Tribunes

L'innovation en matière d'informations révolutionnera la prise de décisions de gestion

Jusqu'à présent, la technologie n'a guère facilité la prise de décisions de gestion. Cette situation va toutefois changer au cours des cinq prochaines années, à mesure que d'importantes tendances technologiques auront un impact sur la façon dont les informations sont utilisées et les décisions prises. Les directeurs des systèmes d'information (DSI) et les stratèges de l'informatique décisionnelle doivent planifier leur adoption pour garder une longueur d'avance sur la concurrence.

PublicitéImpacts

- Le traitement analytique évolué automatisera de nombreux processus de prise de décisions de gestion, ce qui permettra aux responsables de se concentrer davantage sur la définition de la stratégie et l'innovation d'entreprise.
- Les développements dans l'apprentissage automatique et le calcul en mémoire (in-memory computing) permettront d'analyser de grands volumes de données non structurées, si bien que la stratégie d'applications fondée sur des modèles deviendra une réalité pour les responsables à tous les niveaux.
- Les technologies collaboratives et sociales permettront à un plus grand nombre d'employés de participer à la prise de décisions, ce qui améliorera la qualité des décisions de gestion.

Recommandations

- Étudiez de quelle façon les grandes décisions sont prises au sein de votre entreprise. Documentez-les et identifiez les processus de prise de décisions qui tireraient le plus profit d'un traitement analytique évolué. Utilisez ces informations pour prouver l'utilisation de nouvelles technologies, ou bien trouvez des domaines dans lesquels le traitement analytique évolué est utilisé avec succès et pronez l'extension de son utilisation.
- Planifiez l'adoption de technologies qui prennent en charge la recherche de modèles à travers divers tyopes de données et prévoyez d'utiliser le calcul en mémoire pour prendre en charge la modélisation et la simulation opérationnelles.
- Procédez à des essais de technologies de prise de décisions collaborative dans un domaine sous votre contrôle en tant que projet "hors cadre", et servez-vous en pour promouvoir leur plus large adoption dans les processus de prise de décisions de gestion.

Analyse

Gartner a identifié un ensemble de forces qui révolutionnent l'entreprise et la société et qui définiront la prochaine ère de l'informatique. L'innovation en matière d'informations est au coeur de cet ensemble : nous avons ainsi affirmé que "l'information est le pétrole du 21e siècle et le traitement analytique en est le moteur à combustion". Les tendances actuelles relatives au traitement analytique évolué, à l'apprentissage automatique et au calcul en mémoire offrent de nouveaux moyens d'utiliser les informations pour obtenir un avantage concurrentiel et présentent le potentiel de révolutionner la prise de décisions de gestion. D'autres forces vont également changer la façon dont les décisions de gestion sont prises. Plus particulièrement, nous voyons les technologies sociales faire leur entrée dans la salle du conseil d'administration pour améliorer la façon dont les grandes décisions stratégiques sont prises et gérées. Au cours des cinq prochaines années, bon nombre de ces technologies se généraliseront. Les DSI et les stratèges de l'informatique décisionnelle doivent s'assurer que leur entreprise les adopte pour garder une longueur d'avance sur la concurrence, au risque sinon de subir une fusion et acquisition. Utilisez le modèle d'organisation en couches du rythme d'évolution de Gartner pour guider votre déploiement de ces technologies.

PublicitéImpacts

Le traitement analytique évolué automatisera de nombreux processus de prise de décisions de gestion opérationnelle, ce qui permettra aux responsables de se concentrer davantage sur la définition de la stratégie et l'innovation d'entreprise.

Principales recommandations

- Documentez les principaux processus de décisions de gestion et identifiez les domaines où le traitement analytique évolué pourrait ajouter de la valeur.
- Identifiez les premiers succès en matière de traitement analytique évolué et prônez l'extension de son utilisation.
- Identifiez les dirigeants ayant les plus grandes difficultés en matière d'aide à la décision et enrôlez-les comme parrains.

