Self-Service en analytics : pourquoi il faut guider vos utilisateurs

Catégories

Sommaire

Chez Toucan, nous aidons les organisations à rendre leurs données plus accessibles à tous leurs utilisateurs, quel que soit leur niveau d’expertise data. Nous savons que l'analytics peut aider les entreprises à être plus efficaces, à optimiser leurs ressources et à prendre de meilleures décisions... si et seulement si les outils d'analytics sont utilisés par tout le monde.

Malheureusement, c’est encore loin d'être le cas partout. Souvent, les taux d'adoption et d'utilisation de l'analytics sont encore trop faibles pour permettre aux entreprises de devenir véritablement data driven. Au lieu de cela, les analytics ne sont utilisés que par les équipes techniques, tandis que les autres se fient à leur instinct pour prendre des décisions.

Nous voulions savoir pourquoi cette situation perdure et comment y remédier. Nous avons donc parrainé une étude menée par le cabinet de conseil mondial The Eckerson Group. Entre novembre et décembre 2021, Eckerson Group a interrogé des représentants d'organisations de toutes tailles et de tous secteurs d'activité dans le monde entier.
Ils ont découvert que les taux d'adoption des outils de BI restent coincés dans les 20%. Mais ils soulignent un important moyen de booster l'adoption : adapter le self-service aux besoins des utilisateurs. 
Chez Toucan, nous savons que le self-service seul ne suffit pas à booster l'adoption. Encore faut-il guider les utilisateurs tout au long du processus. C'est pour cette raison que le Guided Self-Service est notre spécialité. Voilà pourquoi nous tenons à cette approche.

Lire l'étude 

Self Service In Analytics


Ce que veulent les utilisateurs business

Si les taux d'adoption des outils d'analytics sont encore décevants, il existe des tendances prometteuses  qui pourraient révolutionner le secteur. L'une de ces tendances est le self-service. Selon l'étude d'Eckerson Group, c'est même une donnée phare du marché : "Les organisations les plus performantes fournissent à tous leurs utilisateurs des outils de visualisation, de préparation des données et d'AutoML basés sur des interfaces graphiques, afin de répondre à leurs besoins en matière de données et d'analyse sans avoir à attendre l'aide du service IT."

La plupart des utilisateurs en sont bien conscients : lorsqu'on leur demande ce qui les inciterait à plus utiliser les outils d'analytics, 73% des personnes interrogées parlent "des outils de création de rapports et de tableaux de bord en self-service", tandis que la quasi-majorité (48%) mentionne "les fonctions de préparation des données".


Cette tendance est encore plus marquée pour les entreprises "best-in-class" en termes de data : "Les entreprises les plus performantes sont beaucoup plus susceptibles de citer les fonctions self-service de "préparation des données" et "requêtes en langage naturel" lorsqu'on leur demande ce qui les incite à utiliser les outils d'analytics. 

Eckerson Study - Drivers of Adoption
Ces conclusions sont loin d'être surprenantes. Les utilisateurs non-experts ont longtemps été obligés de passer par les équipes informatiques pour accéder à leurs données. Cela signifiait qu’ils devaient attendre des jours, voire des semaines, avant d'obtenir les informations nécessaires pour prendre des décisions urgentes. Lorsque vous ne donnez pas aux utilisateurs les outils nécessaires pour accéder eux-mêmes aux données, l'ensemble du processus data devient si frustrant qu'ils abandonnent complètement l'analytics. Si les outils mis à leur disposition ne sont pas assez faciles à comprendre ou à utiliser, ils feront appel aux équipes informatiques à chaque fois qu'ils auront besoin de chiffres plutôt que les chercher eux-mêmes, ce qui crée une pression inutile sur les équipes informatiques.

Que veulent donc les utilisateurs business ? La possibilité d'accéder rapidement et facilement aux données pertinentes de faire leur travail sans devoir passer par des processus longs et fastidieux. C'est aussi simple que ça.

Self-service, oui, mais...

Le self-service est l'avenir de l'analytics. En permettant aux utilisateurs d'accéder aux analytics quand ils en ont besoin, sans avoir à passer par quelqu'un d'autre, vous leur facilitez la tâche et leur permettez de devenir plus data-driven. Mais qu'est-ce qui fait qu'un outil en self-service le soit vraiment?


Selon la définition de Gartner, les analytics en self-service doivent permettre à vos utilisateurs d' : "accéder à leurs données, les visualiser et les explorer, concevoir des tableaux de bord et exécuter des rapports".

Une plate-forme zéro code

Aujourd'hui la principale difficulté dans le monde de analytics se pose lorsqu’on ne sait pas coder. Les outils analytics en self-service permettent à chaque utilisateur de préparer, transformer et interroger ses données sans avoir à écrire une seule ligne de code. Ceci est particulièrement important pour la préparation des données : les meilleurs outils en self-service mettront les fonctions clés de préparation des données à la portée des utilisateurs grâce aux interfaces utilisateur graphiques (GUI) ou aux requêtes en langage naturel.


La data visualisation


La visualisation des données est cruciale pour le self-service. La traduction de données brutes en courbes et autres graphiques permet d'en tirer plus facilement des conclusions. Les utilisateurs non-experts rechignent à passer du temps à essayer de comprendre un tableau sans aucune aide visuelle. C'est pour cela qu'il importe de leur fournir une interface utilisateurs claire, fonctionnelle et facile à utiliser.


Des graphiques préconstruits


Les utilisateurs non experts qui voudraient construire leurs propres rapports sont bloqués lorsqu’ils sont face à une page blanche. Si vous leur fournissez une bibliothèque de graphiques préconstruits, vous leur permettrez de passer cette première étape qui est souvent la plus dure.


Et surtout: une plateforme personnalisée


Les utilisateurs  doivent se sentir capables de créer les rapports dont ils ont besoin, avec les paramètres dont ils ont besoin. Vous devez leur fournir suffisamment de flexibilité pour adapter leurs rapports à leurs besoins spécifiques, sans les noyer avec trop de fonctionnalités et d'options qui pourraient créer une complexité inutile. Voilà le secret d'une stratégie self-service vraiment réussie : il faut réussir à vraiment guider les utilisateurs tout au long du processus plutôt que de les laisser se débrouiller.

à chaque utilisateur l'outil qui lui correspond


Créer des outils en self-service pour vos équipes ne signifie pas nécessairement y ajouter toutes les fonctionnalités possibles et imaginables. C'est plutôt le contraire : il faut choisir. Des outils trop complexes pourraient décourager les utilisateurs non experts. Le self-service n'est jamais une solution universelle : il est important d'adapter vos outils à vos équipes, à leurs rôles et à leurs besoins.

Pour ce faire, vous devez avoir une connaissance très précise des défis et des objectifs de vos équipes. Il faut prendre le temps de discuter avec elles de la manière dont elles aimeraient utiliser les données, et de la façon dont l'analytics pourrait les aider à mieux faire leur travail. Les équipes data et business ont probablement des besoins très différents, et même les différentes équipes business pourraient utiliser les données différemment. Comme l'écrivent les auteurs de l'étude Eckerson :

"Les consommateurs de données ne veulent pas d'un outil ou d'une interface graphique conçus pour les data analysts ou les data scientists. Ils ont besoin d'outils sans code et de contenus adaptés à leur département ou à leur domaine. Les data analysts ont besoin d'outils de création plus sophistiqués, notamment des outils de préparation des données pour acquérir, intégrer et modéliser des données provenant de diverses sources."

Le risque ici est de fournir aux utilisateurs non experts des tableaux de bord qui leur offrent trop de paramètres et de fonctionnalités, ou, au contraire, de fournir aux analystes des outils inflexibles qui ne leur permettent pas d'effectuer des calculs complexes.

pas de self-service sans gouvernance des données

Plus vos utilisateurs sont indépendants dans l'utilisation de leurs analytics, plus la gouvernance des données devient importante. L'étude  Eckerson le montre bien: “Le BI/analytique en self-service mis en œuvre sans gouvernance ni connaissance des besoins des utilisateurs tuera dans l'oeuf votre programme data et analytics".

L'analytics en self-service ne signifie pas que les utilisateurs n’auront plus du tout besoin de l’IT. Cela veut simplement dire que l'IT doit être un facilitateur et s'assurer que toutes les conditions sont réunies pour que chacun puisse utiliser les outils d'analytics facilement et sans compromettre votre protocole de sécurité.

Cela signifie qu'il faut garantir la qualité des données, et fournir aux utilisateurs non experts suffisamment d'informations pour comprendre ces données. Pour cela, il est indispensable de prévoir des glossaires métier ou des catalogues de données.

Le self-service est un excellent moyen de rendre l'analytics plus flexible, plus accessible à tous et donc de stimuler l'adoption. Mais pour bien le faire, votre organisation doit mettre en place une gouvernance stricte des données et guider les utilisateurs dans leur parcours self-service. Vous devez adapter vos outils d'analytics aux besoins des utilisateurs et leur fournir tous les ingrédients qu'il leur faut pour concocter la solution particulière qui leur convient. 

voir une démo

Catégories

Sommaire