La profession de BALes Inclassables

Data science et Business Analysis: la révolution est en marche

Data sciences et Business Analysis

Avec l’émergence du Big Data et de la Data Science, il n’a pu échapper à personne que les entreprises se sont frénétiquement lancées dans des plans de transformation digitale dont elles ignorent bien souvent les contours exacts. Elles savent qu’elles doivent prendre le train en marche pour ne pas se faire distancer par leurs concurrents, mais elles ont parfois du mal à identifier ce qu’elles attendent de ce tournant technologique.

L’analyse métier est, elle aussi, à la croisée des chemins, et va, pour la première fois sans doute depuis 20 ans, devoir adapter considérablement ses pratiques.

Les Data Sciences dotent les Business Analysts de nouveaux outils. Ceux-ci peuvent non seulement mieux connaître les activités et les besoins des clients et marchés qu’ils analysent, mais également prévoir comment ceux-ci vont évoluer.

Cette nouvelle source d’information est absolument cruciale, en cela qu’elle va inévitablement faire émerger une nouvelle génération de Business Analysts, spécialisés dans le Big Data et la Data Science.

Pour celles et ceux qui auraient besoin d’une piqûre de rappel, voici la distinction Big Data vs. Data Science faite par le Survey Magazine:

Big Data

La notion fait référence à la collecte d’un volume important de données puis à l’analyse en temps réel de celles-ci. Les analyses requises pour traiter le nombre impressionnant de données nécessitent des moyens techniques et informatiques. Les logiciels dans la veine d’EthnosData permettent de traiter l’ensemble de ces données dans un temps court et très acceptable.

Data Science

La Data Science consiste à mettre au point des séries d’algorithmes à partir de règles mathématiques et statistiques (ou de Machine Learning) afin de délivrer des solutions. Ces techniques peuvent s’appuyer sur l’analyse d’image, l’analyse de textes (text-mining), l’étude de corrélation entre capteurs, etc.

Le lien entre les deux apparaît alors : afin d’analyser les amas de données, le Big Data repose sur les algorithmes développés par la Data Science. Plus loin avec les chantiers de digitalisation engagés par les entreprises et les institutions, la Data Science voit son champ d’applications profondément s’élargir : rationalisation de la logistique, optimisation des achats, études de corrélation, ajustements des politiques prix, etc. Les projets d’optimisation de la chaîne de valeur sont très nombreux.

C’est dans ce sens que d’aucuns perçoivent la Data Science comme étant le prochain département contrôle de Gestion appliqué aux données (et non aux activités financières).

The Survey Magazine

En tant que Business Analyst, je commence tout juste à découvrir, au gré de mes veilles technologiques et informationnelles, l’impact considérable que le Big Data et la Data Science peuvent avoir sur mon métier.

Je vous propose donc ici de partager avec vous ce que j’ai retenu de ce mariage annoncé – et même déjà prononcé – entre l’analyse métier (Business Analysis ou BA), le Big Data et la Data Science.

Comment utiliser la puissance du Big Data pour améliorer la Business Analysis

La Business Analysis est un domaine d’expertise plutôt stable. Le BABOK de l’IIBA en est un exemple concret, puisque son approche, décrite en 2005, n’a subi depuis lors que quelques changements mineurs, le dernier en date étant impulsé par l’utilisation de plus en plus fréquente des méthodes agiles.

La plupart des outils que les Business Analysts utilisent existent donc depuis longtemps, et continueront d’être utilisés dans l’avenir, mais ils ne sont plus suffisants pour exploiter le plein potentiel de la Data Science et du Big Data.

En effet, l’avènement du Big Data et son adoption à grande échelle a, dans un grand nombre de cas, perturbé le modèle économique traditionnel de la Business Analysis. Cela a ajouté une foule de nouveaux facteurs et modifié de façon significative l’objet même de l’analyse métier.

Si la Business Analysis, jusqu’à présent, permettait de collecter les besoins métier d’une entreprise et d’optimiser sa performance ou de résoudre des problématiques, elle peut maintenant lui donner la capacité de prédire les besoins (les siens, ceux de ses clients ou de son environnement externe) ou les problèmes qui surviendront à court, moyen ou long terme.

