Qu'est-ce que l'analytique embarquée ?

L’analyse intégrée est l’intégration transparente des capacités analytiques, des données et de la visualisation dans une plateforme, un produit logiciel ou un flux de travail existant. Les analyses sont intégrées à la plateforme/au logiciel utilisé par les partenaires d’une entreprise, de sorte qu’elles sont facilement accessibles en tant que fonction ou fonctionnalité de base et non en tant qu’outil distinct. Cette approche tire parti de la familiarité des partenaires avec la plateforme/le logiciel, ce qui rend les analyses plus utiles et assimilables dans le flux de travail habituel ou les projets de routine.

L’analyse intégrée est une classification de déploiement et se concentre davantage sur la manière dont l’analyse est déployée au sein d’une organisation ou d’un système plutôt que sur la manière dont elle est visualisée ou exécutée. Le terme a été introduit à l’origine par Howard Dresner, considéré comme le père de l’informatique décisionnelle (telle qu’elle est définie aujourd’hui), en 2007.

{{cta-1}}

Composants de l’analyse intégrée

Les composantes essentielles de l’analyse intégrée ne sont pas différentes de l’analyse déployée de manière conventionnelle, mais elles doivent être traitées/approchées du point de vue de l’intégration.

Données (sources, types et nettoyage/traitement) :

La composante « données » de l’analyse intégrée se concentre sur l’origine des données, les types de données qui entrent dans l’entreprise, la manière dont elles sont prétraitées/nettoyées pour l’évaluation et la manière dont les données brutes sont affichées/accessibles aux partenaires (si ils le sont). La plateforme sur laquelle les données doivent être intégrées peut ne pas être en mesure de traiter les demandes liées aux données de manière native, et la prise en compte de cette limitation doit faire partie de la stratégie de développement et d’intégration.

Analyse (Méthodes et techniques) :

La manière dont les données sont analysées, les algorithmes et les techniques d’analyse qui leur sont appliqués et le degré de contrôle qu’un partenaire exerce sur les méthodes et les protocoles d’analyse sont des facteurs qui doivent être pris en compte lors du développement ou du déploiement de la composante d’analyse de l’analytique intégrée.

Visualisation :

L’identification des divers composants de visualisation nécessaires aux différents partenaires et la manière dont ils peuvent être intégrés dans la plateforme ou le logiciel qu’ils utilisent pour communiquer avec l’entreprise peuvent rationaliser le développement et le déploiement. Cela devient un défi dans les environnements où les partenaires ont des appareils qui ne peuvent pas assimiler les éléments de visualisation de données modernes.

Navigation :

Un autre aspect de l’analyse intégrée est la navigation, l’exploration et l’analyse des données lorsque vous naviguez entre l’application/le processus et l’analyse/l’informatique décisionnelle.

Personnalisation :

Le degré de personnalisation dont un partenaire a besoin et qu’elle peut effectuer sont deux questions différentes qui doivent être posées et auxquelles il faut répondre lors du développement ou du choix d’outils d’analyse intégrés. De nombreux accès personnalisés peuvent être difficiles à intégrer, en particulier dans une plateforme ou un logiciel relativement restreint comme ceux utilisés par les institutions financières ou les institutions de défense.

Contrôles éthiques et réglementaires :

Ces contrôles peuvent être effectués à différents niveaux, notamment au niveau des sources de collecte des données et des passerelles qui acceptent les données dans la plateforme/le logiciel principal à utiliser pour les analyses intégrées. Leur emplacement doit être décidé avant le déploiement.

Avantages de l’analyse intégrée

À l’instar des outils d’analyse déployés ou utilisés de manière conventionnelle, disponibles sous la forme d’un outil ou d’un logiciel distinct que les différents partenaires peuvent utiliser parallèlement à leur plateforme/logiciel principal, les outils d’analyse intégrés peuvent être essentiels à l’informatique décisionnelle. L’informatique décisionnelle est le logiciel, la plateforme ou l’outil qui aide une entreprise à utiliser ses données et ses analyses pour prendre des décisions éclairées/intelligentes. Les données, dans leur forme brute, sont comparables à une ressource utile non exploitée. L’analyse rend le contenu de la « mine » utilisable et utile. Enfin, l’informatique décisionnelle vous aide à déterminer où et comment l’utiliser.

Cependant, ils offrent de nombreux avantages par rapport aux méthodes d’analyse traditionnelles.