Impacts

Les développements dans l'apprentissage automatique et le calcul en mémoire permettront d'analyser de grands volumes de données non structurées, si bien que la stratégie d'applications fondée sur des modèles deviendra une réalité pour les responsables à tous les niveaux.

Principales recommandations

- Prévoyez d'adopter des technologies qui favorisent la recherche de modèles sur divers types de données, de grands volumes, diverses fréquences et différentes représentations, telles que le texte, la vidéo et les médias sociaux.
- Évaluez les applications de traitement analytique en mémoire pour prendre en compte les impératifs des modèles.

Impacts

Les technologies collaboratives et sociales permettront à un plus grand nombre d'employés de participer à la prise de décisions, ce qui améliorera la qualité des décisions de gestion.

Principales recommandations

- Quantifiez le niveau de collaboration dans les processus de décisions de gestion et identifiez les opportunités de faire appel à une plus large communauté sans menacer le statu quo.
- Procédez à des essais de la prise de décisions collaborative dans des domaines que vous contrôlez pour prouver la valeur de la technologie.

Impact : le traitement analytique évolué automatisera de nombreux processus de prise de décisions de gestion, ce qui permettra aux responsables de se concentrer davantage sur la définition de la stratégie et l'innovation d'entreprise

Le traitement analytique évolué est l'analyse de données et contenus structurés à l'aide de méthodes quantitatives sophistiquées (par exemple, statistiques, data mining descriptif et prédictif, simulation et optimisation) pour produire des perspectives que les approches traditionnelles de l'informatique décisionnelle, telles que les requêtes et la génération de rapports, sont incapables de découvrir. Nous observons une croissance spectaculaire des applications analytiques prêtes à l'emploi qui tirent parti du traitement analytique évolué sans que les utilisateurs aient besoin d'être des statisticiens ou des spécialistes informatiques extrêmement qualifiés.

Il existe déjà des applications spécifiques de secteurs ou de domaines, comme la détection des fraudes, l'optimisation des marchandises et des catégories, et la planification de la chaîne d'approvisionnement. Toutefois, des fournisseurs tels que River Logic et Jonova utilisent des techniques d'optimisation de la chaîne d'approvisionnement dans un contexte plus vaste de simulation et de planification d'entreprise, tandis que d'autres fournisseurs intègrent le traitement analytique évolué pour des domaines ou des dirigeants d'entreprise spécifiques. Par exemple, la solution CFO Performance Insight d'IBM destinée aux directeurs financiers utilise le traitement analytique évolué pour déterminer les relations de cause à effet entre les indicateurs de performances guides et témoins (et les décalages dans le temps entre eux), tout en fournissant un environnement de modélisation et de visualisation extrêmement interactif.

Ce type de capacité analytique fournira le contexte stratégique pour les opérations d'informatique décisionnelle, dans lesquelles les technologies de traitement analytique en temps réel et de gestion décisionnelle sont intégrées aux activités opérationnelles et d'exécution des transactions qui font fonctionner l'entreprise avec une intervention humaine nettement réduite. de gestion décisionnelle sont intégrées aux activités opérationnelles et d'exécution des transactions qui font fonctionner l'entreprise avec une intervention humaine nettement réduite. Cela conduira à l'automatisation de bon nombre de processus de prise de décisions opérationnelles ; par exemple, l'allocation des ressources pour atteindre les objectifs stratégiques. Des entreprises telles qu'UPS suivent cette voie, et cette tendance ne fera que se poursuivre. Ainsi, le rôle de nombreux responsables de niveau intermédiaire changera considérablement, du fait qu'ils n'auront pas besoin de passer du temps sur des décisions opérationnelles tactiques. Ils pourront au contraire consacrer davantage de temps à venir en aide aux dirigeants dans la gestion de la stratégie et la recherche de nouvelles opportunités commerciales en utilisant des outils de simulation, modélisation et planification prêts à l'emploi qui exploitent le traitement analytique évolué. Ce dernier éliminera bon nombre des tâches de prise de décisions opérationnelles et apportera un niveau plus sophistiqué d'aide à la décision pour la prise de décisions stratégiques.

