Les apports d’un projet BI avec ITNOVEM
Qu’apporte le fait de travailler avec ITNOVEM sur un projet BI (Business Intelligence) ? Ou, pour le formuler autrement, quelles particularités sont amenées sur un projet BI par le contexte Data d’ITNOVEM ? Retrouvez toutes les réponses dans la parole d'expert de Martin Rouault, team leader BI chez ITNOVEM.
Publié le 15 novembre 2023 par Com itnovem
Pour commencer, comment se déroule un projet BI « classique » ?
L’organisation la plus efficace pour aborder le souhait à l’origine d’un projet BI, c’est-à-dire de pouvoir mieux exploiter, visualiser, comprendre des données, consiste à démarrer par une phase d’échanges avec le métier détenteur des données, pour l’aider à cadrer son besoin : quels indicateurs, c’est-à-dire des mesures qualitatives ou quantitatives des données, doit-on mettre en place ? Quels visuels (histogrammes, courbes, cartes…) sont les plus pertinents ? Par qui les tableaux de bord résultants seront-ils consultés ? Quels sont les outils BI les plus adaptés pour répondre au besoin ?
Les étapes suivantes consistent ensuite, suivant ces premiers échanges, et validation des solutions adaptées, à préparer et à stocker les données qui seront ensuite remontées dans l’outil BI, ce qui implique une étape de modélisation des données, puis à mettre en place les visuels demandés, avec des allers et retours entre métier et équipe de réalisation pour valider les différentes livraisons, jusqu’au rendu final.
Ce schéma simplifié, qui est adapté selon l’existant déjà présent chez le métier, parlera aux habitués des sujets BI.
Figure 1 : Organisation simplifiée d’un projet BI.
Les spécificités de l’offre BI d’ITNOVEM
A présent, voyons les spécificités propres à ITNOVEM.
Une première spécificité d’ITNOVEM vient de son statut de filiale SNCF, duquel découle le fait que la totalité des projets menés l’ont été pour le compte de la SNCF, sur des sujets aussi divers que la gestion de l’énergie, la gestion du parc d’engins roulants, le suivi de la météo ou encore la prévision des retards.
Un autre apport spécifique d’ITNOVEM vient de son expertise en termes de Data, qu’il s’agisse de Data Engineering (Transformation des données) ou de Data Science (Exploitation des données), ces deux branches formant à l’origine le cœur de métier d’ITNOVEM.
L’expérience acquise par ITNOVEM autour du traitement de la Data, et de la gestion des projets qui en découlent, ont permis la mise en place d’offres adaptées tout le long de la chaîne Data.
La première offre se met en place dès avant le début du projet : les Directeurs de Mission d’ITNOVEM, chacun spécialisé sur un périmètre métier (Energie, Transports…), apportent une aide au client pour délimiter le périmètre du projet.
ITNOVEM s’engage également, dans le cadre de ces travaux, à une complète transparence sur les risques projets, et sur les solutions pour y remédier.
Figure 2 : Apport d’ITNOVEM avant même le démarrage du projet.
Le deuxième apport d’ITNOVEM sur un projet BI est son expertise sur plusieurs outils BI (Power BI, Qlik Sense), leurs points forts et points faibles respectifs (Power BI en général déjà connu des métiers, Qlik Sense plus cher mais traitant de gros volumes de données…), ainsi que leur complémentarité avec les autres outils de la chaîne BI (différentes solutions de stockage de données), notamment ceux proposés par Microsoft (cloud Azure).
Cette expertise permet à ITNOVEM de conseiller les clients vers des choix d’outils selon les spécificités du projet (volumétrie des données, budget à disposition, temps de réponse souhaité…) et dans le cas de Qlik Sense, de mettre à disposition des compétences pour des projets existants, ou des migrations vers Power BI.
Figure 3 : Expertise sur le choix et la complémentarité des outils.
L’étape suivante d’un projet, la mise en place du traitement des données, est l’occasion pour ITNOVEM de s’appuyer sur son cœur de métier, l’utilisation et la valorisation de la data.
Son expertise dans ce domaine permet en effet à ITNOVEM de ne pas simplement « suivre » la demande, mais d’être force de proposition sur la valeur qui peut être apportée par les données à disposition : l’étape de préparation des données n’est donc pas une simple adaptation à ce qui doit être visualisé, mais aussi une étape où de nouvelles utilisations possibles des données peuvent être discutées en vue d’enrichir le projet. La modélisation des données s’effectue ensuite en conséquence suivant les choix du métier.
Figure 4 : Proposition de valorisation de la data.