• L’analyse intégrée accélère l’adoption de l’analyse et de l’informatique décisionnelle. Une fois que les analyses sont disponibles dans un environnement familier et plus accessible, il est plus facile de les exploiter dans la prise de décision de l’entreprise.
• Les analyses intégrées permettent aux partenaires d’une entreprise d’utiliser les données/analyses dont elles disposent de manière plus complète et inventive, et les encouragent à le faire. Si les données analytiques doivent être portées à partir d’une source distincte, il devient plus difficile de les assimiler dans le flux de travail naturel, ce qui limite les cas d’utilisation. Mais s’il est intégré au flux de travail et aux logiciels/plateformes familiers, les partenaires peuvent l’utiliser pour chaque cas applicable.
• L’analyse intégrée peut éliminer/réduire considérablement les erreurs humaines si les données sont introduites manuellement dans l’environnement de routine. Ils peuvent également réduire les frictions si les données analytiques sont connectées à la plateforme/au logiciel principal par l’intermédiaire de l’interface de programmation d’applications (API).
• Les fonctions d’analyse et d’informatique décisionnelle intégrées peuvent également permettre de prendre des décisions plus judicieuses, mieux informées et fondées sur les données, ce qui permet d’agir sur les données directement à partir des visualisations.
• L’analyse intégrée peut également rendre les données d’analyse et d’informatique décisionnelle plus accessibles à un plus grand nombre de partenaires. Si elle est adaptée à leur flux de travail et qu’ils sont autorisés à y accéder, les analyses peuvent être mises à la disposition de pratiquement n’importe qui au sein de l’industrie (ou de partenaires externes) en les intégrant à la plateforme/au logiciel qu’ils utilisent pour se connecter à l’entreprise.

Ces avantages sont plus apparents/prévalents dans les cas d’utilisation où il n’y a pratiquement pas de séparation entre l’informatique décisionnelle et l’analyse intégrée, et où les deux sont collectivement intégrées dans le flux de travail, le logiciel ou la plateforme généralement utilisés par les partenaires (en supposant qu’il ne s’agisse pas de la plateforme d’informatique décisionnelle elle-même).

Ces avantages font également de l’analyse intégrée une alternative viable à l’approche traditionnelle de l’informatique décisionnelle, qui peut être cloisonnée et n’être accessible qu’à un nombre limité de partenaires au sein d’une organisation.

Défis et considérations liés au déploiement de l’analyse intégrée

Vous devez tenir compte de plusieurs facteurs lorsque vous choisissez la bonne solution d’analyse intégrée pour votre entreprise. Il s’agit notamment de sa compatibilité avec votre logiciel/plateforme d’entreprise existant, de vos besoins en matière d’analyse, des ressources disponibles, de la maîtrise des données par les partenaires, etc. Mais si vous faites le bon choix, le déploiement ne sera peut-être pas si difficile.

En revanche, si vous développez et déployez des outils d’analyse intégrés, vous devez tenir compte de plusieurs défis et considérations.

Défis

• Intégration avec des infrastructures anciennes et peu flexibles. Même si la fonctionnalité analytique intégrée est à la pointe de la technologie, son intégration dans une infrastructure ou une plateforme non optimisée la ralentira au niveau de la plateforme. Dans le pire des cas, l’intégration de l’analyse pourrait entrer en conflit avec les performances de la plateforme d’origine.
• Une mauvaise compréhension de vos besoins en matière d’analyse. De nombreuses entreprises optent pour une approche axée sur les solutions pour répondre à leurs besoins en matière d’analyse, c’est-à-dire qu’elles choisissent de bons outils d’analyse avant d’avoir pleinement identifié leurs besoins en matière d’analyse et défini une approche ou des pratiques analytiques. Il leur est donc difficile de choisir les bonnes options d’analyse intégrée (ou de créer les bonnes fonctionnalités) qui peuvent ne pas correspondre à leurs besoins en matière d’informatique décisionnelle.
• Défis liés à la maîtrise du numérique et des données par les partenaires. Techniquement, l’analyse intégrée est une solution qui permet de rendre vos partenaires plus « conscients des données » et de les aider à intégrer les données et l’analyse dans leur prise de décision et leurs actions de routine. Mais même cela peut s’avérer délicat si l’on ne dispose pas d’une bonne base de connaissances en matière de données. Même si l’entreprise peut former ses partenaires internes à l’analyse intégrée, l’adoption ne sera pas forcément plus facile pour les partenaires externes, principalement les clients/consommateurs.
• Les transformations/fluctuations dans le domaine de l’analyse sont la norme. Les entreprises peuvent perdre l’accès à divers flux de données en raison de changements opérationnels ou de modifications réglementaires (comme l’élimination progressive des cookies tiers). Cela peut nécessiter une réorganisation de l’analyse intégrée. Même si le pipeline de données d’une entreprise ne change pas au fil du temps, les techniques et les méthodes d’analyse peuvent évoluer, et l’analyse intégrée doit être bien positionnée pour intégrer les changements positifs.
• La difficulté d’intégrer les outils d’analyse existants dans l’infrastructure numérique existante. Un grand nombre de personnes au sein d’une entreprise utilisent une variété d’outils d’analyse, même s’ils ne disposent pas d’une plateforme d’informatique décisionnelle traditionnelle ou d’outils d’analyse intégrés. Les intégrer dans l’infrastructure numérique existante de l’entreprise peut ne pas être possible ou techniquement réalisable, et l’intégration de différents outils d’analyse avec lesquels les partenaires ne sont peut-être pas familiers peut introduire une courbe d’apprentissage et provoquer des frictions au niveau de l’adoption.
• De mauvaises techniques d’analyse ou une approche inadéquate de la visualisation des données ne sont que deux des nombreuses mauvaises habitudes « analytiques » que les organisations peuvent adopter en masse. Cela est dû au fait que les individus, les équipes et les services d’une organisation adhèrent souvent aux outils et aux pratiques qui leur sont familiers, même s’ils ne sont pas les mieux adaptés à leur travail. Cela se traduit souvent par des analyses intégrées qui ne sont pas assez performantes ou qui embrouillent les partenaires au lieu de les informer.
• Il est important de comprendre que la plupart des défis sont associés aux capacités et aux pratiques des entreprises qui adoptent l’analyse intégrée plutôt qu’à l’idée même de l’analyse intégrée.

