Analytique : contextes dutilisation

Marc-Andr Carle MQT-6021 Analytique daffaires Juillet 2016

Les techniques et technologies propres lanalytique sont utilises par diffrentes compagnies et dans
diffrents contextes. Dans ce court texte, nous verrons diffrents contextes et modes dutilisation de ces
outils et leurs caractristiques.

Analytique Ad Hoc
Le mode dutilisation ad hoc consiste dvelopper une solution usage unique pour rpondre une ou
plusieurs questions daffaires prcises. Lobjectif de ce type de projet est de fournir une rponse la
problmatique daffaires plutt que de dvelopper un outil ou un processus rutilisable. On dira quil sagit
dun projet jetable aprs usage car les donnes ou les modles dvelopps dans le cadre du projet ne
seront pas rutilises une fois la rponse fournie. Lensemble des activits vise la production de
conclusions (ou parfois dun rapport) qui seront prsentes par lanalyste aux dcideurs.
La ralisation de ce type de projet requiert gnralement un niveau lev dexpertise de la part des
membres de lquipe projet. Ce type de projet peut facilement tre imparti ou confi une quipe de
consultants. Il ne permet toutefois pas damliorer les capacits analytiques de lorganisation de faon
significative.
Lanalytique ad hoc existe depuis plusieurs dizaines dannes au sein des organisations. Ces initiatives sont
souvent prsentes sous dautres noms : projets doptimisation, tude de cas, tude de faisabilit, etc.
Les projets ayant une approche ad hoc ont gnralement un cot total de projet plus faible que ceux
conduisant dautres modes dutilisation, car plusieurs activits ncessaires au dveloppement dun
projet ayant un cycle de vie plus long ne sont pas requises1. Toutefois, ce type dutilisations prsente un
cot dopportunit certain. En effet, puisque les processus de cueillette de donnes ne sont gnralement
pas formaliss et que le code et les analyses sont produits pour usage unique, refaire le mme type
danalyse plus tard ncessitera de recommencer le projet.
Exemples de contexte dutilisation ad hoc
Chane logistique
Domtar inc. est lun des principaux producteurs de papiers et pte commerciale en Amrique du Nord.
Lindustrie des ptes et papiers est caractrise par une forte concurrence et des marges de profit plutt
faibles. Dans ce contexte, lentreprise souhaite rviser la structure de son rseau de distribution (ajouter de
nouveaux entrepts ou en fermer des existants) afin de rduire ses cots de distribution.

Des donnes sont recueillies sur la capacit, le taux dutilisation et les cots dopration de chaque
entrept.
La demande annuelle de chaque client pour chaque produit est compile.
Les cots de transport sont estims entre chaque entrept et chaque client.
Un modle doptimisation du rseau logistique est dvelopp et rsolu.

Une fois le projet complt, lquipe prsente ses conclusions et recommandations la haute direction. Par
la suite, lquipe projet est dissoute et les outils dvelopps ne sont pas rutiliss.
1

Par exemple : ajout de documentation sur le code, cration dun tutoriel ou dun guide de lusager.

*Ce type de projet a t ralis au milieu des annes 2000 par une quipe de chercheurs du Consortium Forac pour
lentreprise Domtar.

Analytique la demande
Contrairement au mode ad hoc, lanalytique la demande consiste dvelopper la capacit pour une
organisation raliser un type danalyse de faon rpte dans le futur. Cela prend souvent la forme dun
outil logiciel achet ou dvelopp sur mesure ainsi quune procdure dacquisition et de prparation des
donnes requises. Des interfaces de visualisation ainsi quun certain nombre de personnalisations sont
effectues lapplication. Toutefois, une fois le projet complt, les analystes peuvent avoir accs aux
technologies chaque fois quils en ont besoin.
Les cots dimplantation ou de dveloppement de ce type dapplications sont souvent significativement
plus levs que ceux requis pour raliser une analyse ad hoc. Le cot total dacquisition dune technologie
dpasse souvent les 100,000$, mme pour une entreprise de taille moyenne. Elle permet de dvelopper
des capacits permanentes, mais celles-ci doivent tre utilises rgulirement pour crer de la valeur.
Exemples de contexte dutilisation la demande
Commerce de dtail
Pour la plupart des entreprises de commerce de dtail, et tout particulirement dans le domaine de la mode,
disposer du bon niveau de stocks au bon endroit au bon moment savre tre dune importance cruciale pour
tre profitable. En effet, la nature saisonnire des activits en Amrique du Nord fait en sorte que les produits
invendus doivent tre couls rabais ou stocks grands frais pour des annes ultrieurs.

Un entrept de donnes est construit afin dagrger les donnes de ventes et dinventaires auprs
de chacun des magasins.
Loutil permet de compiler ces donnes par produits, catgories de produits, rgions, magasins ou
pour lensemble de la chane.
On peut consulter ces informations en temps rel ou les variations au cours dune priode de temps
donn.

