L’avenir des données et de l’analytique n’est pas davantage de tableaux de bord, c’est l’intelligence décisionnelle

L’entreprise ne manque pas de tableaux de bord. Elle peut voir plus de l’entreprise que jamais auparavant. Pourquoi alors, après tous nos investissements dans les données, les plateformes, les visualisations et l’analytique en libre-service, l’organisation peine‑t‑elle encore à décider et à agir ?

Le chemin du signal à l’action reste étonnamment manuel. Quelqu’un doit localiser le bon tableau de bord, interpréter ce qui a changé, le concilier avec les connaissances enfermées dans d’autres systèmes et dans la tête des personnes, réunir l’équipe, décider quoi faire, puis agir.

Les tableaux de bord restent utiles, mais ils ont été conçus principalement pour améliorer la visibilité. Ils rassemblent rarement tout le contexte nécessaire à une décision. Ils livrent rarement de l’intelligence au moment de la décision. Le problème n’est pas l’accès à l’information, c’est la distance et l’effort entre l’information et l’action. L’IA expose cet écart. L’IA offre également aux dirigeants technologiques l’opportunité de le combler. 

Intelligence décisionnelle connecte des données fiables, le contexte métier, le jugement humain et une action gouvernée autour des décisions qui créent de la valeur. Avec elle, les DSI peuvent faire évoluer les données et l’analytique d’une fonction de livraison d’information, axée sur les artefacts, à un système décisionnel d’entreprise qui crée davantage de valeur. Les insights doivent être fournis au moment de la décision, et non à l’intérieur des limites du référentiel de données de l’entreprise.

L’avenir des données et de l’analytique n’est pas davantage de tableaux de bord. C’est l’intelligence décisionnelle.

Accorder un accès aux données d’entreprise distribuées, gouverné par l’IA

L’intelligence décisionnelle dépend de l’IA accédant aux données d’entreprise fiables comme contexte sans compromettre les contrôles de sécurité existants ni augmenter le profil de risque des données et de l’analytique de l’organisation.

Amenez les modèles aux données pour atténuer le risque lié à l’IA. Donnez à l’IA le contexte des données sur toutes les plateformes. Unifiez la traçabilité et centralisez la sécurité des données et contrôles d’accès sur l’ensemble du patrimoine de données.

Démocratiser l’analytique de routine et la construction de tableaux de bord

Réaffectez la production de tableaux de bord à l’entreprise. Fournissez de véritables données et analytique en libre-service. Pour générer aujourd’hui des insights récurrents, les ressources compétentes en données consacrent des heures et des jours à comprendre les schémas de données, rédiger des requêtes et des pipelines, planifier des jobs et visualiser les métriques et KPI. Les utilisateurs du langage naturel sont moins chanceux. Ils doivent attendre dans la file d’attente de l’équipe analytique pendant des semaines et des mois.

Mon équipe a déployé un outil de requête en langage naturel (NLQ) pour permettre aux employés dépourvus de compétences en données, de connaissances sur les données ou de maîtrise technique de générer des insights pertinents dans des tableaux de bord personnalisés qu’ils peuvent partager avec d’autres. Ils créent leurs tableaux en quelques minutes ou heures, en n’utilisant que des invites.

Pour sécurité, nous avons préservé les restrictions de confidentialité des données existantes et appliqué la sécurité au niveau des lignes directement depuis notre plateforme de données. Pour confidentialité, nous n’avons utilisé que des modèles publics pour vectoriser l’invite et la comparer aux métadonnées métier et techniques. Pour précision et fiabilité, nous avons limité les réponses aux données d’entreprise gouvernées et au SQL exécutable plutôt qu’à des réponses variables, inexpliquées et générées par l’IA.

NLQ a réduit le temps d’obtention d’insights de 90 % pour les utilisateurs du langage naturel.

En plus d’une vitesse de décision accélérée, nous avons observé qu’une fois que l’entreprise a hérité de la paternité et de la propriété des actifs d’intelligence, elle a acquis une meilleure connaissance des lieux où l’intelligence pouvait être récupérée lorsqu’elle en avait le plus besoin. 

La démocratisation de l’analytique de routine et de la construction de tableaux de bord permet à l’équipe de données et d’analytique de récupérer une capacité précieuse pour des livrables à plus forte valeur ajoutée.

Réinvestir la capacité analytique dans la mise en évidence des signaux au moment de la décision

Réinvestissez la capacité libérée dans l’intelligence décisionnelle. Identifiez les signaux enfouis profondément dans les données organisationnelles. Mettez‑les en avant à ce moment critique de la décision sur une interface unique.

L’entreprise ne se demande plus « Que se passe-t‑il dans ce compte ? ». Elle se demande « Quel besoin le client exprime‑t‑il dans ses interactions avec nous ? Quel produit ou service répondrait à ce besoin ? Quelle personne, dans quel département, devrait être responsable de satisfaire ce besoin dès maintenant ? »

Auparavant, notre organisation avait du mal à identifier les opportunités d’appliquer des services professionnels pour améliorer l’expérience client. Notre réponse était Shared Customer Intelligence, un outil qui exploite les dossiers de support pour repérer les points où les clients rencontrent des difficultés à optimiser l’utilisation du produit. Il met en avant les services professionnels et les opportunités de formation qui aideraient le plus ces clients. Il recommande également l’escalade des dossiers lorsqu’un sentiment négatif est détecté.