Réflexions

• Pour les entreprises qui conçoivent et déploient leurs propres systèmes d’analyse intégrés, il est essentiel de considérer les données comme une caractéristique. La création de ces fonctionnalités autour du pipeline de données et des besoins d’analyse permet d’éviter toute une série de problèmes en aval.
• Rendre la mise en œuvre et le déploiement de la science des données plus accessibles devrait être un objectif de l’analyse intégrée. Cette démarche s’inscrit dans le cadre des meilleures pratiques, telles que l’identification des besoins de l’entreprise en matière d’analyse et la maîtrise des données par les différents partenaires.
• Vous devez tenir compte de votre architecture sur le cloud avant de développer/déployer des fonctionnalités analytiques intégrées. Une conception monolithique de l’analyse intégrée peut être difficile à intégrer et peut vous obliger à modifier votre architecture, ce qui aurait un impact sur les fonctionnalités existantes. En revanche, une approche microservice et décentralisée du développement et du déploiement de fonctionnalités analytiques intégrées peut être plus facile à intégrer.
• Les besoins et les intégrations de l’entreprise en matière d’IA et de ML doivent être pris en compte. Si toutes les données analysées doivent alimenter un grand modèle d’apprentissage de ML ou si la supervision de l’IA doit être ajoutée avant ou après une couche de préparation des données, le fait de traiter ces questions dès les premières étapes peut faciliter le déploiement et réduire les frictions futures.
• Les analyses intégrées sont censées faciliter la tâche des utilisateurs/partenaires, mais si l’interface est trop alambiquée/complexe pour la plupart des utilisateurs ou si elle devient plus difficile après l’intégration des analyses, elle risque de compromettre plusieurs objectifs de l’analyse.
• Il convient de tenir compte de l’évolutivité inhérente à la plateforme/au logiciel natif et de celle des systèmes d’analyse intégrés. Si le système d’origine n’est pas flexible, les besoins d’évolutivité de l’analyse intégrée doivent être pris en compte avant le déploiement, bien que cela puisse être fait sur une base ad hoc si le système est flexible.
• Vous devez tenir compte de l’écosystème des fournisseurs et des partenaires lorsque vous concevez ou modifiez la couche de gestion des données pour vos analyses intégrées.
• L’impact des analyses intégrées sur votre sécurité existante ou la manière dont votre plateforme/logiciel (dans lequel vous intégrez des analyses) peut exposer vos flux de données à de nouveaux vecteurs d’attaque ou à une surface d’attaque plus large/différente doit influencer votre système de développement, de sélection et de déploiement.

{{cta-3}}

Éléments importants de l’analyse intégrée

Toutes les fonctionnalités classiques de visualisation des données

Même si les analyses intégrées doivent contourner les limites de l’infrastructure existante, elles devraient (idéalement) inclure toutes les fonctions de visualisation des données que les partenaires connaissent ou utilisent dans des solutions d’informatique décisionnelle dédiées/séparées. Il sera ainsi plus facile pour les gens de s’adapter aux analyses intégrées et de les utiliser plus largement dans leur processus d’entreprise. Elle garantira également la transmission des données entre les différents départements et groupes de partenaires.

Si l’analyse intégrée est limitée à cet égard, un secteur d’activité peut s’appuyer sur les fonctions existantes tandis que d’autres peuvent recourir à une solution distincte d’informatique décisionnelle/solution de visualisation des données, ce qui rend les rapports internes incohérents.