Grâce aux modèles prédictifs, il est maintenant possible d’y répondre à l’avance, de manière plus efficace, tout en évitant de nombreux effets de bord indésirables.

L’ampleur de ces changements et la capacité désormais démontrée du Big Data à guider les entreprises pour assurer leur croissance conduisent ces dernières, quelle que soit leur taille, à adopter ce virage technologique.

Les Business Analysts vont devoir intégrer ces changements technologiques majeurs à leur manière d’aborder leur métier.

Le modèle traditionnel de l’analyse métier et comment il a été impacté par le Big Data

L’ensemble des bonnes pratiques et outils de l’analyse métier traditionnelle, ainsi que le modèle classique du BABOK, sont relativement exhaustifs.

Cependant, l’arrivée de la Data Science a créé de nouvelles opportunités de croissance stupéfiantes, et d’ailleurs, un nombre croissant d’entreprises les utilisent désormais pour fixer leurs objectifs commerciaux.

C’est dans ce contexte que le modèle de Business Analysis traditionnel s’avère insuffisant pour utiliser l’ensemble des opportunités fournies par le Big Data et la Data Science.

La Business Analysis “descriptive” conventionnelle doit désormais ajouter au moins une corde à son arc : celle de l’analyse prédictive, voire même “prescriptive”, capable de mettre en œuvre une solution optimum de croissance.

Un nouveau profil de Business Analyst commence donc à se dessiner : celui de « Data Science » Business Analyst, un hybride à l’intersection des Data sciences, de la Business Intelligence et de l’analyse métier traditionnelle.

Cette nouvelle espèce devra être en mesure de comprendre la Data Science pour se coordonner avec ses acteurs techniques (Data Scientist et Data Analyst).

En quoi consiste la « Data Science » Business Analysis et comment l’appliquer ?

La « Data Science Business Analysis » (appelons-la DSc BA) utilise les types de données ci-dessous, moulinées à l’aide de divers algorithmes et techniques de Machine Learning:

  • Données internes à l’entreprise, et données prédictives
  • Données externes prédictives, telles que, par exemple, les tendances du marché ou les prévisions météorologiques
  • Exigences des parties prenantes du projet.

Tout comme la Business Analysis conventionnelle, la DSc BA débute par le cadrage puis l’analyse détaillée des besoins, et suit le schéma « habituel » aboutissant à la proposition d’une solution cible.

Avec l’arrivée du Big Data et de la Data Science, deux différences fondamentales émergent du modèle traditionnel :

  • Tout d’abord, la collecte d’informations va s’étoffer de flux de données transmis par le Big Data et la Data Science.
  • D’autre part, alors que le Business Analyst traditionnel a pour objectif de dessiner une solution cible en conformité avec les seules exigences métier (celles des utilisateurs / de l’entreprise / du client), le « Data Sciences » Business Analyst va également se concentrer sur les données prédictives et prescriptives.

Après avoir fusionné ces différents types de données et les avoir préparées en vue de l’étape d’analyse, le DSc Business Analyst pourra y appliquer des algorithmes afin d’approfondir sa compréhension et utiliser le Machine Learning pour anticiper les évolutions des besoins.

Ces algorithmes permettront d’obtenir des informations précieuses sur l’évolution de l’entreprise et de son environnement.

Quels sont les livrables de la « Data Science » Business Analysis ?

Les livrables de la DSc BA peuvent donc comprendre des observations et des prévisions (par exemple, sous forme de diagrammes) ainsi que des conclusions sur l’impact des contraintes externes, comme l’évolution des réglementations. Cela consiste par exemple à transmettre des recommandations ou instructions sur la réaction à avoir en cas de réalisation de tout ou partie des prévisions.

Qui peut effectuer une analyse métier orientée en Data Science, et quelle serait la composition d’une telle équipe-projet ?