Recommandations

- Documentez les principaux processus de décisions de gestion et identifiez les domaines où le traitement analytique évolué pourrait ajouter de la valeur. Gartner a identifié certains des principaux processus pour la gestion des performances d'entreprise, que vous pouvez utiliser comme modèle pour entamer votre discussion et votre analyse. Identifiez également les domaines dans lesquels le traitement analytique évolué pourrait améliorer les processus.
- Identifiez les premiers succès en matière de traitement analytique évolué et prônez l'extension de son utilisation. Bon nombre de responsables et de dirigeants d'entreprise peuvent être réticents à automatiser la prise de décisions, car ils sont sceptiques à l'idée de faire confiance à un modèle analytique à "boîte noire" pour automatiser les tâches de prise de décisions. En conséquence, déterminez s'il existe des exemples où le traitement analytique contribue à améliorer les performances de l'entreprise, et servez-vous en pour promouvoir les avantages de cette tendance technologique.
- Identifiez les dirigeants ayant les plus grandes difficultés en matière d'aide à la décision et enrôlez-les comme parrains. Le directeur financier représente toujours un bon point de départ, dans la mesure où il gère les prévisions et la planification financière de l'entreprise, c'est-àdire une fonction vitale qui pourrait bénéficier de l'utilisation du traitement analytique évolué. En effet, d'après les données de l'American Productivity & Quality Center (APQC) pour 2010, il faut quatre jours aux meilleures entreprises au monde pour produire une revue des prévisions financières, soit un délai totalement inacceptable. La mise en place du traitement analytique évolué pourrait considérablement réduire le temps et les efforts consacrés aux prévisions. Toutefois, d'autres dirigeants peuvent également avoir des points d'achoppement que le traitement analytique évolué pourrait soulager ; efforcez-vous de les identifier et engagez-vous auprès d'eux.

Impact : les développements dans l'apprentissage automatique et le calcul en mémoire permettront d'analyser de grands volumes de données non structurées, si bien que la stratégie d'applications fondée sur des modèles deviendra une réalité pour les responsables à tous les niveaux

La stratégie d'applications fondée sur des modèles est une structure visant à rechercher des modèles à partir de sources d'informations traditionnelles et non traditionnelles, modéliser l'impact sur les opérations ou la stratégie d'entreprise, et adapter l'entreprise en conséquence. Cette façon différente de définir et gérer la stratégie est plus réactive à un environnement d'entreprise dynamique et mieux adaptée à un monde envahi d'une cacophonie de données. Toutefois, la stratégie d'applications fondée sur des modèles a jusqu'à présent été difficile à réaliser autrement qu'à un niveau tactique ou départemental, mais les progrès dans l'apprentissage automatique et le calcul en mémoire changeront cette situation.

L'apprentissage automatique combine les statistiques avec divers modèles cognitifs, tels que le contrôle adaptatif, l'intelligence artificielle et les modèles d'évolution. Il s'agit d'une technologie établie utilisée dans les entreprises (par exemple, les algorithmes génétiques sont utilisés dans la planification de la chaîne d'approvisionnement). Toutefois, l'avènement de Watson d'IBM, un système informatique d'intelligence artificielle capable de réponse à des questions posées en langage naturel, représente un progrès considérable dans l'ingénierie informatique par le biais de l'application d'une puissance de calcul phénoménale aux problèmes d'organisation et d'extraction des informations. En 2011, pour tester ses capacités, Watson a participé au jeutélévisé Jeopardy aux États-Unis et a battu deux champions humains de tous les temps. La principale innovation de Watson ne réside pas dans la création de nouveaux algorithmes, mais dans sa capacité à exécuter rapidement des milliers d'algorithmes avérés d'analyse du langage et à trouver simultanément la réponse probablement la plus correcte en fonction de la mise en correspondance de modèles. Ce type de puissance de calcul, couplé à des développements tels que l'architecture de puce cognitive d'IBM, fournit la puissance de calcul potentielle pour prendre en charge la recherche de modèles en utilisant des masses de données, à la fois structurées et de contenus.

