Le self-service BI, qu’est-ce que c’est ?
La démocratisation de la donnée peut vite amener la disponibilité des organisations DSI à saturation.
En effet, les utilisateurs métiers sont parfois amener à réaliser des études adhoc nécessitant un développement rapide, ce qui n’est pas forcément compatible avec les process établis par la DSI.
C’est ainsi que le self-service BI entre en jeu. Pour expliquer simplement ce concept : le self-service permet aux utilisateurs finaux d’accéder à des sources de données fiables, de manipuler les données et de créer leurs propres analyses sans dépendre de la DSI.
Ce concept est d’autant plus important qu’il permet de :
Rendre les utilisateurs finaux plus autonomes et performants
Permettre une prise de décision plus rapide
Utiliser des données communes qualifiées et contrôlées
Améliorer les relations entre la DSI et les métiers
Quels avantages pour les utilisateurs métiers ?
Plus besoin d’extraire et de relier des données de sources diverses.
Les utilisateurs finaux peuvent accéder directement à des datasets prétraités mis à disposition par la DSI, simplifiés grâce à un pré-traitement validé par des key users et éventuellement accompagnés d’un Data Catalog détaillant les tables et les champs.
L’atout majeur est que la donnée est la même pour tous. Cela évite considérablement les écarts obtenus entre différents utilisateurs sur un même KPI. Les données sont donc uniformisées, les utilisateurs finaux n’ont plus qu’à piocher.
Réaliser des analyses adhoc rapidement.
En contournant la DSI, les utilisateurs peuvent effectuer des études de manière autonome, accélérant ainsi le processus décisionnel.
De plus, ils ont la possibilité d’approfondir leur analyse en exploitant des données indisponibles pour la DSI, détenant ainsi un contrôle total.
Le déploiement du self-service, quelles sont les bonnes pratiques ?
Règle numéro un : il ne faut pas négliger la formation des utilisateurs.
Les utilisateurs moins expérimentés nécessiteront une formation sur l’outil de self-BI de l’entreprise.
Il est important de désigner un responsable pour animer des sessions, assurer le suivi, et fournir des supports de documentation.
Une formation sur l’utilisation des données sera également cruciale, soulignant l’importance de la sensibilisation à la provenance et à la nature des données pour une interprétation éclairée.
Règle numero deux : travailler sur la qualité des donnée et la rendre accesible.
La qualité des données, validée par le Data Owner avant le déploiement, évite la propagation d’informations erronées.
La surveillance constante détecte rapidement les problèmes d’actualisation, permettant des mesures préventives.
Pour le self-service, la DSI assure une accessibilité restreinte et sensibilise les utilisateurs au partage responsable pour éviter la diffusion d’informations confidentielles.
Exemple d’accompagnement : implémentation d’un self-service BI dans la Direction de la performance pour un client du secteur média
Étapes pour mettre en place une méthodologie self-service BI :
- Redéfinition des besoins métiers
- Création d’un backlog à destination de la Data
- Restructuration des datamarts afin de tout centraliser pour la création/migration de rapports Power BI
- Migration et développement de nouveaux rapport Power BI
- Animation d’ateliers de Self-service BI auprès des métiers
- Production de documentations (livret d’accueil, charte graphique, backlog…)
Résultats :
16 rapports Power BI en production (web et mobile)
Amélioration du jeu de données Power BI
Livret d’accueil Data Factory
Autonomie des utilisateurs
Que peut-on en conclure ?
Le self-service a pour vocation de donner plus la main aux utilisateurs afin de les rendre plus autonomes et performants.
Il ne passera plus par la DSI pour ces analyses adhoc ce qui permet de recentrer les projets sur de nouvelles sources de données, la mise en place de test de qualité ou la formation des utilisateurs.