Facilité d’intégration

Il s’agit d’un élément important si vous choisissez une solution/plateforme d’analyse intégrée plutôt que d’en créer une à partir de zéro. Toutes les plateformes ne sont pas conçues pour s’intégrer facilement à tous les systèmes existants, et si elles sont trop incompatibles, cela peut être une raison suffisante pour opter pour une solution différente. Les frictions liées au déploiement peuvent freiner l’analyse intégrée, empêchant les partenaires d’en exploiter toute la puissance. En revanche, la facilité d’intégration peut réduire considérablement le temps et les coûts associés au déploiement.

Personnalisation

Vos partenaires doivent avoir la possibilité de personnaliser les fonctionnalités analytiques intégrées, les processus de reporting, les tableaux de bord dynamiques, les sources d’entrée des données, etc. Il peut être plus difficile d’intégrer des fonctions d’analyse que dans une solution d’informatique décisionnelle, mais c’est essentiel pour faciliter l’adoption et l’utilisation complète. Cependant, vous devez trouver un équilibre avec les autorisations pour les différents types d’utilisateurs. Tous les partenaires ne doivent pas avoir accès à toutes les sources de données.

Intégration complète du pipeline de données/Tous les types de données devraient être acceptés

Que vous conceviez votre propre système d’analyse intégré ou que vous optiez pour une plateforme existante pouvant être intégrée à votre plateforme/logiciel actuel, il est important qu’elle puisse traiter tous les différents types de données auxquels votre entreprise a accès. Si les données doivent être converties, assurez-vous que les bons outils/intégrations et protocoles sont disponibles aux bons niveaux. Les systèmes d’analyse intégrés doivent également être en mesure d’intégrer des données structurées et non structurées de manière transparente, faute de quoi leur capacité à effectuer des analyses complètes risque d’être sérieusement limitée.

Profilage des données (alimenté par l’IA/ML)

Le profilage des données, c’est-à-dire le processus d’identification de modèles utiles à partir de données brutes avant qu’elles ne soient formellement analysées, peut générer de nombreuses informations utiles, en particulier s’il est amélioré par des modèles d’IA et de ML. Le profilage des données peut être relativement simple, comme l’identification de modèles à partir de l’horodatage de divers points de données, ou plus complexe, comme l’analyse des sentiments.

Sources de données

L’analyse intégrée doit intégrer toutes les sources de données et l’ensemble du pipeline de données d’une entreprise. Il s’agit d’une considération importante pour les entreprises qui disposent de sources de données ésotériques ou anciennes qui peuvent devoir être traitées avant d’être introduites dans l’analyse.

Automatisation

L’analyse intégrée peut offrir davantage de possibilités d’automatisation que l’analyse conventionnelle, en particulier si le système principal ou la plateforme est conçu en conséquence. L’automatisation peut vous aider à éliminer les processus répétitifs et à faciliter l’intégration de l’analyse par les partenaires dans leur flux de travail habituel.

Analyse intégrée : Outils personnalisés ou préfabriqués

Du point de vue du développement et du déploiement, il y a trois façons d’intégrer l’analyse intégrée dans vos activités courantes : la construction, l’achat et le modèle hybride (construction de l’interface utilisateur tout en exploitant les capacités d’informatique décisionnelle). Les deux approches ont leurs propres forces et faiblesses qu’il convient de mettre en balance en tenant compte des besoins et des ressources de chaque entreprise en matière d’analyse.

• Conçue sur mesure pour le(s) produit(s) logiciel(s) principal(aux) de l’entreprise, les plateformes d’informatique décisionnelle ou les besoins en matière d’analyse. Il peut s’agir d’une simple API intégrant des données utilisateur ou des données de marché en temps réel à une plateforme, ou d’une plateforme analytique multicouche modifiée et intégrée aux plateformes utilisateur des différents acteurs du secteur. Ces analyses intégrées peuvent être adaptées avec précision aux besoins de l’entreprise et aux types de données auxquels elle a accès. Cependant, la responsabilité de les maintenir, de les modifier ou de les améliorer incomberait aux partenaires internes à l’entreprise.
• Des plateformes/logiciels d’analyse prédéfinis qui peuvent être intégrés dans votre flux de travail ou principalement dans les plateformes/logiciels numériques utilisés par les partenaires. Ils peuvent offrir un large éventail de fonctionnalités analytiques qui peuvent être personnalisées en fonction des besoins de l’entreprise et des cas d’utilisation de l’analyse. Ces outils sont maintenus et mis à jour par les développeurs d’origine, ce qui réduit les coûts liés à la maintenance et au développement continu.