Le calcul en mémoire maintient les données d'application dans la mémoire principale de l'ordinateur, plutôt que des périphériques de stockage externes, ce qui améliore les performances et l'évolutivité du système tout en présentant le potentiel d'une formidable innovation des applications. Le calcul en mémoire aura des avantages particuliers pour le traitement analytique, offrant des performances de
calcul et de requêtes rapides par rapport à d'importants volumes de données. Couplé au traitement analytique évolué et à la visualisation intuitive, le calcul en mémoire apportera les capacités de modélisation requises pour que la stratégie d'applications fondée sur des modèles devienne une réalité dans toute l'entreprise. Les responsables et les dirigeants pourront ainsi modéliser et prévoir l'impact de signaux faibles et de modèles émergents sur la stratégie, afin qu'ils puissent adapter le calcul en mémoire avant la concurrence.

Gartner prévoit une adoption généralisée du calcul en mémoire au cours des cinq prochaines années. Bien que des technologies telles que Watson d'IBM commencent tout juste à être commercialisées, les DSI et les stratèges de l'informatique décisionnelle doivent planifier l'adoption de ces nouvelles technologies pour créer une nouvelle vague d'avantages concurrentiels. Le paysage est cependant déjà confus, de nombreux fournisseurs offrant une forme ou une autre de capacité en mémoire. SAP a créé une vision potentiellement perturbatrice avec son architecture HANA. Du point de vue d'un éditeur de logiciels et d'une équipe de développement interne, les compétences dans ces technologies (et les connaissances appropriées du domaine) seront fortement demandées et risquent donc de venir à manquer à court terme.

Recommandations

- Prévoyez d'adopter des technologies spécifiques et ciblées qui favorisent la recherche de modèles sur divers types de données, de grands volumes, diverses fréquences et différentes représentations, telles que le texte, la vidéo et les médias sociaux. Ces données proviendront de l'intérieur et de l'extérieur de l'entreprise, si bien que les pratiques de gouvernance des informations devront changer. Gartner a fourni des conseils en la matière dans une autre note de recherche. Les DSI et les stratèges de l'informatique décisionnelle doivent également être prêts à sensibiliser les dirigeants et les utilisateurs de l'entreprise aux nuances de la recherche de modèles parmi des contenus venant de l'extérieur. Par exemple, l'identification de signaux faibles susceptibles d'avoir un impact sur la stratégie au milieu de masses de données des sites de médias sociaux nécessite un état d'esprit différent de l'analyse structurée et ordonnée des données d'entreprise qui est la base de la plupart des réunions de gestion.
Utilisez des exemples de valeur de la recherche de modèles pour expliquer ce point.
- Évaluez les applications de traitement analytique en mémoire pour prendre en compte les impératifs des modèles. La stratégie d'applications fondée sur des modèles nécessite des capacités de modélisation sophistiquées à faible latence pour simuler continuellement l'impact de signaux faibles et de modèles émergents sur les stratégies existantes et pour modéliser les objectifs d'entreprise révisés (et optimaux). Le calcul en mémoire couplé au traitement analytique évolué constitue la combinaison de technologies idéale pour prendre en charge cet impératif. Par conséquent, surveillez et évaluez les offres émergentes de vos actuels éditeurs d'applications et de traitement analytiqued'entreprise. Étudiez également les nouvelles offres d'éditeurs innovants de moindre envergure.

