractéristiques du Big Data
apparaissent au classement bien après les
difficultés liées à une qualité de données
défaillante (la Vitesse figurant à la 13ème
place, le Volume à la 14ème et la Variété à la
15ème place du classement des difficultés).
En réalité, de nombreuses entreprises
en sont encore au tout premier stade de
réflexion concernant la question du volume
de données. Dans deux entreprises sur
trois, les solutions de BI disponibles doivent
gérer moins de dix téraoctets de données.
Seulement 6 % des entreprises traitent des
volumes de données dans leurs entrepôts
de données qui dépassent le seuil des
100 téraoctets.
Par ailleurs, il est clair qu’actuellement les
cas d'utilisation pertinents du Big Data
restent peu nombreux. D'une part, l'offre de
scénarios d'utilisation indiqués ne fait pas
clairement ressortir de favoris, et, d'autre
part, le cas d'utilisation le plus fréquemment
cité (28 % pour «une compréhension plus
approfondie et précise de l'entreprise») est
l’idée de base qui définit la BI et non une
tendance spécifique au Big Data.
Les entreprises ne sont pas totalement
prêtes pour l'ère du Big Data.
7 %Seuls des
participants
considèrent le Big
Data comme un
sujet d'actualité.
30 % des
participants des
départements
informatiques contre
seulement 27% des
participants des
directions métiers
considèrent que
l'on parle trop
du Big Data.

Il est intéressant à cet égard de constater que
les utilisateurs hors DSI attendent plus du Big
Data que les départements informatiques.
30 % des participants des départements
informatiques, contre seulement 27 %
des participants des directions métiers
considèrent que l'on parle trop du Big
Data. Il existe de grandes différences dans
l'évaluation de l'importance du Big Data pour
une compréhension du métier plus précise
et approfondie (31 % dans les départements
métiers contre 23 % dans les départements
informatiques) et une meilleure segmentation
de la clientèle (30 % dans les départements
informatiques). Il semble que les utilisateurs
métiers associent le Big Data aux options
d'analyse complète pour les données web
et les réseaux sociaux afin de progresser
vers une connaissance à 360° du client.
A l'ere de la révolution digitale et de la
mobilité, les volumes de données sont
en train d'augmenter considérablement.
Les historiques de données portant
sur de plus larges horizons, le besoin
croissant de données à forte granularité
et les nouvelles sources de données non
structurées et semi structurées sont les
principales raisons de cette hausse.
Il en va de même pour la BI collaborative et
mobile. Même si tout le monde parle de Big
Data, de BI mobile et de BI collaborative,
des cas d'utilisation significatifs doivent
encore être définis. Pour répondre à la
question de l'innovation durable, de nouvelles
applications pertinentes seront bientôt créées.
De nombreux sujets tels que l'analyse
des médias sociaux, la BI dans le Cloud,
ou encore l'utilisation des données
géographiques à des fins commerciales
(intelligence géodécisionnelle), font
également l'objet de discussions mais
ne sont pas encore largement utilisés
et de nombreuses entreprises sont
toujours à la recherche des avantages
pratiques de telles applications.

Plusieurs freins majeurs empêchent aujourd’hui la
transition du niveau 3 de maturité de la BI (Intégration
des informations) au niveau 4 (Veille) pour de
nombreuses entreprises. Cette étape est cependant
extrêmement importante pour les entreprises.
L'hétérogénéité croissante des groupes d'utilisateurs
ainsi que leur besoin de disposer d'informations
d'une manière ciblée et individuelle augmentent la
pression pour atteindre ce niveau de maturité.
Cependant, très peu de progrès n'a été identifié en la
matière. Les entreprises réussissent rarement à intégrer la
BI dans tous leurs secteurs de compétence de manière à
en faire un levier de succès pour le modèle d'entreprise.
Dans le climat économique actuel incertain,
l’analyse du Big Data devient vitale pour aider
les entreprises à maintenir leur compétitivité,
à innover et continuer à se développer.
Toutes les conditions suffisantes sont donc réunies
pour agir. Le Big Data, en tant que sujet d'actualité
souvent abordé, apparait ici comme un catalyseur
et augmente la nécessité de trouver de nouvelles
solutions pour les difficultés connues en termes de BI.
Sur la base des résultats de l'étude, six domaines
d'action nous apparaissent importants à couvrir pour
atteindre un niveau de maturité optimal en BI :
•• Inscrire la qualité des données en tête de vos priorités.
•• Concilier la professionnalisation de l'exploitation
de votre infrastructure de BI avec les attentes des
utilisateurs en termes de solutions flexibles.
•• Accroître l'agilité de votre environnement BI.
•• Établir des structures et des processus spécifiques à la BI.
•• Ne pas vous laisser influencer par l’essor médiatique
du Big Data, mais bien valider sa maturité et
sa pertinence pour votre entreprise.
•• Aborder le thème du Big Data d'un point de vue tactique
et adopter, étape par étape, les mesures suivantes :
–– Tout d'abord, entreprendre une démarche de
sensibilisation. Bien faire comprendre que la notion
de Big Data ne consiste pas simplement à traiter
«plus de données» dans le format établi.
–– Etablir ensuite des cas d'utilisation qui soient
pertinents à la fois légalement et en termes de temps
et de contenu. Les avantages fonctionnels doivent
justifier l'investissement dans les technologies et le
développement de l'expertise, et non l'inverse.
–– Évaluer le potentiel du Big Data en termes de valeur
ajoutée finale et retour sur investissement, et non
pas seulement en termes de faisabilité technique.
–– Etudier les cas d'utilisation de Big Data provenant
d'autres secteurs en fonction de leur pertinence
pour votre entreprise et identifier les sources
potentielles de Big Data dans votre domaine.
–– Enfin, à moyen terme, prioriser un portefeuille
de services de BI avec une analyse prédictive
et normative (prospectif) venant enrichir les
rapports sur les événements passés.
Conclusion

Définition et objectif
La Business Intelligence (BI) a un rôle bien
établi dans le monde des technologies de
l'information depuis de nombreuses années.
Elle n'est plus simplement considérée
comme une solution technique pour établir
des rapports standards sur les événements
passés. Les utilisations de la BI ne cessent
de croître, ce qui, avec le temps, a engendré
des environnements BI complexes dans les
entreprises. Les débats intenses autour du
Big Data et des analyses démontrent que
la recherche d'informations pertinentes
ainsi que le flux de données qui lui est
afférent deviennent des sujets de plus
en plus problématiques. La BI demeure
un sujet prioritaire pour les Directions
informatiques, de la Finance et du Marketing.
L'étude biMA® 2012/13 est notre quatrième
enquête (après celles de 2004, 2006 et 2009)
à étudier le développement et le maintien
du statu quo du marché des utilisateurs
de la BI. En outre, l'enquête a identifié les
difficultés actuelles et à venir auxquelles font
face les entreprises lorsqu'elles souhaitent
mettre les informations à disposition de leurs
employés. Steria a mené l'étude de cette
année en collaboration avec le Business
Application Research Center (BARC).
Comme dans les études précédentes, la
méthodologie utilisée repose sur le Modèle
de maturité de la Business Intelligence
(biMM®
) et sur l'Audit de maturité de
Steria de la Business Intelligence (biMA®
)
qui s'appuie sur ce dernier. Avant le début
de l'étude, la description des niveaux de
maturité a été mise à jour pour tenir compte
des dernières évolutions sur le marché de
la BI et des bonnes pratiques éprouvées. Le
questionnaire a couvert tous les domaines
majeurs d'investigation des enquêtes biMA.
À ce titre, il fournit une base solide pour
la détermination des niveaux de maturité
des solutions BI des participants par
rapport aux trois volets de l'étude biMM®
:
fonctionnalité, organisation et technologie.
Démographie
L'enquête en ligne a été menée auprès
d'utilisateurs européens entre novembre 2012
et janvier 2013. L'enquête a été annoncée par
Steria et BARC via leurs propres moyens de
communication et d'autres moyens externes.
Les participants ont également été choisis
via les réseaux sociaux, des sites Internet
spécialisés, divers bulletins d'informations
(TDWI, Beye-Network) et lors de conférences.
Le questionnaire contenait un total de 41
questions qui étaient soit fermées, soit à
choix multiples. Les participants ont été
invités à répondre aux questions et à évaluer
la pertinence et la réalisation des objectifs
sur une échelle de 1 (faible) à 5 (élevée).
Au total, 668 répondants ont participé
à l'enquête à travers l'Europe entre
novembre 2012 et janvier 2013. 47 %
représente la région DACH (l'Allemagne,
l'Autriche, la Suisse), 18 % la France,
13 % la Grande-Bretagne, 10 % la
Scandinavie et 8 % la Pologne (voir figure
1). Comme certaines questions étaient
facultatives, le nombre total de réponses
à chaque question peut être différent du
nombre total de participants à l'étude.
Objectif, méthodologie
et démographie
La Business
Intelligence
fait référence
à la collecte, la
préparation et la
mise à disposition
de données afin de
contrôler, gérer et
planifier le Business
et les ventes.

Figure 1 : répartition par pays (n = 668) Figure 2 : répartition par secteur (n = 668)
668
Comme pour les études précédentes, les
participants sont issus de différents secteurs
(voir figure 2). Le secteur de l'informatique
(22 %), l’industrie (18 %) et le secteur
public (13 %) sont fortement représentés.
La catégorie « Autres » comprend la
construction, l'immobilier, l'édition et le
droit. Le pourcentage élevé relevé pour le
secteur informatique est en grande partie
dû au nombre de consultants qui ont
répondu pour leurs clients dans ce secteur.
Les tailles des entreprises par nombre
d'employés (figure 3) et le chiffre d'affaires
annuel (figure 4) révèlent une répartition
relativement homogène. Cette étude
couvre donc un échantillon représentatif
de différentes tailles d'entreprises.
L'analyse de l'origine des participants
à l'étude par département établit une
relation équilibrée entre les départements
informatiques et opérationnels (voir figure
5). Les participants ont également été
invités à indiquer le secteur opérationnel sur
lequel ils ont fourni les informations pour
l'enquête. Seulement 13 % des personnes
interrogées ont lié leurs réponses à leur
département, la grande majorité ayant
répondu du point de vue de leur division,
groupe ou entreprise. Par conséquent, les
analyses qui suivent apportent un point de
vue de l'entreprise dans son ensemble.
Un échantillon rep-
résentatif de tous les
secteurs et de tailles
d'entreprises variées.
L'une des plus
grandes études
européennes
sur la BI avec
participants.
40 %
Allemagne
18 %
France
13 %
Royaume Uni
10 %
Pays nordiques
8 %
Pologne
4 %
Autriche
3 %
Suisse
3 %
Autre
22 % IT
18 %
Industrie
13 % Secteur public
7 % Distribution
8 % Services
7 % Banque
5 % Assurance
5 % Transports
4 % Energie
3 %
Télécommunications
7 %
Autres

Figure 3 : taille de l'entreprise (nombre d'employés) (n = 580)
Figure 4 : taille de l'entreprise (chiffre d'affaires annuel) (n = 533) Figure 5 : participants à l'étude par département/CCBI (n = 479)
Selon les estimations actuelles des analystes BARC, les budgets
informatiques pour l'année 2013 se verront stagner ou évoluer
modérément, dans les limites de la situation macroéconomique en
Europe (< 3 %). Le budget de BI est généralement égal à un cinquième
du budget informatique, et aucune diminution n'est prévue en
termes d'investissements pour la gestion, l'analyse, le reporting et la
planification des données. Des investissements accrus dans les outils
Open-source, mais aussi dans les composants de gestion de données
et les plate-formes analytiques sont en cours et se poursuivront.
Le budget de BI complet dans les entreprises est illustré
par la figure 6. Il est intéressant de constater que les
grandes entreprises employant plus de 10 000 salariés
ont des budgets de BI sensiblement plus élevés.
27 %
Moins de 250
28 %
251–2 500
23 %
2 501–10 000
23 %
Plus de 10 000
22 %
Moins de 5 M €
5 % 5–10 M €
11 %
10–50 M €
8 %
50–100 M €
15 %
100–500 M €
9 %
0,5–1 Mds €
14 %
1–5 Mds €
15 %
Plus de
5 Mds €
35 %
Métier
10 %
Centre de compétences
BI principal 40 %
Informatique
14 %
Autres
Le budget de BI est
généralement égal
à 1/5 du budget
informatique.

0 % 20 % 40 % 60 % 80 % 100 %
Figure 6 : budget de BI total par taille d'entreprise (nombre d'employés) (n = 459)
Figure 7 : répartition globale du budget globale et dans la région DACH (n = variable)
84 % 8 % 7 % 1 %
23 % 12 % 38 % 12 % 15 %
37 % 21 % 36 % 4 % 2 %
65 % 18 % 13 % 2 % 2 %
0 % 20 % 40 % 60 % 80 % 100 %
15 % 13 % 25 %
21 % 26 % 30 %
19 % 24 % 24 %
47 %
24 %
32 %
Les entreprises
investissent de plus
en plus dans de
nouveaux logiciels
et matériels et moins
dans le perfectionne-
ment des solutions
existantes.
La répartition moyenne du budget de BI
montre que près d'un tiers du budget est
utilisé pour le développement de solutions
(voir figure 7). Par rapport à 2009, on relève
une réduction de 15% pour le développement
dans la région DACH. Les entreprises de ces
pays semblent avoir réalisé des économies
dans ce domaine. Tandis que les dépenses
d'exploitation au prorata sont restées à peu
près identiques, les dépenses en logiciels
dans la région DACH sont passées de 13 % à
24 %.
Les environnements de BI risquent ainsi de
devenir encore plus hétérogènes et complexes
en raison d'investissements logiciels mal
coordonnés. Les investissements accrus en
matériel informatique (dus notamment à
l'utilisation accrue d’infrastructures) peuvent
être interprétés comme une tentative
de réponse à la demande de meilleures
performances (voir les chapitres 3 et 8).
Plus de 10 000
2 501–10 000
251–2 500
Moins de 250
Moins de 0,5 M € 0,5–1 M € 1–5 M € 5–10 M € Plus de 10 M €
2012 (Total)
2012 Region DACH
2009 Region DACH
Matériel Logiciels Operations Développement

La qualité des données demeure
le principal défi, la tendance du Big
Data n'est pas encore arrivée
Ces dernières années, les entreprises souhaitent sensiblement tirer
plus d'avantages opérationnels et économiques de la BI. Etant
donné que les marchés sont à la fois dynamiques et mondiaux,
il est difficile pour les entreprises de planifier leurs opérations de
façon fiable et durable et de détecter rapidement les risques et
possibilités économiques. Pour pouvoir maitriser la situation,
il existe toute une gamme de technologies plus ou moins nouvelles
dans l'environnement de BI (par ex. : analyses de médias sociaux,
BI opérationnelle, BI en self-service, et technologies du Big Data).
Ce chapitre identifie les difficultés et les tendances qui non
seulement influencent le débat mais sont aussi abordées et
mises en œuvre par les entreprises interrogées. Quelles sont
les grandes difficultés auxquelles elles sont confrontées en
termes de BI ? De quelles tendances les entreprises attendent-
elles les plus grands avantages et la plus haute valeur ? Qu'en
est-il de leur mise en œuvre ? Des approches particulières
sont-elles adoptées dans l'environnement de BI ? Ou n'y
aura-t-il pas de changement de paradigme à l'avenir ?
Partie 1

Tableau 1 : les challenges les plus importants pour la BI en fonction du volume de données (n = 474)
43 %
41 % 41 % 44 %
31 %
38 % 38 % 34 % 38 %
33 % 32 % 32 %
31 %
34 % 31 % 38 %
30 %
24 %
24 %
23 %
21 % 23 % 28 % 26 %
21 % 24 % 21 %
20 % 22 % 26 %
21 % 25 %
13 %
18 %
19 % 15 %
17 % 19 %
18 % 19 % 19 %
19 % 14 % 13 %
17 % 14 % 15 % 17 % 19 %
17 % 20 % 17 %
14 % 13 % 12 %
13 % 13 % 14 %
13 % 13 % 17 %
14 %
17 % 13 %
11 % 8 % 4 %
8 % 8 %
6 %
10 %
8 % 7 % 6 %
8 %
10 % 10 % 0 %
10 % 5 %
9 % 6 %
6 % 7 %
4 % 4 % 2 % 8 % 0 % 6 %
Total <

5 TB 5

–

10 TB 10

–

50 TB 50

–

100 TB > 100 TB
Qualité de données insuffisante
Aucune stratégie BI
reconnue
Pénurie de compétences
BI internes
Environnement BI très complexe
Aucun sponsor BI au sein de
la direction générale
Pas de processus et rôles
dédiés à la BI
La BI n'offre pas une vue exhaustive des
informations de l'entreprise
Manque de flexibilité pour
effectuer les requêtes
Les systèmes de BI n'obtiennent pas
l'adhésion des utilisateurs
Manque de performance des
reporting et outils d'analyse
Rapport coûts/bénéfice non
avantageux
Fontionnalité insuffisante selon les
exigences des utilisateurs
Les requêtes en temps réel
sont incohérentes
Options d'échelle liées à l'augmentation du
volume de données
Manque de support pour les données non
structurées
38 %
Le tableau 1 présente les principales
difficultés actuelles en termes de BI pour
les entreprises. Avec 38 % des réponses, la
qualité insuffisante des données représente le
défi le plus important. L'absence de stratégie
de BI généralement reconnue (33 %) et
l'absence de processus et responsabilités
de BI appropriés (21 %) font aussi partie
des principales difficultés. Il existe un lien
entre la mauvaise qualité des données et
l'absence de processus normalisés. Une
analyse plus approfondie montre que les
participants ne disposant d'aucun pro-
des entreprises
rencontrent des
difficultés avec
les données.

Les experts en BI
restent rares.
L'ère du Big Data
n'est pas encore
arrivée. Le volume, la
variété et la vitesse
ne sont pas encore
considérés comme de
grandes difficultés.
cessus réglementé de gestion de la qualité
des données (DQM) considèrent la qualité
des données comme une difficulté (40 %)
beaucoup plus souvent que ceux qui
affirment disposer de normes et directives
contraignantes pour la mémorisation et la
mise à jour des données (24 %). Ce lien se
reflète à plusieurs reprises dans cette étude.
Le manque de compétences internes en BI
représente également une difficulté pour les
entreprises : 24 % d’entre elles déclarent ne
pas disposer d'un niveau adéquat d'expertise
interne en BI. Ce manque d'experts en BI
n'est pas surprenant car ils doivent acquérir
un large éventail de connaissances et
de compétences. Idéalement, ils doivent
acquérir des compétences en méthodologie
analytique, une expertise technique et une
compréhension détaillée des sujets métier.
Comme il est rare pour une personne d'avoir
toutes ces compétences, les entreprises
peuvent envisager la création d'un Centre
de Compétences en Business Intelligence
(CCBI) qui intègre toutes les compétences
et capacités dans une même équipe.
Il est également intéressant de jeter un œil
sur les difficultés que les entreprises ont ou
n'ont pas encore résolues. Cela s'applique
notamment à la question du Big Data.
Outre les importants volumes de données
(Volume), le Big Data concerne aussi les
différentes données non structurées et semi
structurées (Variété) et enfin le traitement et
l’analyse de données temps réel (Vitesse). Les
entreprises n'abordent pas encore toutes ces
caractéristiques du Big Data. Les cas de mises
en oeuvre d'applicatifs à forte augmentation
de volumétrie sont une préoccupation pour
seulement 8 % des entreprises. Ce cas
concerne les entreprises disposant de grands
volumes de données (B2C). Le manque de
prise en charge des données non structurées
et semi structurées ne représente une
difficulté que pour 4 % des entreprises.
L'utilisation des données en (quasi) temps
réel comme base de BI opérationnelle
ne constitue un problème que pour très
peu d'entreprises (9 %). Par conséquent,
seuls 7 % des participants considèrent le
Big Data comme un sujet d'actualité.
Bon nombre des
questions faisant
l'objet de vifs débats
ne se sont pas en-
core concrétisées.
5
4
3
2
1
Figure 8 : pertinence et réalisation des objectifs des tendances de BI (échelle de 1 (faible) à 5
(élevée)) (n = 470)
1 2 3 4 5
Pertinence
Atteintedesobjectifs
Analyse des réseaux
sociaux / médias
sociaux
BI sur le Cloud/SaaS
Outils de BI Open
Entrepôt de données logiques
BI collaborative
Outils de découverte de données
BI agile
BI mobile
Veille de localisation / veille
géographique
Big
Data
Plateforme base de
données analytique
Analyse visuelle
Gouvernance de la BI
BI en self-service
BI Opérationnelle

L'étude des difficultés en termes de volume
total de données de l'environnement de
BI révèle des corrélations intéressantes.
Celles-ci sont liées à la complexité des
données, aux volumes croissants de données,
aux performances des solutions (ou du
SI) et à l'appropriation par les utilisateurs.
La complexité de l'environnement des
systèmes de BI augmente naturellement et
proportionnellement au volume de données.
Les entreprises qui gèrent de grands volumes
de données et qui ont déjà des problèmes
de volume, ont tendance à se plaindre plus
souvent des mauvaises performances des
solutions de BI. Fait intéressant, lorsque ces
problèmes augmentent avec la taille et la
complexité de l'environnement de BI, il est
possible d'assister à une acceptation plus
grande de la part de l'utilisateur. Ce point
est censé être associé aux systèmes vastes
et complexes qui offrent aux utilisateurs
des options d'analyse plus complètes
ou la capacité de trouver du matériel de
données approprié pour des analyses
spécifiques grâce à l'offre de données.
De nombreux sujets intéressent le monde
de la Business Intelligence. Les discussions
sont nombreuses mais leur aboutissement
est encore limité. Cela semble évident au vu
du nombre élevé de tendances situées dans
le quart inférieur gauche de la figure 8.
En comparant la pertinence et le niveau
de réalisation des objectifs des diverses
tendances BI, les résultats de l'étude
biMA® 2012/13 permettent d’identifier
les domaines dans lesquels les entreprises
ont le plus besoin d’agir. Les tendances
peuvent être réparties en trois groupes
caractérisés dans la figure 8. Le premier
groupe couvre les questions telles que
l'analyse des médias sociaux, la BI en
tant que service (BIaaS), l'Open source et
l’intelligence géodécisionnelle. Ces sujets
font l'objet de vifs débats dans la presse
spécialisée, mais sont à l'heure actuelle
faiblement utilisés par les entreprises et
peu mis en oeuvre de manière pertinente.
Le deuxième groupe couvre la question du Big
Data qui fait l'objet de discussions détaillées
dans les médias, ainsi que d'autres sujets tels
que les outils de découverte de données, ou
encore la BI collaborative et mobile. Même s'il
est vrai que tout le monde parle de ces sujets,
et notamment du Big Data, pour l'heure il
existe peu de cas d'utilisation. La question la
plus vivement discutée en terme de Big Data
n'atteint qu'une pertinence moyenne (2,45).
Pour ce groupe de sujets, le temps nous
dira s'ils passeront du statut de « points de
discussion » à une mise en œuvre concrète.
La plupart des ten-
dances, telles que
les analyses des
réseaux sociaux ou la
BIaaS, ne se sont pas
encore concrétisées.
Les utilisateurs de
BI demandent de
plus en plus des
technologies qui leur
offrent davantage de
flexibilité ainsi que
des fonctionnalités
en self-service.

Figure 9 : volume total de données de l'environnement BI (n = 282)
Figure 10 : pertinence du Big Data (échelle de 1 à 5) et utilisation des technologies du Big Data (n = 428)
0 % 20 % 40 % 60 % 80 % 100 %
27 %
28 %
16 %
18 %
33 %
7 %
26 %
26 %
26 %
25 %
25 %
23 %
21 %
21 %
18 %
17 %
13 %
13 %
9 %
2 %
100 %
80 %
60 %
40 %
20 %
0 %
Les grands volumes
de données sont
rarement disponibles.
Le troisième groupe se caractérise à la fois par
une pertinence relativement forte et un haut
niveau de réalisation des objectifs. Ces sujets
sont la BI opérationnelle, les plateformes ana-
lytiques, l’analyse visuelle, la gouvernance de
la BI, la BI en self-service et les entrepôts de
données logiques. La forte demande de BI
opérationnelle montre qu'il est nécessaire de
mieux prendre en charge et d’automatiser les
processus opérationnels en utilisant des infor-
mations analytiques appropriées. La BI en
self-service est également très importante car
les systèmes de BI existants ne semblent pas
avoir la flexibilité nécessaire pour répondre
aux exigences qui surviennent à court terme. Il
est clair que les systèmes de BI qui ont évolué
au fil du temps sont inadaptés pour répondre
aux besoins actuels de flexibilité tant sur le
plan technologique qu'organisationnel.
Une analyse différenciée des tendances de
BI révèle que, en moyenne, les départements
métier évaluent la pertinence et la réalisation
des objectifs à des niveaux plus élevés
que leurs homologues informatiques. Le
département métier indique de plus grandes
attentes, en particulier pour la BI dans le
Cloud (2,1 contre 1,75 pour le département
informatique), les plateformes analytiques
Les départements
métier ont de plus
grandes attentes
en termes de
BIaaS, plateformes
analytiques et Big
Data que les départe-
ments informatiques.
44 %
Moins de 5 Téraoctets (TO)
22 %
5–10 TB
19 %
10–50 TB
10 %
50–100 TB
6 %
Plus de 100 TB
1 (Faible) 5 (Elevé)2 3 4
Compréhension plus approfondie du métier
Analyse améliorée des tendances du marché
Segmentation optimisée de la clientèle
Campagne marketing améliorée
Reconnaissance des opportunités de vente et de marché
Développement de nouveaux domaines d'activité
Planification et prévision améliorées
Calcul des risques amélioré
Détection précoce des flux
Indentification des facteurs de coûts
Détection des fraudes
Prises de décisions automatisées
pour des analyses en temps réel
Analyse améliorée des parcours de navigation
Processus de production améliorés
Autres

(3,26 contre 2,97 pour le département
informatique) et le Big Data (2,83 contre
2,66 pour le département informatique). La
BI en tant que service offre aux utilisateurs
une plus grande flexibilité pour accéder à la
solution et aux nouvelles fonctions ; ceux-ci
attendent des plateformes analytiques
des délais de réponse plus rapides, alors
que les analyses se complexifient et que le
Big Data apporte une compréhension plus
approfondie du métier. La Gouvernance
de la BI est tout aussi importante pour
le département informatique que pour le
département métier (respectivement 3,33
contre 3,23), bien que le département métier
considère la réalisation des objectifs comme
légèrement plus importante (2,83 contre
2,66 pour le département informatique).
Le faible volume global de données des
environnements de BI (voir figure 9) explique
l'intérêt limité des entreprises pour le Big
Data. Ainsi, seulement 16 % des entreprises
possèdent un volume global de données
de plus de 50 téraoctets, qui est le niveau
généralement associé au Big Data : la
plupart des entreprises stockent nettement
moins de données. La plupart d'entre elles
stockent même moins de 5 téraoctets
dans leurs bases de données analytiques
(44 %). On peut toutefois supposer que
les volumes de données dans le monde
analytique augmenteront à l'avenir. Les
historiques de données plus longs, le besoin
croissant de données granulaires précises
et les nouvelles sources de données non
structurées et semi structurées sont les
principales raisons de cette hausse.
Environ 50 % des participants considèrent
toutefois la question du Big Data s'intéressent
de près au Big Data. En revanche, il n'y a
toujours pas de grands favoris en termes
d'avantages pour l'entreprise. La palette
d'utilisations potentielles est plutôt
importante. On retrouve, entre autres, une
compréhension approfondie et précise du
métier via des analyses améliorées des
tendances du marché et la segmentation de la
clientèle, ainsi qu'une meilleure planification.
Le bon classement de la demande de Big
Data pour « améliorer la compréhension du
métier » indique que les promesses de la BI
sont actuellement projetées sur le Big Data. La
nouvelle « application phare » fonctionnelle
pour le Big Data doit encore être identifiée.
30 % des participants des départements
informatiques, contre seulement 27 %
des participants des directions métiers
considèrent que l'on fait beaucoup trop
de cas autour de la question du Big Data.
Il existe de grandes différences dans
l'évaluation de l'importance du Big Data pour
une compréhension du métier plus précise
et approfondie (31 % dans les départements
informatiques) et une meilleure segmentation
de la clientèle (30 % dans les départements
informatiques). Il semble que les utilisateurs
métiers associent le Big Data aux options
d'analyse complète pour les données web
et les réseaux sociaux afin de progresser
vers une connaissance à 360° du client.
La nouvelle
«application phare»
fonctionnelle pour
le Big Data n'est pas
encore en place.

Le modèle traditionnel
d'intégration physique
de toutes les données
au sein d'une « source
unique de vérité » est
toujours demandé
mais échoue en raison
de ses exigences
complexes.
La création d'une « source unique de vérité » est extrêmement importante pour les
entreprises (voir figure 11). La création d'une « source unique de vérité » en stockant toutes
les données pertinentes dans un emplacement physique et en évitant les redondances,
représente pour de nombreuses entreprises une sorte de « Saint-Graal » de la BI. Les
participants à l'enquête espèrent que sa pertinence augmentera encore. Il est intéressant
de noter que les entreprises utilisatrices font apparemment toujours confiance aux
modèles traditionnels et s'appuieront sur ceux-ci à l'avenir, même s'ils n'ont pas respecté
les promesses précédentes et qu’ils se sont plutôt avérés être des idéaux utopiques.
Cette compréhension paradoxale sur la « source unique de vérité » peut être démontrée
spécifiquement par les observations faites au chapitre 8. Il s'agit de l'image d'une
architecture hétérogène composée de virtualisation, de processus distribués et de
référentiels combinés que l'on peut décrire comme un écosystème analytique.
Les difficultés que l'on rencontrait auparavant pour produire une «source unique de
vérité» se sont encore intensifiées. L'impression que nous avons des entreprises attachées
à un rêve irréaliste qui ne peut être mis en œuvre que par un investissement massif,
devient de plus en plus claire. À l'avenir, il serait souhaitable de chercher des concepts
de solution d'intégration de données plus flexibles et plus adaptés à la situation.
Figure 11 : pertinence des paradigmes pour les systèmes de BI (échelle de 1 (faible) à 5 (élevée)) (n = 470 )
1 2 3 4 5
Source unique de vérité (les données ne sont pas
redondantes)
Intégration physique dans un pool de données
agrégées
Non volatilité des données (constance des données)
Stockage redondant des données opérationnelles
dans les systèmes de BI
Stratégie à un seul fournisseur
Taille unique
2.74
3.81
4.03
3.48
3.40
3.21
3.19
2.77
Aujourd'hui
Demain
3.49
3.52
2.77
2.75

Figure 12 : étude et audit biMA®
et modèle biMM®
Le modèle de niveau de maturité en
quelques mots - biMM®
Le concept de modèles de niveau de maturité s'est maintenant étendu à toute une
variété de disciplines. Dans les systèmes d'information, les modèles de niveau de
maturité sont utilisés pour décrire les cycles de vie et évaluer les normes de qualité. Les
modèles de niveau de maturité contribuent donc à créer de la transparence concernant
l'état actuel du marché ou permettent, en terme de référencement, des comparaisons
avec d'autres entreprises du secteur ou du marché. Les modèles de niveau de maturité
sont également utilisés pour identifier les implications stratégiques pour les futures
actions potentielles en fonction de leur positionnement actuel dans le modèle.
Steria a développé le Modèle de maturité de la Business Intelligence (biMM®)
pour décrire les niveaux de maturité typiques de la BI dans les entreprises et
organisations. Le modèle repose sur les connaissances de la communauté BI,
les recherches universitaires et l'expérience des consultants de Steria.
Partie 2
Architecture & Infrastructure
Data management
Reporting & analytics
Scope
Information architecture
Penetration level
BI management
Customer management
Data governance & Information mgmt.
Application management
Supplier management
biMM®
biMA®
biMA®
L'audit
Le modèle
L'étude
2,74
3,81
4,03
3,48
3,40
3,21
3,19
2,77
3,49
3,52
2,77
2,75
Task-related single
report view
Locally limited
business
unterstanding
Cross-
departmental
harmonisation
Strategic
alignment and
differentiation
Strategic & operational
integration
Data anarchy
Decentralised
data marts
Integrated data
warehousing
Transparency by
logical integration
Use case
driven
architecture
Individual single
initiative
Project BI team
BI specific
processes
Service orientierted
BI organisation
Functionality
Technology
Organisation
Level 1
Individual
Informationen
Level 2
Information
Silos
Level 3
Information
Integration
Level 4
Information
Intelligence
Level 5
Information-
driven
Enterprise

Figure 13 : vue d'ensemble du Modèle de maturité de la Business Intelligence (biMM®
)
L'utilisation de biMM®
comme cadre
d'évaluation normalisé dans toutes les études
biMA®
et les projets d'audit de BI garantit
à la fois l'objectivité et la possibilité de
comparer les résultats, ainsi que l'actualité
et l'adéquation du modèle lui-même.
Dans sa conception, biMM®
tient compte
du cycle de vie des initiatives de BI et définit
cinq niveaux de maturité qui représentent
des stéréotypes idéalisés (voir figure 13).
À partir d'un état chaotique au premier
niveau, biMM®
pose comme principe
l'amélioration de la normalisation et de la
centralisation entre les niveaux 2 et 3. Au
niveau 4, il existe une intégration accrue de la
BI dans les processus métiers. Les processus
spéciaux de BI assurent l'alignement de
la BI sur les objectifs de l'entreprise par
rapport à l'orientation plus locale fournie
aux niveaux de maturité inférieurs. Au
niveau 5, la Business Intelligence est un
levier de succès du modèle d'entreprise et les
informations analytiques constituent la base
des processus décisionnels à tous les niveaux.
Le marché prend peu à peu conscience du fait
que la BI n'est pas simplement une question
technique. En fait, l'accent doit être mis sur
le business case pour que les investissements
dans la BI génèrent des bénéfices durables.
Pour garantir l'efficacité des processus
de développement et d'exploitation ainsi
que l'alignement réel des projets de BI sur
les objectifs d'entreprise, des conditions
organisationnelles particulières et spécifiques
à la BI doivent être créées. Par conséquent,
biMM®
définit les niveaux de maturité de
BI selon trois volets : «fonctionnalité»,
«organisation» et «technologie».
Dans la figure 13, le Modèle de maturité
de la Business Intelligence (biMM®
) est
décrit à l'aide de ses trois volets et cinq
niveaux de maturité. Les caractéristiques
typiques des différents niveaux de
maturité sont décrites en détail ci-après.
Vue de rapport unique
liée aux tâches
Compréhension de
l'activité localement
limitée
Harmonisation entre les
départements
Alignement et différenci-
ation stratégiques
Intégration stratégique
& opérationnelle
Anarchie des données
Dépôts de données
décentralisés
Entreposage de
données intégré
Transparence par
intégration logique
Architecture orientée
cas d'utilisation
Initiative individuelle
unique
Projet Equipe BI
Processus spécifique
à la BI
Organisation de la BI
orientée service
Fonctionnalité
Technologie
Organisation
Niveau 1
Informations
individuelles
Niveau 2
Silos
d'informations
Niveau 3
Intégration
des informations
Niveau 4
Veille
Niveau 5
Modèle
d'entreprise
axée sur
l'informationbiMM®

Fonctionnalité
La « fonctionnalité » tient compte du type,
du périmètre et de la qualité des informations
fournies par les systèmes de BI. Ce volet
couvre l'utilisation d'informations liées à
la pénétration de BI dans les processus
décisionnels aux niveaux stratégique,
tactique et opérationnel, ainsi que la
diffusion de la BI au sein de l'entreprise.
Les champs d'investigation
suivants structurent ce volet :
• Secteur d'opération :
Utilisation de la solution de BI par un large
éventail d'utilisateurs, accompagnement
des secteurs d'utilisation et processus
métiers pertinents, fourniture des
informations pertinentes et nécessaires.
• Architecture de l'information :
Fourniture d'une base d'informations
cohérente et digne de confiance,
adaptée à la tâche conformément
aux cas d'utilisation définis.
• Niveau de pénétration :
Niveau d'intégration des informations
analytiques fournies pour appuyer la prise
de décision dans les processus métier.
Le niveau 1 de maturité (Informations
individuelles) du biMM® décrit une condition
dans laquelle les analyses sont produites
selon les besoins et de manière personnelle
par les individus. Le niveau de maturité
technique se caractérise par des aperçus
non reproductibles de données (souvent
sur la base de systèmes opérationnels)
destinés à soutenir les tâches actuelles. Ici,
l'absence de normes est problématique.
La qualité des données sur lesquelles les
décisions sont prises n'est pas claire et il
n'existe pas de définition généralement
valable pour le calcul des indicateurs.
Le niveau 2 de maturité (Compréhension
du métier localement limitée) se caractérise
par une harmonisation initiale des
définitions techniques au niveau local
(par exemple au sein des départements).
Cela permet de partager l'analyse à
l'échelle des départements. Contrai-
rement au niveau 1, les informations
analytiques sont exploitées dans les cas
d'utilisation définis et l'on procède alors
à l'analyse des informations passées.
Au niveau 3 (Harmonisation entre les
départements), une utilisation généralisée
des informations analytiques est souhaitée
pour les activités de base. L'harmonisation
des définitions d'indicateurs entre les
départements est nécessaire et une « source
unique de vérité » est propagée sous forme
d'entrepôt de données (EDWH). L'analyse
concerne désormais les liens de cause à effet.
Le niveau 4 (Alignement et différenciation
stratégiques) a pour but de fournir des
informations analytiques centrées sur des
processus particuliers. À ce niveau de
maturité, les informations analytiques sont
considérées comme un actif de l'entreprise
qui doit être protégé et développé.
L'alignement des initiatives de BI sur la
stratégie de l'entreprise est particulière-
ment important à ce niveau. Ce niveau offre
également des perspectives de différenciation
permettant de réagir avec flexibilité à
l'évolution des exigences d'information
au niveau local. Il s'agit notamment
d'offres en self-service, de « solutions pré-
packagées » et de métriques décentralisées
avec une plage définie de validité.

Figure 14 : niveaux de maturité dans le volet « fonctionnalité »
Les initiatives de BI avec une intégration
stratégique et opérationnelle complète ont le
niveau de maturité le plus élevé (5).
Ici, les informations deviennent la base de
toutes les décisions et sont donc un levier de
succès pour l’entreprise.
Cela nécessite une sémantique fonctionnelle
commune permettant d'éviter les mauvaises
interprétations et les déclarations
incohérentes, ainsi que la liaison des
informations de contrôle stratégique et
opérationnel. Une entreprise axée sur
l'information met l'accent sur la conception
des processus spécialisés pour que les
informations fournies par la BI soient utilisées
efficacement dans les processus décisionnels
(si nécessaire, par automatisation).
Un aperçu des caractéristiques clés des
différents niveaux de maturité pour le volet
«fonctionnalité» est donné à la figure 14
ci-dessous.
Architecture d'information - Périmètre - Niveau de pénétration
NIV 1 : Vue de rapport
unique liée aux tâches
NIV 2 : Compréhension
de l'activité localement
NIV 3 : Harmonisation
entre
NIV 4 : Alignement et
différenciation straté-
NIV 5 : Intégration straté-
gique
•• Aperçus statiques des
données opérationnelles
•• Pas de normalisation,
incertitudes en raison de la
sémantique hétérogène
•• Redondances et
incohérences importantes
et non transparentes
•• Utilisation par peu
de personnes
•• Utilisation contextuelle
•• Pas de prise en charge directe
et clairement définie des
processus métiers
•• Rapports et analyses passéistes
au moyen de données
analytiques historiques
•• Sémantique d'entreprise bien
définie et cohérente par rapport
au système ou département
•• Les systèmes BI ne sont pas
sans chevauchement et les
redondances et incohérences
qui en résultent sont pour
l'essentiel connues
•• Utilisation au sein
des départements
•• Utilisation manuelle bien
définie des informations BI dans
quelques cas d'utilisation
•• Les systèmes de la BI offrent
une vision axée sur les activités
d'entreprise pertinentes
•• Domaines et métriques
de données harmonisés
entre plusieurs unités
•• Des chevauchement de contenus
bien connus existent dans
les systèmes de BI. L'objectif
est d'aboutir à une vérité
d'entreprise cohérente
•• Utilisation intégrée des
informations par plusieurs
unités organisationnelles
•• Identification des
interdépendances, sur la base
des informations analytiques
•• Accès aux manuels d'informations
analytiques pendant l'éxecution
des processus métiers
•• Perspectives axées
sur les processus
•• Modèle de chiffres clés à
l'echelle de l'entreprise
•• Prise en charge de l'agilité par
des métriques décentralisées
tout en assurant la cohérence
des systèmes de mesure à
l'echelle de l'entreprise
•• Les informations analytiques
sont considérées comme
des actifs d'entreprise et
peuvent être utilisées dans des
applications opérationnelles
•• Utilisation de solutions
pré-packagées pour les
cas d'utilisation définis
•• La fourniture d'informations se
concentre sur la prise en charge
de processus spécifiques
•• Surveillance des processus
métiers en utilisant les bonnes
informations analytiques
au bon moment
•• Déplacement des rapports
standards ad hoc et des
analyses avancées
•• Sémantique cohérente à
l'échelle de l'entreprise
•• La BI comme fondement
de toutes les décisions
•• La BI est l'un des facteurs
critique pour le succès
de l'entreprise
•• Utilisation par toutes les unités
organisationnnelles et à tous
les niveaux de la hiérarchie
•• Temps de réaction courts
(faibles latences de décision)
•• Intégration des informations
de contrôle stratégique et
opérationnel dans le cadre d'un
cycle complet de contrôle
•• Les processus métiers
automatisés utilisent des
informations analytiques (aide
à la prise de décision active)

Organisation
Les aspects de l'organisation structurelle
et des processus ainsi que la gouvernance
nécessaire à l'exploitation et la configuration
technologiques et fonctionnelles d'un
environnement de BI sont expliqués dans le
volet « organisation ».
Les caractéristiques de ce volet sont résumées
dans les champs d'investigation suivants :
• Gestion de la BI :
Alignement stratégique, configuration du
portefeuille de services et produits de BI,
gouvernance globale de la BI, contrôle
de la rentabilité de l'initiative de BI.
• Gestion du client :
Conseils et accompagnement
des utilisateurs de BI internes et
éventuellement externes, coordination
du processus d'exigences et
énoncé des services de BI.
• Gouvernance des données et gestion
des informations :
Garantie de la pertinence, la qualité,
la cohérence, la sécurité et l'actualité
des informations fournies.
• Gestion des applications et
infrastructures :
Conception du processus
de développement et de
l'organisation opérationnelle pour
les applications de la BI.
• Gestion des fournisseurs :
Garantie de la prestation efficace et
efficiente des services nécessaires (en
particulier ressources externes, licences,
matériel) pour le développement et
l'exploitation des applications de la BI.
L'organisation de la production et de
l'utilisation des informations analytiques
est chaotique par nature au niveau 1 de
maturité (Initiative individuelle unique). Les
employés utilisent les informations à leur
disposition, selon leurs besoins et de manière
généralement isolée et non réglementée. En
l'absence de définitions et de règles sur la
qualité des données, l'analyse générée a une
faible crédibilité et est souvent contradictoire.
Le niveau 2 (Projet) donne au développement
de la BI un cadre qui peut toutefois varier
en fonction de chaque projet et ne tient
généralement pas compte du fonctionnement
des solutions produites. L'une des faiblesses
de ce niveau réside dans le caractère
fondamentalement temporaire des projets
qui ne tient pas compte de la volatilité
inhérente aux solutions de BI. En outre, la
mise en œuvre isolée et non alignée des
exigences individuelles s'oppose au caractère
intégratif de la Business Intelligence.
Au niveau 3 de maturité, on assiste à une
concentration des activités de BI dans une
ou plusieurs équipes BI éventuellement
décentralisées. Ces équipes permanentes
assurent l'alignement de l'initiative de
BI sur la stratégie informatique. Elles
sont responsables du développement
et de l'exploitation de l'environnement
de BI et assurent la consolidation et
la hiérarchisation des exigences.
Au niveau 4, les exigences particulières de la
BI donnent lieu à un modèle organisationnel
spécifique à la BI. Alors qu'au niveau 3
les processus informatiques standards
garantissaient la stabilité, au niveau 4,
les processus de BI spécifiques visent des
informations cohérentes et globales à l'échelle
de l'entreprise. Cette organisation prend
désormais en compte la tension entre le
désir de normalisation et d'industrialisation
formulé par le département informatique
et la demande de flexibilité maximale

Figure 15 : niveaux de maturité dans le volet « organisation »
émanant des départements métier.
Le niveau 5 concerne l'Organisation de la
BI orientée service. La Business Intelligence
est offerte sous forme de services à partir
d'un portefeuille défini de services de BI. Des
rôles et processus fermes ont été établis pour
fournir le service. L'importance généralement
reconnue des «données» en tant qu'actif
et la conformité croissante entre le monde
des systèmes opérationnels et des systèmes
analytiques sont exprimées par le fait que
les rôles correspondants impliquent à la fois
les départements métier et informatiques
et agissent à travers tous les systèmes.
« organisation » est donné à la figure 15.
Technologie
Gestion des fournisseurs - Gestion des applications - Gouvernance des donnés
& Gestion des informations - Gestion clientèle - Gestion de la BI
NIV 1 : Initiative individu-
elle unique
NIV 2 : Projet NIV 3 : Equipe BI
NIV 4 : Processus spé-
cifique à la BI
NIV 5 : Organisation de
la BI
•• Caractère chaotique : absence
de rôle d'unité organisationelle
spécifique à la BI
•• Aucune information sur
les coûts et avantages
en terme de reporting
•• L'analyse menée ad-hoc
n'est pas coordonnée
et est à l'initiative
d'utilisateurs individuels
•• Le niveau de qualité
des donnés n'est pas
transparent. Les problèmes
sont plutôt identifiés de
manière accidentelle
•• L'analyse des données est
motivée par les situations et
menée de façon isolée par
des salariés individuels
•• Organisation de processus
informelle, absence de
méthodologie normalisée
et documentée
•• Responsabilité de projet
isolée du côté métier
•• Des processus pertinents
sont établis et appliqués
fréquemment
•• Calcul de rentabilité lié au
projet et orienté coûts
•• Structures informelles
de prise en charge et de
coordination des exigences
•• Autonomie croissante du côté
métier (grands utilisateurs)
•• Analyse des données
sources pendant l'étape
de développement
•• Organisation de projet
alignée sur le développement
(supplémentaire)
•• Absence d'opérations
régulières avec une
disponibilité bien définie
•• Engagement de
spécialiste externe
•• Structure organisationnelle
informatique décentralisée (le cas
échéant spécifique à la BI) avec
des responsabilités bien définies
•• La BI est alignée sur la
stratégie informatique
•• Des processus normalisés,
documentés et axés sur
l'informatique sont établis
•• Tarification reposant sur les
règles d'attribution simples
•• Traitement des exigences
conforme à la gouvernance
informatique
•• Disponibilité controlée
•• Des propriétaires de donnés
préposés aux données existent
du côté métier, mais il n'existe
aucun processus formel
•• Séparation du développement et
des opérations
•• Conseils par ITIL
•• Affectation externe
des projets
•• Portefeuille de fournisseurs
informatiques bien défini
•• Les processus de gouvernance
spécifiques à la BI sont établis
et contrôlés quantitativement
•• Développement de la BI aligné sur la
stratégie BI et la feuille de route BI
•• Calculs de rentabilité axés sur les
avantages pour le programme de BI
•• Gestion du programme
de BI bien établie
•• Un SLA et des prix fixes pour la BI
•• Positionnement et validation
proactifs des nouvelles
méthodes et technologies
•• Il existe des propriétaires
de données d'entreprise et
techniques. Les droits et devoirs
sont obligatoires conformément
à une gouvernance de données
•• GOD avec des niveaux de qualité
prédéfinis et un processus
en boucle fermée pour les
fournisseurs de donnés
•• Méthodologie de
développement agile le cas
échéant spécifique à la BI
•• Services de BI avec une
haute disponibilité
•• Gestion des problèmes
orientés métier
•• Portefeuille de fournisseurs
de la BI bien défini
•• Les processus obligatoires sont
établis à l'echelle de l'entreprise
et intègrent l'informatique
ainsi que l'aspect métier
•• Amélioration continue
des processus basée sur
le suivi et l'innovation
•• Il existe un portefeuille
de services BI bien défini
avec une répartition des
coûts orientés services
•• La gestion de la possession des
données et des propriétaires
de données techniques et
d'entreprise est efficace à
l'echelle de l'entreprise (pour les
systèmes analytiques comme
pour les systèmes opérationnels)
•• Intégration de spécialistes
de données pour appuyer les
décision de la direction générale
•• Processus de conception de BI
piloté par un modèle complet
•• Sourcing prometteur

Le volet « technologie » met l'accent sur la
qualité et la flexibilité de l'architecture. Il
se concentre, en outre, sur l'infrastructure
fondamentale, la qualité et la fonctionnalité
de la solution de BI mise en œuvre à
des fins de reporting et d'analyse, ainsi
que sur l'architecture et l'intégration
des données, et sur l'étendue de la
normalisation des composants impliqués.
Les caractéristiques de ce volet sont précisées
dans les champs d'investigation suivants :
• Architecture et infrastructure :
Interaction et conception efficaces
des outils et composants techniques
au sein de l'environnement de BI.
• Gestion de données :
Gestion et intégration des données,
qualité des données, gestion des
métadonnées et données de base
et conception spécifique à la BI.
• Reporting & analyse :
Fonctions de reporting, analyse
et planification, voies de
distribution et formats pris en
charge par la solution de BI.
Le premier niveau de maturité envisage
l'« Anarchie des données » sur le plan
technologique car il n'y a pas de stockage
de données dédié pour appuyer la prise
de décisions. Les données nécessaires
pour créer les rapports sont extraites et
préparées manuellement pour chaque
situation du système opérationnel concerné.
Une analyse reposant sur les stocks de
données historiques est donc possible tant
que les systèmes opérationnels contiennent
des données historiques. L'analyse des
données se traduit généralement par un
important effort manuel individuel, sans
outil de BI dédié. La fourniture et l'analyse
des données s'effectuent à l'aide des
logiciels de bureautique (tableurs, logiciels
de présentation et traitement de texte).
Le niveau 2 de maturité (Dépôts de données
décentralisés) prévoit la création de silos
d'in-formations sans intégration dans un
contexte interdépartemental. Ce niveau se
caractérise généralement par l'utilisation
de nombreux outils, paradigmes de
développement, bases de données... à travers
différents systèmes de BI. Du point de vue de
l'entreprise, cela entraîne des redondances
dans les technologies et des doublons de
fonctions dans les outils utilisés. Le stockage
des données est généralement mis en
œuvre sous forme de comptoirs de données
indépendants qui sont souvent exploités
directement par les départements métier,
sans séparation claire entre les systèmes de
production et de développement. Outre les
outils de reporting standards et ad-hoc, des
outils OLAP (OnLine Analytical Processing)
sont également disponibles pour l'analyse.
Le niveau 3 (Entreposage de données
intégré) pose comme principe la mise en
œuvre d'un environnement d'entreposage
de données central, consolidé et évolutif
qui est idéalement sur le concept d'entrepôt
de données d'entreprise. L'objectif est
d'harmoniser toutes les données pertinentes
pour la prise de décision dans un petit
nombre de banques de données centrales
(voire une seule) et de les y enregistrer
de manière intégrée. Ces banques sont
ensuite utilisées afin de fournir des données
pour différentes applications (architecture
« en étoile ») de manière décentralisée.
L'approche centralisée s'accompagne
généralement d'une normalisation et d'une
convergence des technologies et des outils
de la solution BI, qui formaient jusqu’alors un
environnement très hétérogène. Énormément
de fonctions de BI sont donc généralement
disponibles. Les processus de gestion et de
fourniture de données sont la plupart du
temps automatisés et professionnalisés.
Le niveau 4 de maturité (Transparence

Figure 16 : niveaux de maturité dans le volet « technologie »
par intégration logique) se concentre sur
la flexibilité. En règle générale, les cas
d'utilisation particuliers ne peuvent plus être
mis en œuvre selon l'approche centralisée
du niveau précédent, et d'autres plateformes
analytiques viennent donc compléter
l'environnement d'entrepôts de données
existant. Il s'agit d'une décision délibérée de
ne pas intégrer physiquement les données.
Toutefois, pour garantir la transparence des
données, des tâches transversales (telles
que la gestion de la qualité des données
et des métadonnées et la gestion des
données de base) sont professionnalisées.
Le niveau 5 (Architecture orientée cas
d'utilisation) est lié au concept de service
orienté sur les cas d'utilisation. Ici, des
services individuels peuvent être proposés sur
la base d'éléments d'architecture orchestrés.
Cela sous-entend que l'accès aux données est
possible à travers toutes les couches et tous
les pools de données. À ce niveau, les limites
des systèmes opérationnels et analytiques
traditionnels finissent par disparaître
et les données non structurées et semi
structurées sont complètement intégrées.
« technologie » est donné dans la figure 16.
Gestion de données - Reporting & Analyse - Architecture & Infrastructure
Anarchie des données
Dépôts de données
décentralisés
Entreposage de
données intégré
Transparence par
intégration logique
Architecture orientée
cas d'utilisation
•• Aucun système dédié pour
la fourniture de données
à des fins décisionnelles
•• L'analyse repose sur des
systèmes opérationnels ou
l'exportation de fichier
•• Aucun outil BI dédié
•• Utilisation des logiciels de
bureautique traditionnels (en
particulier calcul sur tableur)
•• Analyse manuelle avec
formatage individuel
•• Exportation manuelle
de données
•• Transformation manuelle et
non normalisée des données
•• Analyse sur des magasins
de données indépendants
avec leur propre espace
de stockage de données
(système de cloisonnement)
•• Infrastructure technique et
paysage hétérogènes pour
les outils
•• Séparation sporadique entre les
infrastructures de production
et de développement
•• Analyse des informations dans
des systèmes standards et ad hoc
•• Les outils OLAP offrent des
options d'analyse de données
•• Intégration de données
et génération de rapports
automatisées
•• Contrôles manuels de la
qualité des données
•• Métadonnées sur papier
•• Consolidation des données dans
des entrepôts de données ou dans
un entrepôt d'entreprise dédié
•• Réutilisation des fonctions,
reposant sur la normalisation
et la modularisation
•• Portefeuille consolidé
d'infrastructures et d'outils
•• Environnements dédiés
de production, de test et
de développement
•• Génération et distribution
automatiques de rapports
•• Spectre normalisé des
fonctions BI dans les systèmes
standards ad hoc
•• Stabilisation assurée par
l'automatisation des outils de
GQD et de la quantité de données
•• Utilisation d'un référentiel de
métadonnées mettant l'accent
sur les métadonnées techniques
•• Gestion centralisée dans la BI pour
les données de base pertinentes
•• Aide à la prise de décision agile
dans un environnement de
marché dynamique, reposant
sur la BI en self-service et les
bacs à sable analytiques
•• Prise en charge de l'entreposage
dédié au bon moment
•• Haute disponibilité des systèmes BI
•• Portefeuille d'outils BI
orientés cas d'utilisation
•• Accent sur les technologies
CPM dédiées
•• Offre d'information transparentes
par des entités de base
intégrées logiquement
•• Prise en charge hautement
évolutive des données non
structurées et semi structurées
•• Automatisation de la QD
•• Couplage des métadonnées
d'entreprise et techniques
•• Utilisation de la gestion des
données opérationnelles de base
•• Intégration des données analytiques
dans les systèmes opérationnels
•• Redondances de données
justifiées et transparentes
•• Solution globale flexible,
basée sur des éléments
d'architecture orchestrés
•• Convergencedes applications
opérationnelles et
analytiques standards
•• BI opérationnelle
•• Virtualisation de
l'infrastructure
•• Intégration logique pour
un accès transparent aux
données et couches
•• Traitement intégré des
données non structurées et
semi structurées