Une fois le projet complt, lquipe de marketing de lentreprise peut utiliser loutil chaque fois quils en
ont besoin, par exemple lorsquon souhaite dterminer une taille de commande passer ou mme pour le
choix des styles et des couleurs dans les collections des annes suivantes.
*Ce type de projet a t ralis laide de technologies de la firme MicroStrategy.

Linfonuagique au service de lanalytique la demande

Au cours des annes 1990 et 2000, la mise en place doutils permettant de faire de lanalytique tait un
exercice prilleux. Il fallait souvent acqurir une technologie logicielle un prix fort lev (allant de
30,000$ pour une PME plusieurs centaines de milliers de dollars pour une technologie de moyenne
grande entreprise) et acheter des serveurs informatiques qui allaient faire tourner lapplication. Ces
frais tant pays ds le dbut du projet, cela avait pour effet daugmenter significativement le risque
associ ces projets.

Toutefois, lmergence de loffre de logiciels spcialiss offerts sous forme de services2 permet de
substituer une grande partie du cot initial par des frais mensuels par utilisateur. Ainsi, les frais de
licence sont remplacs par des frais mensuels facturs en fonction du nombre dusagers et du nombre
de fonctionnalits utilises. Ce type doffre sest galement dvelopp au niveau de linfrastructure
matrielle. Avec lmergence de services infonuagiques, plusieurs fournisseurs permettent galement
de dployer lapplication sur un serveur virtuel hberg par un spcialiste comme Google Cloud,
Amazon Web Services ou Microsoft Azure. Ceci permet galement de remplacer lacquisition et la
maintenance de serveurs ddis par des frais mensuels.
Deux avantages principaux en dcoulent, particulirement pour les PME :
1. La rduction des frais fixes permet galement de rduire le risque associ au projet. En effet,
si la technologie ne fait pas laffaire, on cesse tout simplement de payer des frais mensuels.
2. La maintenance de serveurs ou de logiciels spcialiss constitue un dfi pour les PME, qui nont
souvent pas les moyens davoir des ressources ddies au support de chaque type
dapplication. En mode virtualis, il est plus facile pour le vendeur de logiciel de faire lui-mme
la maintenance et la mise jour de lapplication.

Analytique insre dans un processus

Ce mode dutilisation de lanalytique sapparente au mode la demande. Il vise mettre en place des
capacits analytiques permanentes, qui prennent souvent la forme dune application informatique. Plutt
qutre utilises de faon sporadique lorsque le besoin sen fait sentir, ces capacits analytiques sont
insres dans un ensemble de processus ou dans un flux de travaux (workflow) ou dactivits. Lanalytique
joue donc un rle dfini au sein de processus priodiques ou cycliques ; ces applications sont courantes
en gestion des oprations et en gestion de la chane dapprovisionnement.
Exemples de contexte dutilisation au sein dun processus
Gestion des oprations
Shanghai Baoshan Iron and Steel (Baosteel) est le plus grand producteur dacier de Chine continentale et le
troisime en importance au monde. Lentreprise dispose dune usine de trs grande taille dans la rgion de
Shanghai, dont les activits reprsentent plus de 60% de la capacit de production totale de lentreprise. La
direction de lentreprise a mis sur pied une quipe de de recherche et dveloppement devant mettre au point
un ensemble doutil visant amliorer lefficacit de la planification des oprations.

Lquipe a dvelopp un ensemble dalgorithmes et de mthodes pour gnrer des plans de

production permettant de maximiser la productivit et rduire les cots de production ;
Ces mthodes ont t implantes dans un ensemble doutils daide la dcision qui ont t
implants progressivement entre 2006 et 2011 au sein des dpartements de production de lusine.
Lentreprise disposait dj de processus bien dfinis en matire de planification de production.
Ltape de gnration manuelle dun plan a t remplace par la production automatise dun plan,
qui est par la suite modifie ou approuve par le dcideur.

On parle habituellement de SaaS, signifiant software as a service .

Lentreprise estime 20 millions USD les conomies annuelles rcurrentes associes limplantation de ces
mthodes3. De plus, le dlai requis pour la production dun plan est passe de plusieurs heures (en mode
manuel) quelques minutes via le systme daide la dcision. La prochaine tape consistait implanter
ces logiciels dans les autres usines du groupe afin de faire passer les bnfices annuels rcurrents environ
50 millions USD.
*Ce projet a t dsign comme finaliste pour le prix Franz Edelman dcern par lINFORMS en 2014.

