De la business intelligence à la business analytics

Nombreuses sont les sociétés qui ont vu dans la génération de données le moyen d’optimiser le fonctionnement même des process de l’entreprise et au-delà ce "nouvel or noir" qu’exploitent déjà les entreprises des secteurs retail, télécom ou bancaire. Dans la lignée de la business intelligence, la data trouve aujourd’hui un nouvel essor dans la data-analyse.

Beaucoup de publications scientifiques parlent de Business Intelligence and Analytics : BI&A. Ces métiers ont beaucoup évolué au cours de ces 20 dernières années et la valeur générée n’a de cesse de croitre à tel point que certains analystes du McKinsey Global Institute (James Manyika 2011) prédisent que l’exploitation de la donnée dans les secteurs "traditionnels" comme le retail pourrait générer jusqu’à 30 % du chiffre d’affaires des entreprises d’ici à 2018 et pourrait être même la solution pour un retour à la profitabilité de certains secteurs comme la presse.

Hal Varian Chief Economist chez Google et professeur émérite d’économie à Berkeley explique dans son livre "information rule" cette révolution par la nature même de la donnée qui est "ubiquitaire" et dont la production n’est "pas chère". Les entreprises possèdent un capital bien souvent insoupçonné et inexploité.

Les analystes du Gartner Group différencient trois évolutions de la BI&A en classant les formats de données, les processus d’analyse, le type d’application et les impacts sur les secteurs dans lesquelles elles sont utilisées.

La BI&A 1.0 appelée aussi BI, manipule des données structurées, stockées dans les bases de données de type relationnel appelées RDBMS. Les techniques analytiques utilisées sont basées essentiellement sur des modèles statistiques développés dans les années 70 et des techniques de datamining imaginées dans les années 80.

La BI&A 2.0 née avec l’internet ouvre de nouveaux champs de recherche et d’application en offrant les collections de données les plus riches jamais produites. Les services http du web 1.0 comme les moteurs de recherche ou les sites e-commerce ont directement et massivement interagi avec les utilisateurs ce qui a permis aux entreprises de compléter les données RDBMS traditionnelles par la collecte via les cookies d’information de localisation par IP, des centres d’intérêt par recherche ou par analyse des flux de click sur les liens appelée "click streaming".

Une étape d’intelligence supplémentaire a été franchie avec l’arrivée du web 2.0 sur lequel les internautes ont commencé à s’exprimer sur les entreprises, sur les produits et sur les services. Les outils de la BI&A 2.0 ont alors été complétés par la compréhension de texte baptisé "text mining" ou l’analyse du caractère émotionnel des expressions appelée le "sentiment analysis", ouvrant la voie aux applications de compréhension des données non structurées.

Des outils comme Google Analytics ou Omniture ont envahi le marché et ont permis aux entreprises de comprendre les parcours des utilisateurs, du site sur lequel l’internaute a été capté en passant par les différentes pages qui le transforment en client. Des données comportementales complémentaires sont aussi stockées et analysées comme l’abandon de panier, le partage de contenus ou encore la consultation de sites concurrents via des logs de serveurs, traces produites par les machines lors d’une série d’actions au cours d’une même séance de consultation d’internet (ndlr : session) stockées dans un fichier appelé cookie.

Ces manipulations permettent aux entreprises de mieux comprendre les besoins des consommateurs et d’identifier ainsi les nouvelles opportunités commerciales selon des cycles d’analyse proches du temps réel. Les enseignements sont encore plus riches quand ces analyses sont faites sur plusieurs sessions de consultation entre l’acquisition d’un nouveau prospect et sa transformation en client des semaines plus tard voire entre deux achats.

L’intelligence s’accroît en élargissant le scope de recherche, en réconciliant ces données dites multi-structurées qu’on oppose aux données structurées remontées du système d’information de l’entreprise captées à partir des réseaux de distribution ou produites par les programmes de fidélité. Le design de site internet, le e-merchandising, le tunnel de transformation, les études de concurrence, les moteurs de recommandation, la prédiction sont autant d’applications permises par ces nouvelles approches.

Le web 2.0 apporte une nouvelle dimension au BI&A 2.0 après 2004 en permettant aux internautes de s’exprimer sur les blogs, les forums, les chats, les commentaires sur les sites internet, les réseaux ou les médias sociaux, les mondes virtuels ou les jeux en ligne. Les chercheurs en marketing et les analystes voient dans cette évolution l’opportunité de traiter le marché comme une conversation entre une entreprise et ses consommateurs.

Ce type de manipulation réclame des techniques en text mining (l’extraction d’information, l’identification de sujets, la compréhension d’opinion, la réponse dynamique aux questions), en web mining, en analyse des réseaux sociaux et en spatial/temporal analyses compilées aux techniques de la BI&A 1.0.

Le dernier champ de recherche émergeant est la BI&A 3.0. Le taux de pénétration des téléphones mobiles intelligents, smartphones, et des tablettes est bien supérieur à celui des ordinateurs de bureau et des ordinateurs portables. Pour la première fois en 2011 le nombre d’unités mobiles avec 480 millions dans le monde a dépassé celui des ordinateurs de plus de 100 millions. En septembre 2013 le temps passé sur internet depuis un smartphone avait en moyenne dépassée d’un petit pourcent le temps de connexion via un ordinateur.

Les objets connectés appelés M2M ouvrent de nouvelles perspectives d’analyse ayant dépassé les 5 milliards d’unités en 2010. Ces objets collectent des données de localisation, de santé, mais aussi le contexte d’une action comme une transaction commerciale : niveau de la voix, température, musique écoutée, tension ou encore le nombre de pas. Avec l’intégration du processeur M7 à l’iPhone 5S, les données biométriques collectées sont encore plus nombreuses et les calculs appliqués plus complexes, car ce processeur est dédié au traitement de cette information.