Figure 17 : niveaux de maturité dans les trois volets par pays et total (n = 480)
Maintien du statu-quo des niveaux
de maturité des environnements de
Business Intelligence
Les résultats de l'étude montrent que les
niveaux de maturité des solutions de BI ne
sont pas sensiblement différents à travers
les volets fonctionnel, organisationnel et
technologique (voir figure 17). Le volet
« fonctionnalité » atteint actuellement
le niveau de maturité le plus élevé avec
une valeur de 3,2. Le volet « technologie »
se trouve juste derrière avec un niveau
de maturité moyen de 3,0. Le volet «
organisation » ferme la marche avec
un niveau de maturité de 2,8.
En moyenne, les solutions de BI sont donc
au niveau 3 de maturité (Intégration des
informations) dans chaque volet. Ce niveau
se caractérise par la demande de création
d'un environnement de BI à l'échelle de
l'entreprise avec une normalisation et
une intégration ambitieuses des outils et
technologies, des données et fonctions,
et une disponibilité réglementée. En
ce qui concerne la « fonctionnalité »,
une harmonisation de la sémantique
fonctionnelle entre les différents
départements (par exemple, définitions
des indicateurs de performances clés) est
désirée, alors que la mise en place d'une
ou plusieurs équipes BI décentralisées est
souhaitée dans le volet « organisation ».
La fonctionnalité
(3,2) atteint le niveau
de maturité le plus
élevé, suivie par la
technologie (3,0) et
l'organisation (2,8).
La comparaison par
pays ne révèle que de
légères différences.
En moyenne, les
entreprises
atteignent le niveau
3 de maturité dans
les trois volets.
Partie 3
Pays nordiques Région DACH France Royaume Uni Pologne Total
3.3
Fonctionnalité
5
4
3
2
1
3.0
3.0
3.4
2.8
3.0
3.0
3.0
2.9
3.0
2.6
2.9
3.1
2.6
3.1
3.2
2.8
3.0
Organisation Technologie

Figure 18 : répartition des niveaux de maturité dans les trois volets (n = 480)
La plupart des solutions BI présentes au sein
des organisations des personnes interrogées
(53 %) sont actuellement au niveau 3 de
maturité dans le volet «organisation» (voir
figure 18). Environ un quart des entreprises
sont encore au niveau 2 de maturité. Les
entreprises restantes sont réparties entre
les niveaux 1 et 4 (entre 4 % et 16 %),
aucune d'entre elles n'ayant atteint le
niveau 5. Comparé aux deux autres volets,
plus de la moitié des entreprises sont à des
niveaux de maturité 1 ou 2. Seul un très
petit nombre d'entreprises tiennent compte
des processus spécifiques à la BI dans le
volet «organisation» et modifient leurs
structures et processus pour des exigences
spécifiques à la BI (niveau 4). Soit elles se
concentrent sur les normes informatiques
(niveau 3), soit elles utilisent encore une forme
d'organisation liée aux projets (niveau 2).
L'« organisation » représente la clé d'un
programme de BI fructueux car elle garantit
la transparence de toutes les initiatives
de BI. En établissant une coordination
centrale, l'alignement de la BI sur les
objectifs globaux de l'entreprise et la
stratégie de BI peut être assuré à long
terme, favorisant ainsi les avantages
durables des investissements dans la BI.
Le niveau de maturité du volet «technologie»
réside entre la «fonctionnalité» et
l'«organisation». Contrairement au volet
«organisation», beaucoup plus d'entreprises
(62 %) ont atteint le niveau 3 de maturité
dans le volet « technologie » (voir figure 18).
Les entreprises ont toutefois du mal à
atteindre le niveau 4. Il existe un scénario
idéal de niveau 3 impliquant l'intégration
complète de toutes les sources de données
pour former une architecture centrale
avec un niveau élevé de normalisation
procédurale et technique en vue de satisfaire
toutes les exigences en matière de BI.
Dans le volet
«fonctionnalité»,
il est beaucoup
plus facile pour
les entreprises
d'atteindre le
niveau 4 que dans
les autres volets.
0 % 20 % 40 % 60 % 80 % 100 %
1 % 17 % 62 %
8 % 59 %
4 % 27 % 53 %
Niveau 1
20 %
33 %
16 %
Niveau 2 Niveau 3 Niveau 4 Niveau 5
FonctionnalitéOrganisationTechnologie

Figure 19 : niveau de maturité dans les trois volets - comparaison 2004, 2006, 2009 et 2012/13
pour la région DACH (n = différentes bases)
Si l'on y regarde de plus près, ce scénario
s'est néanmoins avéré complexe et souvent
infructueux par le passé. Il peut être
comparé à la bataille de Don Quichotte
contre les moulins à vent. Le processus de
découverte et de décision au niveau de
l'approche centralisée devraient être utilisé
pour les données et les architectures qui
semblent être problématiques. Il en va de
même lorsqu'il s'agit de décider comment
concevoir une architecture de BI flexible
et agile pour offrir aux utilisateurs des
fonctions en self-service appropriées.
La figure 19 montre l'historique des trois
volets pour la région DACH. Malgré un
ralentissement entre 2006 et 2009, on
assiste à une augmentation continue dans
tous les volets. Cependant, nous constatons
aujourd'hui une certaine stagnation. Le
rapprochement qui s'est opéré dans les trois
volets en 2009 ne s'est pas poursuivi. Au
contraire, l'écart se creuse encore plus. Il
est à noter en particulier que la progression
parallèle des volets «fonctionnalité» et
«technologie» n'existe plus. La progression
dans le volet « fonctionnalité » nous
amène à conclure que l'acceptation de la
BI pour appuyer des questions spécifiques
n'a cessé de croître ces dernières années
avec des investissements dans l'expansion
des utilisations fonctionnelles. Le domaine
d'utilisation de la BI a été étendu grâce au
fait que d'autres départements ont eu recours
à la solution de BI (expansion horizontale).
Mais les entreprises n'ont pas vraiment été en
mesure d'exploiter les possibilités offertes par
les options d'évaluation analytique. Il existe
encore des possibilités d'amélioration, en
particulier s'agissant de l'utilisation bénéfique
des informations fournies dans les processus
métier (expansion verticale) (voir chapitre 6).
Fonctionnalité Organisation Technologie
2004
5
4
3
2
1
2.4
2.9
3.1 3.2
1.6
2.5
2.9 2.8
2.2
3.0
3.2
3.0
2006 2009 2012/13