Analytique automatise
Ce type danalytique est en forte croissance au cours des dernires annes. galement appele analytique
en continu ou encore operational analytics4 , il sagit de dvelopper des applications qui prennent
totalement en charge certaines dcisions au sein de lentreprise. Il nest pas question du moins, jusqu
maintenant dautomatiser la gestion complte dune entreprise ou mme dune fonction dentreprise.
Toutefois, certaines dcisions cls sont transfrs des algorithmes, qui sont toutefois conus, rgls et
grs par des dcideurs et des analystes. Comme le souligne Franks : un processus danalytique
automatise ne recommande pas simplement une action, il met en uvre directement cette dcision5.
Ce type dapplications de lanalytique ncessite des efforts substantiels de dveloppement ainsi que du
personnel hautement qualifi et possdant une grande exprience en matire danalytique. Labsence
dintervention dun dcideur humain chaque tape du processus fait en sorte que le les applications
doivent faire lobjet de multiples types de tests. Par ailleurs, une fois les applications dveloppes, elles
doivent typiquement faire lobjet dun suivi rgulier et de rglages pour mieux faire face aux changements
dans lenvironnement daffaires. Lanalytique automatise requiert de la part de lentreprise une bonne
exprience en dveloppement et en intgration de technologies, une forte tolrance au risque et une
culture de linnovation.
De par leurs caractristiques mmes, la grande majorit des applications analytiques oprant de faon
automatise sont de nature prescriptive. Ces dcisions surviennent en temps rel ou dans un dlai trs
court. Certains auteurs faisant la promotion de ce type dapproches utilisent parfois lappellation
analytique 3.0 pour faire rfrence lanalytique automatise.

Lixin Tang, Ying Meng, Gongshu Wang, Zhi-Long Chen, Jiyin Liu, Guofen Hu, Lijun Chen, Bo Zhang (2014)
Operations Research Transforms Baosteels Operations. Interfaces 44(1):22-38.
http://dx.doi.org/10.1287/inte.2013.0719
4
Terme prconis dans Franks, Bill (2014). The analytics revolution: how to improve your business by making
analytics operational in the big data era, Wiley, Hoboken, 278 p.
5
Traduction libre de : An operational analytics process does not simply recommend an action but directly causes
an action to take place.

Exemples de contexte dutilisation automatise

Suggestions de films
Netflix est lun des services de contenu en ligne les plus populaires au monde, comptant plus de 83 millions
dabonns travers la plante, dont 47 millions aux tats-Unis6. Plutt que proposer un catalogue exhaustif,
lapplication de Netflix propose ses usagers des recommandations sur la base de diffrents facteurs :

Les films visionns dans le pass par cet usager ;

Les valuations (de 1 5) donnes aux films quil a choisi dvaluer ;
Les films visionns (et les valuations) ralises par dautres utilisateurs.

Lapproche tranche avec la catgorisation statique portant sur les genres. Lobjectif de lalgorithme de
recommandation est donc de proposer des films que lutilisateur est susceptible dapprcier. Selon des
statistiques rapportes par le Business Insider, Netflix dploie une nouvelle version de son algorithme de
recommandation toutes les 24 heures7. Plus de 1000 personnes travaillent sur larchitecture de leur produit
et lalgorithme de recommandation en est lune des pices matresses.
*Ce projet a fait lobjet dun concours intitul The Netflix Prize qui sest conclu en 2009. Lentreprise donnait 1
million USD au groupe de chercheurs qui fournirait le meilleur algorithme permettant de prdire les valuations futures
de diffrents utilisateurs. Source : http://netflixprize.com/

Bourse en ligne
La finance en ligne, et plus particulirement les changes boursiers lectroniques, est lun des domaines o
lanalytique automatise a t implante le plus rapidement8. Dans ce domaine, des programmes
informatiques complexes effectuent des transactions sans intervention ou approbation humaine ; celles-ci
seffectuent parfois en quelques millimes de secondes. Ceci permet notamment de profiter de diffrences
minimes entre les prix dachat et de vente de certains titres et produits financiers. Lapplication doit tre
extrmement rapide afin de profiter de cette marge avant que dautres applications puissent lidentifier. Le
profit engrang pour une transaction de ce type est gnralement faible. Toutefois, ces transactions peuvent
tre effectues des milliers de fois au cours dune seule journe, ce qui permet dengranger un profit
substantiel.
Selon certaines estimations, les transactions automatises de ce type pourraient constituer plus de 50% du
volume total dchanges de titres sur les principaux marchs financiers9.
Ce type de transactions nest toutefois pas sans risque. Un dysfonctionnement dun ou plusieurs de ces
algorithmes ou une mauvaise configuration peut rsulter en des pertes financires importantes pour de
nombreux investisseurs. Cest notamment arriv en 2010 lors du Flash Crash , lorsquune baisse
importante des marchs (plus de 1000 points sur lindice Dow Jones) est survenue sans raison apparente. Le
krach aurait t caus par un comportement inadquat dun programme de transactions boursires
automatises10.

http://affaires.lapresse.ca/resultats-financiers/201607/18/01-5002214-netflix-coup-de-frein-sur-les-gainsdabonnes-laction-plonge.php Page consulte le 18 juillet 2016.

7
http://www.businessinsider.com/how-the-netflix-recommendation-algorithm-works-2016-2
8
Steiner, Christopher. Automate This : How Algorithms Came to Rule Our World, Penguin, New York, 2013.
9
http://www.kiplinger.com/article/investing/T041-C007-S001-could-computerized-trading-cause-another-marketcr.html
10
http://money.cnn.com/2010/10/01/markets/SEC_CFTC_flash_crash/