Impact : les technologies collaboratives et sociales permettront à un plus grand nombre d'employés de participer à la prise de décisions, ce qui améliorera la qualité des décisions de gestion

Dans la majorité des entreprises, les processus de prise de décisions de gestion sont informels et mal documentés. Il est difficile de comprendre pourquoi une décision donnée a été prise. En outre, les processus sont restreints par la structure hiérarchique de la plupart des entreprises, dans lesquelles un petit nombre de cadres dominent le processus de prise de décisions. Il existe une multitude de témoignages relatant l'échec de nombreux processus de prise de décisions d'entreprise pendant toute la crise financière mondiale de la fin des années 2000, mais il existe aussi des recherches plus rigoureuses montrant l'étendue du problème. Par exemple, une étude réalisée en 2010 par McKinsey sur 1 028 décisions majeures montre que la qualité du processus était six fois plus importante que la quantité et la qualité des données analysées. Les aspects du processus de prise de décisions incluaient l'exploration de multiples alternatives (notamment celles qui contredisaient le point de vue des dirigeants)
et l'inclusion de participants en fonction des compétences et de l'expérience, plutôt que de l'ancienneté.

Il est évident que les grands progrès dans les capacités analytiques ne seront efficaces que si les processus de prise de décisions dans lesquels elles sont utilisées changent. Il ne sert à rien d'accroître la puissance du traitement analytique si les décisions restent soumises aux préjugés comportementaux d'un petit nombre de dirigeants. La prise de décisions collaborative est une catégorie émergente de systèmes d'aide à la décision pour les décisions complexes qui sortent de l'ordinaire. Elle combine les logiciels sociaux avec le traitement analytique pour fournir un environnement collaboratif qui améliore le processus de prise de décisions. Jusqu'à présent, l'utilisation professionnelle des médias sociaux a principalement été axée sur l'extérieur de l'entreprise, ou bien sur la collaboration interne dans des domaines tels que la vente, le marketing et le support, avec une utilisation limitée par les dirigeants (lire l'article intitulé "Quand l'entreprise devient sociale : les tendances de l'adoption et les indicateurs de performances clés à travers des exemples", paru dans Perspectives n° 74). Toutefois, la prise de décisions collaborative est la technologie qui permettra aux dirigeants de "devenir sociaux" et d'apporter de réels avantages à l'entreprise. La combinaison de la prise de décisions collaborative et du traitement analytique évolué offre déjà de formidables avantages dans le monde du sport. Les DSI et les stratèges de l'informatique décisionnelle doivent promouvoir l'utilisation de la prise de décisions collaborative pour tirer le meilleur parti des développements à venir dans le traitement analytique.

La prise de décisions collaborative présente des avantages supplémentaires. En effet, elle encouragera une plus large participation des employés à la prise de décisions, d'où un engagement plus fort de leur part ; or, il est avéré que cet engagement a un impact positif sur les performances de l'entreprise. De plus, la prise de décisions collaborative raccourcira les délais de la prise de décisions, du fait qu'elle utilise des outils de collaboration et de réseaux sociaux pour connecter les participants plus rapidement que l'approche traditionnelle faite de réunions.

Recommandations

- Quantifiez le niveau de collaboration dans les processus de décisions de gestion et identifiez les opportunités de faire appel à une plus large communauté sans menacer le statu quo. Les stratèges de l'informatique décisionnelle doivent utiliser une analyse des processus de prise de décisions de gestion pour identifier les domaines où la prise de décisions collaborative pourrait être bénéfique.
- Procédez à des essais de la prise de décisions collaborative dans des domaines que vous contrôlez pour prouver la valeur de la technologie. Vous contribuerez ainsi à surmonter la réticence compréhensible des dirigeants à changer la façon dont ils sont habitués à travailler. Considérez ce projet comme hors cadre ; autrement dit, mettez-le en oeuvre en tant que système d'innovation sur une base tactique limitée, plutôt que de le déployer plus largement à court terme. Si vous pouvez démontrer le potentiel de la technologie, vous renforcerez le poids de votre argumentation en faveur de son adoption plus large.

Article rédigé par

Nigel Rayner, Directeur de recherche chez Gartner
Nigel Rayner est directeur de recherche au sein du cabinet de recherche Gartner. Il est spécialisé dans le traitement analytique et financier.