Pour maximiser la capacité du service client, notre Case Analyzer application propose aux responsables du service client des résumés succincts et une analyse du sentiment pour tous les dossiers. Ils peuvent intégrer un compte en seulement 5 % du temps qu’ils mettaient auparavant, et ils peuvent servir plus du double de comptes simultanément. L’outil fait apparaître les résolutions de cas probables en se basant à la fois sur les cas résolus et sur des articles de base de connaissances hautement pertinents. Il fournit des informations critiques au responsable du service client au moment où le client en a besoin. 

Ce que nous avons appris, c’est que l’intelligence décisionnelle accélère la vitesse de décision. Ensuite, nous nous sommes demandé quels avantages supplémentaires nous pourrions obtenir si les décisions pouvaient être déléguées, préautorisées ou automatisées dans le cadre de limites de gouvernance appropriées.

Canaliser ces signaux vers une action gouvernée

L’intelligence décisionnelle devrait faire plus que simplement améliorer les décisions humaines conséquentes. L’intelligence décisionnelle possède trois modes : exposer le contexte pour éclairer une décision humaine, proposer une action tout en conservant l’autorité humaine, exécuter une action autorisée sous des contrôles prédéfinis.

Si l’équipe marketing n’a pas besoin de valider l’opportunité de formation, habilitez les agents IA à inviter le client à un webinaire, à proposer une formation à prix réduit, ou à ouvrir une opportunité de services professionnels dans le CRM. Si la cause première d’un cas est identifiée avec certitude, assignez un agent pour instruire le client à mettre en œuvre la solution. Si elle est incertaine, autorisez un agent à demander des informations complémentaires et à consigner l’échange avec le client.

Les actions autonomes nécessitent, bien sûr, une gouvernance informatique solide. Les actions seront automatisées, la responsabilité ne le sera pas. Les droits de décision, les seuils de confiance et les règles d’escalade doivent être clairement définis. L’explicabilité, la responsabilité et la réversibilité doivent être soigneusement conçues et intégrées dans le flux de travail. La supervision humaine est essentielle.

Le mode « acte » de l’intelligence décisionnelle peut optimiser les coûts dans l’entreprise et l’informatique. Les flux de travail métier nécessitent moins de supervision humaine et, comme cette automatisation apparaît en dehors des systèmes transactionnels, les longs cycles de modification d’objets CRM ou ERP sont évités. C’est une bonne chose, car l’entreprise devient de plus en plus intolérante à l’attente de changements de systèmes. 

Avec la démocratisation de la propriété des tableaux de bord, l’accélération de l’intelligence décisionnelle et le report de certaines décisions et actions routinières à des agents sous une gouvernance appropriée, les équipes peuvent se préparer à la prochaine évolution des processus de surface‑décision‑action.

Démocratiser éventuellement les éléments de conception des flux de travail

La destination finale ne sera peut‑être pas simplement l’analyse en libre‑service, des décisions améliorées et des flux de travail automatisés. Avec le temps, les interfaces en langage naturel pourraient permettre aux équipes métier de redessiner elles‑mêmes les composants des flux de travail, sous la gouvernance informatique. 

L’ère des tableaux de bord a offert aux entreprises une visibilité sans précédent sur les données inter‑domaines. L’ère de l’IA exige la capacité de transformer une intelligence fiable en actions opportunes et responsables. Les DSI devraient envisager ces cinq actions :

Organiser autour des décisions, pas des livrables. Identifier les décisions métier récurrentes qui augmentent de façon disproportionnée les revenus, optimisent les coûts, réduisent les risques et améliorent l’expérience client.

Moderniser la chaîne d’intelligence. Apporter les modèles d’IA aux données fiables comme contexte. Appliquer une gouvernance, une sécurité et une traçabilité appropriées. Former les ressources humaines aux droits de décision, au jugement et à la surveillance de l’IA.

Libérer et réinvestir la capacité. Remplacer les activités routinières de requête et de visualisation réalisées par l’équipe données et analyses par une construction de tableaux de bord dynamiques, auto‑service et gouvernée. Réinvestir dans la détection de signaux, la conception de systèmes décisionnels et la réingénierie des processus métier.

Rationaliser les opérations métier avec des agents gouvernés. Tout en conservant la supervision humaine, la responsabilité humaine et la gouvernance informatique, redéfinir les droits de décision et les voies d’escalade pour inclure les agents. 

Faire évoluer les indicateurs de succès. L’utilisation et l’adoption des tableaux de bord sont des indicateurs faibles. Mesurer le temps signal‑à‑action, la qualité des décisions et, comme toujours, les résultats business générés.

L’ère des tableaux de bord a rendu l’information visible. L’ère de l’intelligence décisionnelle doit la rendre conséquente.