An solution d'analyse commerciale informatique Les capacités analytiques doivent être évaluées en fonction de leur aptitude à faciliter la prise de décision proactive. Le modèle de maturité analytique (AMM) s'appuie sur le modèle de maturité des capacités logicielles (CMM). Ces deux modèles décrivent les différentes étapes que franchissent les entreprises pour atteindre la maturité de leurs processus. Qu'une équipe informatique analyse sa solution actuelle ou en évalue une nouvelle, l'utilisation du modèle de maturité analytique en quatre étapes de Gartner offre une perspective précieuse.

Gartner classe la maturité de l'analyse des données selon la capacité d'un système non seulement à fournir des informations, mais aussi à contribuer directement à la prise de décision. Les systèmes d'analyse les plus matures permettent aux équipes informatiques d'anticiper l'impact des décisions futures et de parvenir à la conclusion qu'il s'agit du choix optimal.

Le modèle de maturité de l'analyse des données en quatre étapes de Gartner peut aider à la fois à évaluer l'état actuel des systèmes d'analyse de données informatiques et à identifier la voie optimale à suivre. Les quatre étapes sont, dans l'ordre :

• Analyse descriptive : Je peux vous dire Que se passe-t-il dans votre organisation
• Diagnostic : Je peux vous dire pourquoi cela se produit
• Prédictif : Je peux vous le dire Qu'est-ce qui va se passer ou ce qui va probablement se passer
• Prescriptif : Je peux vous le dire ce que tu devrais faire à propos de ça

Lors de l'inventaire des défis et des besoins d'un solution d'analyse informatique Pour évaluer les capacités d'une solution, les décideurs doivent tenir compte du stade de développement actuel de l'organisation et de ses objectifs à court terme. Ces considérations permettent aux responsables informatiques d'établir des critères de comparaison objective entre les solutions disponibles, ainsi qu'entre les fournisseurs d'outils d'analyse et leurs produits.

Capacités descriptives — Étape 1

La fonction la plus immédiate qu'une solution d'analyse de données informatiques peut fournir est de décrire l'état actuel d'une organisation et de ses projets de manière descriptive et concise. Les fonctions de reporting de base des systèmes d'analyse de données informatiques permettent aux dirigeants de suivre les indicateurs clés de performance (KPI) ainsi que d'autres indicateurs prioritaires.

Ces fonctionnalités permettent à une équipe informatique de répondre à un nombre illimité de questions commençant par « quoi », par exemple :

• Quel est le volume de nos incidents ? Comment a-t-il évolué au fil du temps ?
• Quel est le taux d'échec des changements pour le DevOps Des équipes ? Y a-t-il eu une augmentation concomitante des problèmes rencontrés par les clients ?

Sans pouvoir répondre à ces questions fondamentales, les rapports et prédictions plus avancés produits par le système d'analyse peuvent manquer de contexte. À ce stade, un système d'analyse décisionnelle informatique peut présenter des capacités de reporting relativement avancées malgré un potentiel analytique encore limité.

Les caractéristiques et les capacités d'un système de première étape peuvent inclure :

• Intégration avec les principales sources de données
• Tableaux de bord et rapports spécifiques au domaine
• Rapports ponctuels
• Fonctions de tri et de classement de base, telles que le tri par date/heure, le traitement analytique en ligne (OLAP) et les expressions de filtrage

Capacités de diagnostic — Étape 2

Les rapports issus des systèmes de première étape peuvent fournir un contexte descriptif utile à une organisation qui cherche à suivre l'état de ses fonctions et projets informatiques, mais ils peuvent omettre des éléments essentiels. Par exemple, les indicateurs et les KPI rapportés peuvent décrire des symptômes sans pour autant révéler la cause ou la tendance à l'origine de ces symptômes.

Plus mature analyse commerciale des TI Ces solutions permettent d'analyser les données en profondeur afin d'en déterminer les causes et de décrire plus précisément les tendances ou les résultats passés. Cette capacité ouvre la voie à de nouvelles découvertes tout en offrant une représentation plus pertinente des données.

Plus important encore, les systèmes d'analyse dotés de capacités de diagnostic permettent d'éviter de négliger des facteurs sous-jacents importants au sein d'une organisation. Les équipes informatiques qui se concentrent uniquement sur les symptômes risquent de laisser perdurer les problèmes à la source, engendrant non seulement des inefficacités, mais aussi le risque que ces problèmes sous-jacents ne fassent que s'aggraver avec le temps.

La recherche de la cause profonde d'un problème est donc l'un des plus grands atouts qu'un système de deuxième étape puisse offrir.

Un système informatique de diagnostic peut répondre à des questions du type « pourquoi » comme :

• Pourquoi nos coûts de maintenance système n'ont-ils pas atteint leurs objectifs ces trois derniers mois ?
• Pourquoi les employés rencontrent-ils des difficultés avec les fonctions de partage et de contrôle d'accès pour certains types de fichiers ?
• Pourquoi les utilisateurs de tablettes rencontrent-ils davantage de problèmes de plantage après la récente mise à jour, contrairement aux utilisateurs de smartphones ?

Les capacités définissant une solution d'analyse informatique de deuxième étape peuvent inclure :

• Analyses ad hoc
• Découverte de données
• Capacité à explorer la hiérarchie dimensionnelle jusqu'au niveau racine
• Capacité d'exploration de plusieurs systèmes sources
• Possibilité pour les utilisateurs informatiques/métier de définir rapidement leurs propres indicateurs.
• Rapports en libre-service
• Gamme de visualisations
• Analyse géospatiale interactive riche
• Sources de données personnalisées
• Modèles de processus préconfigurés
• Rapports opérationnels quasi en temps réel

Capacités prédictives — Étape trois

Les systèmes d'analyse informatique de niveau 1 permettent de décrire un problème a posteriori ; ceux de niveau 2 peuvent en révéler la cause profonde grâce à une analyse approfondie ; et ceux de niveau 3 offrent une vision prospective permettant de prévenir les problèmes avant qu'ils ne surviennent grâce à leurs capacités prédictives.

La capacité à prédire l'évolution future des indicateurs permet aux équipes informatiques d'anticiper les difficultés. De plus, l'analyse prédictive permet de projeter les tendances actuelles des KPI dans le futur.

L'analyse prédictive permet également de simuler les scénarios hypothétiques, permettant ainsi aux responsables informatiques d'évaluer les avantages et les inconvénients de chaque option. Lorsqu'une prédiction précise est impossible, certains systèmes peuvent même calculer le niveau approximatif de risque ou d'incertitude.

L’une des questions les plus importantes auxquelles l’analyse prédictive peut répondre est la suivante : « Quel risque le changement X va-t-il présenter ? Quels sont les facteurs à l’origine de ce risque ? » Quantification risque de changement L'utilisation de modèles d'apprentissage automatique permet de déceler les principaux facteurs de risque dissimulés dans les données historiques de modifications et d'utiliser ces informations pour prédire quelles modifications sont les plus susceptibles d'échouer. Grâce à ces informations, les organisations peuvent non seulement prévenir une catastrophe, mais aussi… échec du changement mais aussi surveiller les menaces émergentes susceptibles de compromettre le succès.

Les fonctionnalités et capacités spécifiques qu'une solution d'analyse de données d'entreprise de niveau 3 peut offrir comprennent :

• Modèles d'apprentissage automatique et d'IA préconfigurés et spécifiques au domaine
• Prévision des indicateurs/KPI
• Exploitation des données historiques

Capacités prescriptives — Étape quatre

Le terme « analyse prédictive » servait autrefois à illustrer les perspectives offertes par l’apprentissage automatique, mais les organisations ont rapidement constaté que les prédictions ne fournissaient pas toujours les informations nécessaires pour réagir aux éventualités. Pour y remédier, l’apprentissage automatique est indispensable afin de traiter les résultats potentiels et de recommander celui qui offre le meilleur compromis entre opportunités et risques.

En d'autres termes, l'analyse prescriptive utilise des prédictions basées sur les données passées pour identifier les opportunités futures. Elle génère des recommandations sur la voie optimale à suivre, minimisant les risques et maximisant les chances d'un résultat positif. Au quotidien, les capacités prescriptives permettent d'optimiser les flux de travail informatiques tout en réduisant les coûts.

Par exemple, en regroupant les incidents similaires, les responsables informatiques peuvent constater que certains types d'incidents ont une cause première et une solution communes qui pourraient être prises en charge par un niveau de support inférieur si elles étaient facilitées par un article de base de connaissances. En identifiant la « meilleure action à entreprendre » pour les incidents entrants, les équipes peuvent « décaler vers la gauche ». aux équipes de niveau inférieur, libérant ainsi des ressources et offrant aux équipes de niveau supérieur de nouvelles opportunités de se concentrer sur des questions plus importantes.

Pour parvenir à de véritables capacités de prescription, il faut des modèles d'IA plus avancés, optimisés par l'apprentissage automatique et personnalisés en fonction de vos sources de données, de votre environnement et de votre niche de marché spécifiques. La structure appropriée des informations sources peut être plus importante que la technologie spécifique. utilisé.

Utiliser l'analyse des données d'entreprise pour se transformer de l'intérieur

L'objectif du classement des capacités analytiques selon leur niveau de maturité est d'illustrer le potentiel transformateur de ces systèmes.

Toutefois, il n'est pas nécessaire d'organiser certaines fonctionnalités selon une hiérarchie stricte, d'autant plus que certaines fonctionnalités pourraient techniquement… représenter plusieurs stades de maturité à la foisNous ne disons pas cela pour nier la valeur du modèle de maturité analytique de Gartner, mais plutôt pour souligner qu'il n'est pas impératif de privilégier une étape qui ne correspond pas aux besoins et aux défis spécifiques de votre organisation.

Les responsables informatiques doivent plutôt se concentrer sur le fait qu'une approche mature de l'organisation et de la collecte des données est plus importante qu'un système d'analyse doté de fonctionnalités avancées. Les dirigeants ont besoin de stratégie, de vision, de gouvernance, de compétences humaines et de technologie. afin de soutenir leur infrastructure analytique. Cet effort leur permettra d'atteindre leurs objectifs et de produire l'effet désiré.

Avec une approche et une infrastructure adaptées à leurs priorités spécifiques, les organisations peuvent prendre la bonne décision quant à l'acquisition d'une solution d'analyse de données informatiques ou à la modification de leur solution existante pour répondre à leurs besoins.