Nous sommes désolés. Nous n'avons rien trouvé qui corresponde à votre recherche.

Nous vous suggérons d’essayer ce qui suit pour trouver ce que vous recherchez :

  • Vérifiez l’orthographe de votre recherche par mot clé.
  • Utilisez des synonymes pour le mot clé que vous avez tapé, par exemple, essayez “application” au lieu de “logiciel”.
  • Lancer une nouvelle recherche.
Nous contacter Se connecter à Oracle Cloud

Qu’est-ce que l’analytique ?

Définition de l’analytique

L'analytique est le processus de découverte, d'interprétation et de communication de modèles significatifs de données. Tout simplement, l'analytique nous aide à voir des idées et des données significatives que nous n'aurions pas détectées autrement. L'analyse métier se concentre sur l'utilisation des informations dérivées des données pour prendre des décisions plus éclairées qui aideront les entreprises à augmenter les ventes, à réduire les coûts et à apporter d'autres améliorations commerciales.

Analyse décisionnelle

L’analyse commerciale est omniprésente de nos jours car le but de chaque entreprise est d’obtenir de meilleures performances et d’analyser en conséquence les données pour prendre de meilleures décisions. Les entreprises cherchent à tirer le meilleur parti de l'analytique - en utilisant davantage de données pour obtenir des informations plus approfondies plus rapidement, pour un plus grand nombre de personnes, et tout cela à moindre coût. Pour atteindre ces objectifs, vous avez besoin d'une plateforme cloud analytics (PDF) robuste qui prend en charge l'ensemble du processus d'analyse avec la sécurité, la flexibilité et la fiabilité que vous attendez. L’objectif est de vous aider à procurer à vos utilisateurs les moyens d’effectuer une analyse en libre accès sans sacrifier la gouvernance. Et tout cela au travers d’une administration conviviale.

Mais comment bénéficier des avantages d’un système de classe d’entreprise sans les coûts ni l’infrastructure correspondants ?

Avec l'analytique métier - en utilisant la personnalisation, le machine learning et la connaissance approfondie du domaine - les entreprises peuvent obtenir des informations pertinentes et exploitables à partir de données provenant d'applications, de data warehouses et de lacs de données. L’analyse commerciale doit être un processus complet qui appelle une action. Une fois que les informations sont obtenues, une entreprise peut alors réévaluer, ré-exécuter et reconfigurer ses processus. Tout repose sur le passage à l’action.

Principes fondamentaux de l’analytique

Les données en elles-mêmes n’ont pas de sens. Nous pouvons retourner chaque pierre et en tirer chaque leçon, mais en cas d’inaction, si nous n’en retournons aucune et n’apportons pas d’ajustement en conséquence, tout notre travail sera sans effet. Si nous ne tirons pas parti de la totalité de la technologie à notre disposition, nous ne récupérons pas chaque euro que nous pourrions investir dans notre investissement. Dans notre monde d’aujourd’hui, nous sommes effectivement capables de discuter avec nos données ; faites-les répondre aux questions ; faites-les prévoir les résultats pour nous ; et faites-leur apprendre de nouveaux modèles. Il s’agit du potentiel de vos données.

La valeur commerciale de l’analytique

  • Une nouvelle manière de travailler

    La nature des activités évolue et, avec ce changement, se présente une nouvelle façon de faire face à la concurrence. Pour affronter les exigences de la main-d’œuvre d’aujourd’hui, férue de technologie, nous devons posséder une méthode pour créer de la valeur et l’exécuter rapidement. Offrez rapidité et simplicité à vos utilisateurs tout en maintenant des niveaux élevés de qualité et de sécurité des données. Une plateforme d’analytique centralisée, au sein de laquelle l’informatique occupe un rôle essentiel, doit faire partie intégrante de votre stratégie en termes d’analytique commerciale. L’association d’initiatives pilotées autant par la fonction commerciale que par la fonction informatique constitue le point d’équilibre de l’innovation.

  • Détecter de nouvelles opportunités

    Les avancées de la technologie analytique créent des opportunités pour la capitalisation sur vos données. L’analytique moderne est prédictive, elle s’appuie sur l’autoapprentissage et les capacités d’adaptation pour vous aider à détecter des modèles de données. Elle est aussi intuitive et incorpore des visualisations de qualité qui permettent de comprendre des millions de lignes et de colonnes de données au premier coup d’œil. L’analytique commerciale moderne est mobile et facile d’utilisation. Elle vous connecte aux bonnes données au bon moment et nécessite peu, voire pas, de formation.

  • Visualiser vos données

    Vous souhaitez détecter les signaux émis par les données avant la concurrence. L’analytique vous procure la possibilité d’obtenir une image en haute définition de votre environnement commercial. En combinant données personnelles, d’entreprise et Big Data, vous pouvez appréhender rapidement la valeur des données et partager votre narration avec vos collègues, tout cela en quelques minutes seulement.

Le passé : Histoire de l'analytique

La comparaison des statistiques et l’analyse des données sont antérieures à l’histoire écrite, mais des jalons importants ont contribué à l’intégration de l’analytique dans le processus actuel.

En 1785, William Playfair a proposé l’idée d’un diagramme à barres, qui est l’une des fonctions de base (et largement utilisées) de la visualisation des données. L’histoire raconte qu’il a inventé les diagrammes à barres pour afficher quelques dizaines de points de données.

En 1812, le cartographe Charles Joseph Minard a retracé les pertes subies par l’armée de Napoléon lors de sa marche sur Moscou. En partant de la frontière russo-polonaise, il a créé une carte linéaire comportant des lignes épaisses et fines montrant le lien des pertes au froid rigoureux de l’hiver et à la période pendant laquelle l’armée s’était éloignée des lignes de ravitaillement.

En 1890, Herman Hollerith a inventé une « tabulatrice », qui enregistrait des données sur des cartes perforées. L’analyse plus rapide des données a permis d’accélérer le processus de comptage du recensement des États-Unis de sept ans à 18 mois. Cela a établi l’exigence qu’une entreprise améliore constamment la collecte et l’analyse des données, ce à quoi on adhère encore aujourd’hui.

Le présent : l'analytique aujourd'hui

Les années 1970 et 1980 ont vu la création de la base de données relationnelle (RDB) et du logiciel SQL (Standard Query Language) permettant d’extrapoler des données pour une analyse sur demande.

À la fin des années 1980, William H. Inmon a présenté la notion de « data warehouse » qui permettait de consulter les informations rapidement et à plusieurs reprises. En outre, Howard Dresner, Analyste chez Gartner, a forgé le terme « business intelligence », ce qui a incité le secteur à analyser des données dans le but de mieux comprendre les processus métiers.

Dans les années 90, le concept d’exploration de données a permis aux entreprises d’analyser et de découvrir des tendances dans des ensembles de données extrêmement volumineux. Les analystes et les scientifiques de données ont afflué vers des langages de programmation tels que R et Python pour développer des algorithmes de machine learning, pour travailler avec de grands ensembles de données et pour créer des visualisations de données complexes.

Dans les années 2000, les innovations en matière de recherche sur le Web ont permis de développer les structures MapReduce, Apache Hadoop et Apache Cassandra afin de faciliter la découverte, la préparation et la présentation d’informations.

L'avenir : l'analytique de nouvelle génération

Alors que les entreprises ne souhaitaient plus seulement obtenir la visibilité des données et exigeaient davantage d’informations, les outils et leurs fonctionnalités ont évolué en conséquence.

Les premiers ensembles d’outils analytiques reposaient sur les modèles sémantiques forgés à partir d’un logiciel de business intelligence. Celles-ci ont aidé à établir une gouvernance robuste, une analyse des données et un alignement entre les fonctions. Un inconvénient était que les rapports n’étaient pas toujours opportuns. Les décisionnaires n’étaient parfois pas certains que les résultats reflétaient leur requête initiale. D’un point de vue technique, ces modèles sont principalement utilisés sur site, ce qui les rend moins rentables. Les données sont également souvent piégées dans des silos.

Ensuite, l’évolution des outils en libre accès a fait évoluer l’analytique vers une audience plus large. Ceux-ci ont accéléré l’utilisation de l’analytique car ils ne nécessitaient pas de compétences particulières. Au cours des dernières années, ces outils bureautiques analytiques ont gagné en popularité, en particulier dans le Cloud. Les utilisateurs professionnels sont enthousiastes à l’idée d’explorer une grande variété de ressources de données. Bien que la facilité d’utilisation soit attrayante, le mélange de données et la création d’une « version unique de la vérité » deviennent de plus en plus complexes. Les analyses de bureau ne sont pas toujours adaptables à des groupes de plus grande taille. Elles sont également sujettes à des définitions incohérentes.

Plus récemment, des outils analytiques ont permis une transformation plus large de la vision d’entreprise à l’aide d’outils autorisant la mise à niveau et l’automatisation automatique de la découverte, du nettoyage et de la publication de données. Les utilisateurs professionnels peuvent collaborer avec n’importe quel terminal avec le contexte, exploiter les informations en temps réel et générer des résultats.

Aujourd’hui, ce sont les humains qui font le plus gros du travail, mais l’automatisation gagne du terrain. Les données issues de sources existantes peuvent être facilement combinées. Le consommateur travaille en exécutant des requêtes, puis gagne en compréhension en interagissant avec des représentations visuelles des données et en construisant des modèles pour prédire les tendances ou les résultats futurs. Ceux-ci sont tous gérés et contrôlés par des personnes à un niveau très granulaire. L’inclusion de la collecte de données, de la découverte de données et du machine learning propose à l’utilisateur final davantage d’options dans un laps de temps plus court que jamais.

Faire place à l’analytique métier

L’analytique imprègne tous les aspects de nos vies. Quelle que soit la question que vous posez (qu’il s’agisse de collaborateurs ou de finances, ou de ce que les clients aiment ou n’aiment pas et en quoi cela influe sur leur comportement), l’analytique vous apporte des réponses et vous aide à prendre des décisions éclairées.