Figure 20 : niveaux de maturité par secteur (n = 480)
Industrie Banque Energie Distribution Télé- Transports Services IT Secteur Assurance
communi- Public
cations
L'« organisation » a en moyenne un niveau
de maturité actuel de 2,8 et affiche donc,
comme en 2004 et 2009, la valeur la plus
faible. Alors qu'en 2009, les entreprises
affichaient encore une assez forte progression
en terme de développement, on assiste
actuellement à une légère baisse. Ceci
indique une augmentation du nombre
d'initiatives de BI non alignées de la part des
différents départements. En 2009, l'accent
était mis sur la configuration et l'expansion
de l'organisation de la BI. Cela a abouti
à une normalisation et une centralisation
des solutions de BI, accompagnées d'une
professionnalisation de leur développement
et de leur exploitation. Le développement
et la mise en œuvre opérationnelle du
concept de Centre de Compétences en
Business Intelligence (CCBI) ont fait l'objet
de discussions intenses ces dernières années
mais se sont souvent enlisés en terme de
mise en œuvre, notamment pour des raisons
politiques. Par conséquent, des sujets tels que
la stratégie de BI, la gouvernance de la BI,
la garantie de la pertinence et de l'actualité
des informations fournies... n'ont pas été plus
développés d’un point de vue organisationnel.
L'objectif visant à mettre en place des pré-
requis techniques pour étendre l'utilisation
fonctionnelle de la BI n'a pas été atteint.
Bien que les fonctions d'analyse aient été
développées modérément, il n'y a eu aucune
amélioration dans les domaines de la qualité
des données et de la gestion des données
de base et des métadonnées. L'architecture
technique s'est souvent avérée trop rigide
pour offrir la flexibilité et l'agilité demandée
par les utilisateurs. C'est pour cela que
différents départements et utilisateurs
passent souvent par des solutions de BI
décentralisées. Le niveau de maturité est
légèrement inférieur par rapport à 2009, ce
qui signifie que la « technologie » a perdu
la première place qu'elle occupait depuis
2006. Il existe sans doute un large éventail
de technologies variées et novatrices sur
le marché. Mais les entreprises manquent
de concepts d'innovations techniques et
de capacité pour les intégrer de manière
cohérente à leur environnement de BI actuel
afin de satisfaire toutes les exigences. Cette
évaluation correspond aux déclarations sur la
répartition du budget (voir figure 7) en vertu
desquelles, les outils logiciels nouvellement
ajoutés (par exemple, les outils de découverte
de données) ont notamment tendance à
augmenter le niveau de complexité des
environnements de BI existants et donc à
réduire le niveau de maturité technologique.
5
4
3
2
1
3.3
Fonctionnalité
2.8
2.9
Organisation Technologie
3.2
2.8
3.0
3.2
2.7
2.8
3.3
2.6
3.0
3.3
3.3
3.0
3.1
2.7
3.0
3.1
2.7
2.9
3.2
2.7
3.0
3.1
2.9
3.0
3.4
2.9
3.0

Dès 2009, les différences de maturité de la BI par secteur diminuaient
dans les pays germanophones. En 2012, ces différences ont
presque disparu selon l'enquête européenne. Tous les secteurs
sont actuellement au niveau 3 (Intégration des informations) dans
les différents volets, y compris le secteur des télécommunications
particulièrement chargé en données (données d'appels).
Concernant la répartition des niveaux de maturité par rapport aux
différents champs d'investigation (voir figure 21), la comparaison du
périmètre et du degré de pénétration du processus est particulièrement
frappante. Alors que 69 % des participants ont atteint au moins le
niveau 4 en ce qui concerne le périmètre de la BI, seulement 45 % ont
atteint le niveau 4 en termes d'intégration de la BI dans le processus.
La distribution horizontale à travers les domaines d'application
de la BI a progressé beaucoup plus fortement que la pénétration
verticale du processus. On peut en conclure qu'en matière de
Business Intelligence l'accent est mis sur la fourniture d'informations
polyvalentes tandis que l'intégration transparente et l'application
des données dans les processus métier sont largement négligées.
Dans le volet « organisation », les champs d'investigation «
Gouvernance des données & Gestion des informations » et «Gestion
des applications & infrastructures» sont loin derrière les autres.
Les différences
de maturité
importantes par
secteur ont presque
totalement disparu.
67 % 6 %
9 %44 %
20 % 2 %54 %
20 %64 %
24 %27 %
22 % 6 %27 %
15 %18 %
34 %
41 % 4 %35 %
29 % 69 %
27 % 3 %42 %
11 %
11 %
27 %
23 %
29 %
26 %
26 %
15 %
2 %
26 %
13 %
44 %
34 %
3 %
20 %
2 %
4 %
20 %
20 %
24 %
6 %
6 %
1 %
Figure 21 : répartition du niveau de maturité par champ de recherche pour tous les volets (n = 478)
0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % 100 %
Fonctionnalité
Niveau 1 Niveau 2 Niveau 3 Niveau 4 Niveau 5
Périmètre
OrganisationTechnologie
Reporting & Analyses
Architecture de l'information
Degré de pénétration
Gestion de la BI
Gestion du client
Gouvernance des données et ges-
tion de l'information
Gestion des application et des inf-
rastructures
Gestion des fournisseurs
Architecture & Infrastructure
Gestion des données

Dans ces deux champs d'investigation,
près de 50 % des participants n'ont pas
encore atteint le niveau 3 de maturité.
Les résultats relativement médiocres pour
le champ d'investigation « Gouvernance
des données & Gestion des informations »
indiquent que les mesures organisationnelles
en place ne tiennent pas assez compte de la
garantie de la pertinence, de la qualité, de la
cohérence, de la sécurité et de l'actualité des
informations fournies. Il est clair que la DQM
(Data Quality Management) n'est pas un sujet
suffisamment abordé par l'organisation de
la BI en raison d'une gouvernance de la BI
spécifique incomplète, voire inexistante. La
note inférieure à la moyenne pour le champ
d'investigation « Gestion des applications
& infrastructures » repose sur l'utilisation
fréquente de processus de développement
spécifiques non BI et d'organisations
d'exploitation de la BI non normalisées.
Ce phénomène peut notamment être observé
pour les initiatives de BI qui sont créées
et exploitées de manière non centralisée
et séparément de l'informatique.
Le champ d'investigation « Gestion de
données » montre les fortes possibilités
d'amélioration dans le volet « technologie ».
Cela est dû au nombre d'entreprises qui n'ont
pas encore normalisé et industrialisé leur
intégration de données. Il est intéressant
de voir qu'elles négligent sérieusement
la gestion des données de base et des
métadonnées. Souvent la gestion dédiée
des données de base n'existe d'ailleurs
même pas, alors qu'elle est essentielle
pour garantir des données actuelles et
cohérentes. On assiste aussi à un manque
de transparence concernant la disponibilité
et la qualité des données dans le champ
d'investigation « Gestion de données » du
volet « technologie ». Cela peut s'expliquer
en partie par l'absence de lien entre les
métadonnées techniques et fonctionnelles.
Concernant le champ d'investigation
« Architecture & infrastructure », nous
pouvons voir que de nombreuses entreprises
disposent à présent d'une infrastructure
technique mature. Cependant, leurs
investissements dans l'infrastructure
de BI sont menacés par l'absence de
gouvernance efficace dédiée. Le risque
potentiel est que l'analyse fournie par les
systèmes de BI soit aussi valable que les
données sur lesquelles elle repose alors
que l'avantage tiré de la BI s’appuie sur
une gestion des données bien pensée.

Le potentiel fonctionnel des solutions
de BI n'est pas pleinement exploité.
Le volet « fonctionnalité » étudie le
périmètre de la BI (si elle est en place au
sein de l'entreprise), le niveau d'intégration
de la BI dans les processus métier et
dans l'architecture de l'information. Ce
chapitre offre une présentation détaillée
des résultats de l'analyse pour chacun
de ces champs d'investigation.
La BI est trop souvent limitée
au reporting traditionnel.
Le champ d'investigation « Périmètre »
couvre les questions concernant les domaines
d'application pris en charge (cas d'utilisation),
les différents groupes d'utilisateurs et
les améliorations recherchées par les
initiatives de gestion des performances.
Comme dans les études précédentes,
les participants ont été interrogés sur
les processus pris en charge. Il n'est pas
surprenant de voir que la majorité des
entreprises interrogées utilisent encore la
solution de BI pour le reporting interne
(83 %), maintenant ainsi sa position de
leader depuis 2009 (voir tableau 2).
Beaucoup d'eau aura coulé sous les ponts
avant que nous ne passions à la Planification
et à la budgétisation (52 %), au Contrôle des
ventes, au Contrôle à l'échelle de la division/
entreprise (chacun 50 %) et à la Gestion
d'entreprise (48 %). Il est à noter que la
plage d'applications de BI est en corrélation
avec la taille de l'entreprise. Alors que les
petites entreprises utilisent principalement
des systèmes de BI dans des domaines très
spécifiques (Planification et budgétisation,
Gestion de la force de vente et Reporting
interne), les grandes entreprises utilisent
généralement leur environnement de BI
de manière beaucoup plus complète.
Par-dessus tout, les opportunités d'analyse
des données existantes (internes et externes)
pour la gestion des risques ne sont pas
saisies. Cela s'applique également à
l'utilisation des simulations pour améliorer le
processus décisionnel et fournir des preuves
analytiques des menaces et des opportunités.
Il est bien connu que les applications de
BI offrent des fonctionnalités étendues
et des données enrichies, comparées
aux applications ERP (Enterprise
Ressources Planning) en place.
Malgré cela, la Business Intelligence
est rarement utilisée pour appuyer les
processus de comptabilité internes,
comme l'analyse de rentabilité.
Pour de nombreuses
entreprises, la BI et
le reporting interne
sont équivalents.
Les informations
potentiellement
disponibles dans
la BI pour des cas
d’utilisation sup-
plémentaires ne
sont pas réunies.
Partie 4

Steria rapport-bi ma-vfr-2013

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (20)

Ähnlich wie Steria rapport-bi ma-vfr-2013

Ähnlich wie Steria rapport-bi ma-vfr-2013 (20)

Mehr von Yann SESE

Mehr von Yann SESE (6)

Steria rapport-bi ma-vfr-2013