Le facteur déterminant serait, normalement, la taille du projet et la quantité de données qui doivent être analysées. En tout état de cause, dans la grande majorité des cas, il faudrait au moins deux experts – un DSc BA et un Data Scientist.

L’organisation de l’équipe serait alors le suivant :

  • Le Business Analyst « Data Science » (DSc BA):
    • Il réalise l’analyse métier traditionnelle, tout en identifiant les problématiques qui, selon lui, peuvent être clarifiées et approfondies par l’utilisation des techniques de Data Science.
    • Il identifie également les cas d’évolutions futures des différentes solutions préconisées, sur lesquels des modèles prédictifs peuvent être appliqués via le Machine Learning. Son interprétation des résultats est également fondamentale pour produire des recommandations et identifier la solution cible optimum, en fonction des scénarios possibles.
  • Le Data Scientist :
    • Il reçoit du Business Analyst « Data Science » une liste des problèmes à résoudre ainsi que des objectifs à atteindre dans le cadre du projet.
    • Il applique les cas d’évolutions futures identifiés par le DCs BA aux données projet, et utilise les techniques de Data Sciences comme les arbres de décision, la régression logistique ou les réseaux neuronaux.

Vous le voyez, nous sommes au tout début d’une nouvelle ère technologique. Les impacts de l’utilisation du Big Data et du Machine Learning sont multiples, et pour la plupart d’entre eux, encore largement inconnus/méconnus.

Tout reste donc à construire, en analyse métier comme dans bien d’autres domaines.

 

Cet article vous a plu? Partagez-le et suivez-moi sur les réseaux sociaux!

[DISPLAY_ULTIMATE_PLUS]
Alice Svadchii
Alice Svadchii
Auteure du blog et Business Analyst enthousiaste

9 réflexions au sujet de « Data science et Business Analysis: la révolution est en marche »

  1. Bonjour Alice. Je suis comme vous très interrogateur sur l’impact que pourrait avoir le Big Data sur notre métier de Business Analyst. Pourriez-vous nous apporter quelques précisions ? Par exemple, pouvez-vous nous décrire des cas où le Business Analyst a travaillé directement à partir des données ou analyses produites par un Data Scientist, s’il vous plait ? J’imagine bien que les Data Scientists puissent produire de nouveaux types d’analyse qui vont alimenter le travail des Directions Marketing, Commerciale, Stratégiques, Logistiques notamment. Je conçois donc qu’indirectement le Business Analyst va intégrer les informations provenant de ces Directions (qui ont été nourries des « données issues du Big Data ») dans son travail propre. Mais peut-il y avoir travail direct entre BA et DS ? Sur quelles questions et quels aspects du travail du BA ? Le BA peut-il lui-même intégrer une évolution du marché calculé par un DS sans que cette évolution ait été d’abord intégré, validé, « digéré » par le métier « Marketing » ?
    Le BA peut-il choisir la solution optimum en fonction des modèle d’évolutions possibles prédits par le Big Data ? Quelle forme cela peut-il prendre ? J’imagine que des modèles prédictifs vont prévoir des évolutions de taille de marché, de vente, de risque de pannes, de défaillance de chaines de valeurs… Ensuite ce qui sera décidé pour une Direction ou une Entreprise (combien de part de marché on veut essayer de conquérir, la taille des différents services de l’entreprise, les stratégies de rechange…), risque d’échapper aux modèles prédictifs. Le BA pourra-t-il intervenir directement à partir des données issues du Big Data ? Sur cet aspect « traditionnel » du travail du Business Analyst, l’impact (direct) du Big Data ne m’apparait pas clairement.
    Sur le métier de Business Analyst Data Science : Pourra-t-il être à l’initiative d’analyse ou de simulation sur des aspects d’un métier alors que ce métier lui-même n’aura pas identifié un problème, un changement à venir et nécessitant une investigation supplémentaire.
    Pour autant, le métier de DSc BA pourra peut-être prendre une autre forme : avec la Data science émerge des outils et compétences pour rechercher des phénomènes ou des évolutions dans des métiers, activités ou environnements qui ne sont pas détectables par les moyens antérieurs. Cela va nécessiter certainement une très bonne connaissance des métiers, activités ou environnements concernés pour déterminer ce qui a du sens et de l’importance en terme métier et d’entreprise. Peut-être alors y aura-t-il deux catégories de Data Scientists : ceux qui feront uniquement les analyses qu’on leur demande et ceux qui auront la connaissance suffisante des métiers et des outils pour être des prospectivistes autonomes qui seront à l’origine de connaissance supplémentaire à valeur ajoutée sur un métier ?
    Serait-ce un nouveau type de Business Analyst ou une nouvelle branche de la Veille Economique ?

