Comment tirer avantage de ses données en mode start-up [Partie II]
[ Suite de la première partie ]
Outils pour faciliter l’analyse des données
Il existe plusieurs outils sur le marché permettant d’analyser différentes sources de données sans défrayer des sommes astronomiques, une chose qu’on aime en mode start-up! J’ai travaillé avec quelques outils au cours des dernières années et c’est principalement au niveau de l’expérience-utilisateur que les outils se différencient. C’est donc en en essayant quelques-uns comme ceux que je vous présente dans cet article, que vous trouverez l’outil qui correspond à vos besoins autant en termes d’analyse qu’en termes d’expérience globale.
Voici donc un récapitulatif, loin d’être exhaustif, des trois outils considérés comme Leaders visionnaires du Magic Quadrant for Analytics and Business Intelligence Platform de Gartner en 2018.
Microsoft Power BI
Microsoft Power BI découle d’Excel. C’est un Excel sur les stéroïdes comme plusieurs l’appellent. Il est donc très facile de retrouver ses repères si vous êtes un utilisateur de ce logiciel. L’expérience-utilisateur retrouvée dans la suite Office reste présente, ce qui diminue pour plusieurs la courbe d’apprentissage face à l’outil. De plus, il est en constante évolution; chaque mois, des nouvelles fonctionnalités y sont ajoutées.
L’utilisation de Power BI nécessitera certaines connaissances du langage DAX et M, si vous voulez effectuer des transformations avancées au niveau de vos données. Il peut être téléchargé gratuitement en mode Desktop et lorsque vous voudrez partager différents rapports avec vos collègues, des frais mensuels de 12,20$ sont chargés, ce qui est peu pour la valeur que cet outil peut vous apporter à court terme.
Avant de commencer à utiliser l’outil, je vous recommande de lire cet article du CFO Masqué sur les 15 erreurs courantes chez les débutants de Power BI.
Tableau
Tableau a longtemps été vu comme le leader des outils de visualisation de données. Pour certains, il l’est encore. Les visuels et les analyses qui peuvent être réalisées avec l’outil peuvent sans doute être très conviviaux pour l’œil et très avancés. L’outil comprend différents modules qui le démarque de Power BI, comme la gouvernance de données. Mais, à mon avis, cet élément ne fait pas une différence dans le choix d’une technologie en mode start-up.
Les frais rattachés à l’outil sont toutefois plus élevés que ceux présentés plus haut pour l’outil Microsoft Power BI. Le langage de l’outil y est propre et nécessite donc un apprentissage au départ. Sa courbe d’apprentissage n’est pas extrême puisqu’il existe tout de même beaucoup de documentation et une communauté active qui saura vous aider. Cet outil peut être testé gratuitement pour une durée de 14 jours. Elle en vaut certainement la peine!
Qlik
Qlik, comme Microsoft Power BI et Tableau, permet de mettre en place de très beaux visuels et de créer des analyses très poussées. L’outil peut être téléchargé gratuitement en mode Desktop, vous permettant ainsi de le tester avec latitude avant de décider d’opter pour une version payante. Il comprend les mêmes fonctionnalités que les deux outils précédents, c’est donc une question de goût rendu au stade de décision.
Comme vous l’avez constaté, je ne présenterai pas l’inventaire complet des produits sur le marché, mais je suis tout de même curieux de connaître les outils avec lesquels vous travaillez actuellement. N’hésitez pas à commenter au bas de l’article!
Outre les outils, des langages de programmation comme Python et R vous permettent de développer différents modèles statistiques et différents types d’analyse. Ces deux langages possèdent différentes librairies pour élaborer des visuels tels que la célèbre librairie de R, ggplot2. Il pourrait être intéressant de traiter de l’analyse prédictive et prescriptive à l’aide de ces langages dans un prochain article de blogue.
Quand l’argent sera au rendez-vous et que les processus à monitorer sont plus stables, on doit penser à mettre une architecture et une infrastructure en place pour supporter les outils. L’objectif est que la culture de données au sein de votre entreprise soit en mesure de croître au même rythme que votre entreprise.
Analyser versus constater
Lorsque vous avez désormais mis en place vos premiers indicateurs de performance et que vous monitorez vos résultats. Vous êtes alors rendu à l’étape d’analyser vos données. Il existe une forte distinction entre « constater » et « analyser » lorsqu’on parle de données. En effet, la valeur réside dans le fait d’analyser pour ensuite poser des actions concrètes. Souvent, on tombe dans le piège de « constater », surtout quand les résultats sont bons! J’ai trop souvent entendu : « notre trafic augmente! » La vraie question est : « pourquoi notre trafic augmente? » C’est en étant moindrement curieux et en analysant les différentes données et les actions antérieures posées que vous trouverez différents facteurs qui expliqueront cette augmentation de trafic, par exemple.
Le fait d’analyser apporte un élément tangible aux différents comportements d’une donnée. Il devient possible de ressortir l’information pertinente, de recréer des actions ou d’éviter de refaire des actions qui n’ont pas entrainé des résultats concrets vers la réalisation de votre but ultime. Je vous mets donc au défi, la prochaine fois qu’un de vos associés entrera dans votre bureau pour vous dire que les ventes augmentent, de lui demander les « cinq pourquoi » (un petit parallèle avec la technique des 5 Whys). Vous saurez rapidement s’il a analysé ou constaté!