Vos données indiquent qu’au printemps chaque année depuis 10 ans, les consommateurs entreprennent des travaux de rénovation de leur propriété (habitation, terrasse, clôture, jardin, etc.). En quête de savoir ce qui se vend à tel endroit et à quel moment pour alimenter une campagne de publicité ciblant avec précision ce besoin saisonnier, vous croisez des données historisées :

• dates;
• achats;
• produits et services;
• points de vente;
• approvisionnement;
• profil des clients (sexe, code postal, etc.);
• prévisions météorologiques;
• résultats de campagnes précédentes durant la même période.

En croisant ces données, vous créez un modèle de consommateur type. Consolidées, ces données sont une mine d’information qui alimente votre connaissance de ses besoins printaniers. En ajoutant à cela des capacités infonuagiques douées d’intelligence artificielle, d’apprentissage machine et d’analyse prédictive, la bonne décision coule de source, comme la stratégie de promotion de vos produits et services. Mais il y a mieux encore. Si vos données sont fiables, de qualité et actualisées, vous découvrirez un potentiel de ventes croisées réalisables non seulement au printemps, mais aussi en hiver, en fonction de rénovations que le consommateur anticipe d’entreprendre durant cette saison, cette année ou dans un avenir rapproché. Les données sont là, il suffit de les faire parler. 

En mai 2017, le magazine The Economist titrait en couverture : « La ressource la plus précieuse au monde n'est plus le pétrole, mais les données. » Il n’en fallait pas plus pour lancer dans tous les secteurs d’activité une « course aux armements » visant à extraire, transformer et capitaliser un potentiel de valeur ajoutée sans précédent. Avec l’avènement du Web, des réseaux sociaux, des applis, de la mobilité et des objets connectés, les données prolifèrent, leur coût d’acquisition est quasiment nul et elles nourrissent en temps réel des algorithmes d’apprentissage automatique de plus en plus sophistiqués. Chaque fois que nous interagissons avec notre institution financière, magasinons en ligne ou conversons sur les réseaux sociaux, ces algorithmes sont à l’œuvre. Ils apprennent qui nous sommes au gré de nos interactions. Ils peuvent anticiper nos comportements, qu’ils modélisent en temps réel en analysant le flux continu de données que nous produisons jour après jour. Parmi les nombreux avantages de l’intelligence d’affaires figurent les suivants :

• précision accrue des prévisions;
• augmentation des ventes;
• meilleurs taux de réponse aux campagnes de promotion;
• croissance du niveau d’engagement et de fidélisation;
• efficacité accrue et réduction des coûts de communication marketing;
• réduction du taux d’attrition de votre base de clients.

Et pourtant. Selon Gartner, entre 70 et 80 % des projets d’intelligence d’affaires sont des échecs. Au nombre des écueils identifiés figurent de mauvais outils, des processus mal définis et une gestion du changement déficiente, sans oublier les habituels dépassements de coûts, un échéancier non respecté, un livrable sans valeur ajoutée et surtout, des données imprécises, erronées ou corrompues. Conclusion? Un projet d’intelligence d’affaires ne s’improvise pas. Pour réussir, des conditions gagnantes doivent être réunies.

1. Analyse des besoins et étude d’opportunité
2. Mise en place d’une équipe dédiée (parrain-cadre, directeur et chef de projet, analyste d’affaires, architecte de données, administrateur de base de données, architecte et développeur ETL, architecte et développeur d’applications d’intelligence d’affaires, spécialiste en sécurité, spécialiste en forage de données, testeur, spécialiste en assurance de la qualité et formateur)
3. Modélisation des données
4. Conception physique des données
5. Conception de l’architecture technique
6. Conception et développement du système ETL (extract, transform, load)
7. Conception et développement des applications clés (modélisation des tableaux de bord et des indicateurs de performance, définition des modèles de prédiction et de classification, gestion des requêtes et modèles de rapport, développement d’un portail d’intelligence d’affaires, etc.)
8. Déploiement
9. Formation des utilisateurs
10. Entretien et évolution

Au lieu de critiquer les entreprises et leur piètre performance en matière d’intelligence d’affaires, il serait plus constructif de tenir compte de leur réalité. Dans nombre de secteurs d’activité, la maturité informatique est une indéniable barrière à l’entrée. Ainsi, au Québec, quatre entreprises de fabrication sur dix sont gérées par le biais de processus de production manuels, soutenus en partie par des outils de bureautique. Pour ces entreprises, le véritable enjeu n’est pas l’exploitation intelligente des données, mais le déploiement sans heurt de MS 365, la formation des employés et les gains de productivité. Comprendre la maturité technologique et la réalité d’affaires du client est la porte d’entrée d’une relation fructueuse à long terme. Pour nous, l’intelligence d’affaires est d’abord et avant toute chose une faculté qui apprend à bien connaître le client afin de mettre en œuvre des solutions progressives correspondant à l’évolution de son modèle d’affaires. Vous voulez faire parler vos données? Parlons-en