Pluridisciplinarité


La business analytics est un domaine pluridisciplinaire. Son objectif : extraire des données générées par l’activité journalière d’une organisation, les traiter et les transformer en information et connaissance pour améliorer la prise de décisions, résoudre des problèmes ou identifier de nouvelles opportunités de business. Ces données peuvent émaner de sources très variées : bases de données, capteurs sur des équipements à distance, internet des objets, captures d’écran vidéo dans des points de vente, etc.

 

Transversalité


Pour délivrer toutes ses promesses, la business analytics requiert un écosystème transversal. En pratique, l’organisation doit disposer de professionnels de l’analyse - les data scientists - à même de maîtriser les analyses statistiques et quantitatives, l’économétrie, les bases de données, le codage… mais aussi de comprendre le contexte spécifique dans lequel s’inscrivent leurs activités : marketing, industrie, services publics, etc. Il s’agit de pouvoir traduire ces analyses en résultats exploitables par l’organisation. À l’heure actuelle, en raison du peu de formations spécifiques, de tels profils sont en pénurie.

 

Communication


La transversalité exige aussi une communication efficace des data scientists avec tous les autres départements de l’organisation, par exemple les utilisateurs qui souhaitent la résolution d’un problème, les informaticiens qui leur fournissent les données ou les décideurs qui, sur la base des analyses, prennent des décisions. Cet aspect est trop souvent négligé ! D’un côté, les data scientists doivent pouvoir vulgariser leurs connaissances et s’adapter aux différentes audiences présentes dans l’organisation. De l’autre, il s’agit de former les autres collaborateurs à pouvoir valider les résultats des analystes et les utiliser pour influencer les prises de décision.

 

Applications


Déjà largement utilisée dans le marketing, la business analytics s’applique à bien d’autres domaines : l’amélioration des processus ou la maintenance préventive pour une chaîne de fabrication industrielle ; la détection de fraudes par les services bancaires ; le suivi des performances d’un athlète ; la prévention de certains problèmes de santé publique, etc.