    1. Merci pour ce long et instructif commentaire Alexandre. Ta vision permet d’observer avec du recul et de la hauteur tous ces rôles et titres qui fleurissent au sein des organisations – et qui correspondent à la fois à la complexité croissante de ces dernières mais également comme tu le dis, au besoin de reconnaissance par le biais de titres “prestigieux” (CEO, CFO, CIO… maintenant, on peut être freelance et se dire “CEO”…). Et bien sûr, de marquer sa différence avec le “vieux monde d’avant”… on verra dans 30 ans 🙂 !

    2. Merci Alexandre pour ces questionnements 🙂 .
      Tout d’abord, le rôle de Business Analyst des modèles de gestion traditionnels en V ou en cascade s’efface avec l’utilisation de plus en plus fréquente des approches agiles. Le rôle de BA n’existe pas officiellement en agile.
      Ensuite, le data analyst des projets de big data / data sciences est également un BA, sauf qu’il est spécialisé en data sciences et a des compétences de bases en statistiques. Il est l’évolution du Business Analyst en business intelligence (ex-consultant technico fonctionnel)
      Plutôt que de parler du métier de Business Analyst, on parlera donc de plus en plus souvent de la discipline, la business analyse (analyse métier), qui peut être réalisée par de nombreux rôles (Product owner, développer, UX/UI designer… si formés :)!! ). La busisess analyse a de nombreuses spécialités (IT ou non-IT), dont effectivement les data sciences avec les analyses prédictives et prescriptives à intégrer en plus des analyses des données passées.
      Bien sûr, les offres d’emploi parlent du métier de Business Analyst, donc c’est à la fois un rôle, un métier et une discipline.
      Ce qu’il y a de commun derrière tout cela, ce sont toutes les activités d’élicitation, d’analyse (de l’existant, de l’état futur, benchmark, analyse d’écart, d’opportunité…), de compréhension du contexte et des contraintes internes et externes, puis ensuite les activités de conception fonctionnelle (appuyées par un data scientist par exemple), de test fonctionnel, de formation utilisateur, de conduite du changement.
      Vu sous cet angle, finalement peu importe qu’on parle de data science ou non, les activités de la business analyse (du business analyst?) perdurent, me semble-t-il…

  2. Voilà un sujet très intéressant pour le futur de notre métier car il apporte une vision supplémentaire dans l’analyse.
    Cela implique des besoins supplémentaires pour toutes les entreprises qui veulent conserver leur positionnement sur le marché et d’avoir des équipes dédiées pour ces analyses très pointues.
    L’intelligence artificielle aura certainement un rôle important à tenir autant dans les prédictions et prescriptions que dans la consolidation de toutes les données recueillies.
    Merci pour cet article.

  3. La data science agrandit la mission du BA par la prédiction des besoins en plus de les recueillir directement, ce qui est intéressant pour l’entreprise vu que dans de nombreuses situations les besoins sont ambigus et seule la motivation financière et organisationnelle trop générale guide les pas de la business analysis.
    En effet, de nouveaux outils s’offre aux business analysts cependant il est important de mettre à leur disposition une méthode plus ou moins rigoureuse pour orienter leur intervention pour exploiter le plus efficacement possible la data science et la big data.
    Merci pour l’article.

    1. Merci François! A vrai dire, le sujet est passionnant, tant sur le plan éthique (et comment ne pas s’y intéresser quand, en tant que BA, on nous demande de proposer “la meilleure solution possible”…) que technologique 🙂

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *