Les organisations axées sur les données utilisent souvent les termes  » business intelligence  » (BI) et  » data analytics  » de manière interchangeable. Ce n’est pas la même chose, mais si quelqu’un vous demandait d’expliquer la différence, que diriez-vous?

Certaines personnes font la distinction entre les deux en disant que la business intelligence regarde en arrière les données historiques pour décrire les choses qui se sont passées, tandis que l’analyse de données utilise des techniques de science des données pour prédire ce qui se passera ou devrait se produire à l’avenir. Nous pensons que c’est proche, mais il y a plus.

L’intelligence d’affaires implique l’utilisation de données pour aider à prendre des décisions d’affaires, ou comme OLAP.com dit, BI  » fait référence aux technologies, applications et pratiques pour la collecte, l’intégration, l’analyse et la présentation d’informations commerciales. Le but de l’intelligence d’affaires est de soutenir une meilleure prise de décision d’entreprise. »Cependant, on pourrait en dire autant de l’analyse des données.

Pour tracer la ligne entre la business intelligence et l’analyse de données, nous pensons qu’il est plus utile de parler de ce que nous voulons accomplir. Nous pouvons diviser l’analyse en trois catégories: descriptif, prédictif et prescriptif.

L’analyse descriptive prend des données et les transforme en quelque chose que les gestionnaires d’entreprise peuvent visualiser, comprendre et interpréter. Il fournit des renseignements sur les performances historiques et répond aux questions sur ce qui s’est passé. Les rapports analytiques descriptifs sont conçus pour être exécutés et consultés régulièrement. Les exemples incluent les rapports sur les clients, les opérations et les ventes.

L’analyse prédictive fournit des informations sur les prévisions de résultats futurs probables, basées sur des données descriptives, mais avec des prévisions supplémentaires utilisant la science des données et souvent des algorithmes qui utilisent plusieurs ensembles de données. Plus il y a de données disponibles, meilleures sont les prévisions. Les exemples incluent les prévisions de ventes, les scores de crédit à la consommation et les suggestions des détaillants pour ce que vous voudrez peut-être lire, voir ou acheter ensuite.

L’analytique prescriptive offre des conseils sur les mesures à prendre. Il examine les résultats possibles qui résultent de différentes actions possibles et suggère quelles actions auront des résultats optimaux. La création d’analyses prescriptives nécessite des techniques de modélisation avancées et une connaissance de nombreux algorithmes analytiques – tout cela fait partie du travail des data scientists.

Mark van Rijmenam, stratège en Big data, écrit:  » Si nous considérons l’analyse descriptive comme la base de la business intelligence et que nous voyons l’analyse prédictive comme la base du Big data, nous pouvons affirmer que l’analyse prescriptive sera l’avenir du big data. »

Alors quelle est la différence entre la BI et l’analyse de données?

En utilisant ces trois catégories, nous pouvons faire une meilleure distinction entre BI et analyse de données.

Toutes les analyses descriptives entrent dans la catégorie de la business intelligence. Certaines analyses prédictives constituent également la BI. Après tout, pourquoi regarder les analyses si vous n’avez pas l’intention de les utiliser pour prendre des mesures pour améliorer les résultats futurs? L’analyse prescriptive, cependant, dépasse la BI pour entrer dans le domaine de l’analyse des données.

Où tracer la ligne ? La Business intelligence repose sur des données avec lesquelles les chefs d’entreprise travaillent. S’ils sont formés à l’utilisation d’outils de visualisation, tels que Tableau, Microsoft Power BI, Looker ou toute autre option, ils peuvent créer leurs propres rapports de BI.

L’analyse des données nécessite un niveau d’expertise mathématique plus élevé. Les Data scientists prennent des ensembles de données volumineuses et appliquent des algorithmes pour les organiser et les modéliser au point où les données peuvent être utilisées pour des rapports prévisionnels et prédictifs. Il s’appuie sur des algorithmes, des simulations et des analyses quantitatives pour déterminer les relations entre les données qui ne sont pas évidentes à la surface. Ça n’arrive pas avec la BI.

Plutôt que de répondre à des questions sur ce qui s’est passé, l’analyse de données tente de comprendre pourquoi les choses se sont passées. Jake Stein, cofondateur de Stitch et vice-président directeur de Talend, déclare :  » L’analyse de données consiste à poser des questions de manière itérative. La réponse à une question donnée n’est souvent vue qu’une seule fois et utilisée pour éclairer la question suivante sur notre chemin en répondant à une question commerciale fondamentale ou en résolvant un problème. »

Terrain d’entente pour la business intelligence et l’analytique

La Business intelligence aborde les opérations en cours, aidant les entreprises et les départements à atteindre les objectifs organisationnels. L’analyse des données peut aider les entreprises qui souhaitent transformer leur façon de faire des affaires. Les deux disciplines peuvent bénéficier d’un peu de préparation des données.

L’analyse des données nécessite généralement une modélisation des données, dans laquelle les données brutes sont collectées, nettoyées, catégorisées, converties, agrégées, validées et autrement transformées. Des données propres sont également utiles pour la BI.

Une fois que les données sont propres, elles sont stockées dans une structure et un format qui se prête aux rapports. Cela signifie souvent que les données sont stockées dans un entrepôt de données — un magasin de données en colonnes qui, de nos jours, s’exécute souvent sur une infrastructure cloud évolutive. Les données de l’entrepôt de données représentent une version unique de la vérité pour tous les rapports organisationnels, à la fois pour la BI et l’analyse des données.

La BI et l’analyse de données nécessitent une pile d’analyses basée sur un entrepôt de données, avec des données acheminées via un outil ETL. Stitch facilite le remplissage de votre entrepôt de données.

Cas fermé?

Cette discussion règle-t-elle la question ? Pas probable. Peu importe comment nous le définissons, les gens vont toujours utiliser les termes comme ils le souhaitent. Que se passe-t-il si quelqu’un dit: « L’analyse de données est la façon dont vous arrivez à la Business intelligence » ou « la Business intelligence englobe l’analyse de données »? Et s’ils veulent parler de « business analytics »? Ainsi soit-il. Le but des deux processus est d’analyser les données et de créer des rapports pour améliorer la prise de décision – sur ce point, tout le monde est d’accord.

Crédit d’image: Jeff Dahl