Hiérarchie de la valeur métier par Tableau

En fonction du stade auquel se trouve votre entreprise dans son parcours pour devenir data-driven, vous pouvez décider de vous concentrer sur l'optimisation des coûts, l'efficience ou l'efficacité.

Calculez le coût total de possession d'une solution BI et retenez l'option la moins chère.

Nos clients évaluent souvent le coût des licences sans tenir compte des frais supplémentaires associés aux solutions pour l'assistance, les formations et les modules complémentaires. Ce modèle part du principe que les nombreuses technologies BI à votre disposition offrent une valeur brute comparable, et que le plus important est donc de choisir l'option la moins chère. Ce n'est pas toujours judicieux, bien que cela fonctionne dans certains cas.

Au-delà des simple frais de licence, le coût total de possession doit tenir compte de plusieurs facteurs, notamment les coûts liés à la plate-forme et à la main-d'œuvre :

COÛTS DE PLATE-FORME

Infrastructure : matériel, infrastructure en tant que service, données (circulation/stockage), services système

Logiciels : licences, intégrations avec des partenaires, connecteurs de données/frais de stockage, accès API, frais d'utilisation

COÛT DE LA MAIN-D'ŒUVRE

Installation

Configuration

Création de rapports : personnel IT chargé de la création et de la gestion du contenu

Assistance : assistance technique et entretien en continu

Formation : aide aux utilisateurs, formation des formateurs, cours

Contextes d'application du modèle TCO

• Solutions analytiques gérées par des consultants ou des experts tiers.

• Cas d'utilisation axés sur la distribution de tableaux de bord, où l'analytique ad hoc est peu sollicitée.

• Visualisations embarquées où le contenu statique sera distribué et où l'apparence l'emporte sur l'interactivité.

Lecture recommandée

Choisir la bonne plate-forme pour la BI et l'analytique : un guide d'accompagnement pour définir les critères de prise en charge d'un workflow analytique moderne.

Calcul du TCO

Exemple

Comparez les heures de travail économisées grâce à chaque solution et calculez votre retour sur investissement en fonction de votre coût de main-d'œuvre.

Les technologies dédiées à l'analyse des données aident les employés à comprendre les informations plus rapidement. Le modèle de productivité compare l'économie de temps totale réalisée avec une solution par rapport à d'autres, afin de quantifier leurs avantages pour votre personnel.

Ce modèle part du principe qu'une analyse plus rapide permet de traiter une plus grande quantité de données ou d'accomplir des tâches supplémentaires qui offrent une valeur ajoutée à votre entreprise.

Contextes d'application du modèle de type « Productivité »

• Vous distribuez des fonctionnalités analytiques parmi tous vos knowledge workers, sans toutefois avoir de projet analytique précis en tête.

• Vous essayez d'évaluer la valeur potentielle d'une culture data-driven.

• Vous souhaitez quantifier le ROI associé à une communauté de pratique ou à un centre d'excellence basés sur les données.

Indicateurs à définir lors du calcul de la productivité

Différentiel de création : le niveau de travail requis pour l'obtention de résultats analytiques sur chaque plate-forme par rapport à l'approche actuelle.

Différentiel de consommation : le niveau d'expérience que l'utilisateur final doit posséder pour pouvoir extraire des informations de chaque plate-forme par rapport à l'approche actuelle.

Facteur de valeur : attente moyenne en termes de la valeur ajoutée des knowledge workers de votre entreprise. Cette approche facultative est une façon rapide d'intégrer un facteur d'efficacité dans le modèle d'efficience.

Exemple (l'objectif de ce modèle est de maximiser la valeur. Des scores élevés indiquent donc de meilleurs résultats)

*Il s'agit des trois valeurs/leviers qui influencent les résultats de ce modèle. Tenez compte des véritables utilisateurs de votre système BI (plutôt que de demander aux acheteurs IT d'effectuer l'intégralité de l'évaluation). Faire participer les personnes chargées de ces tâches à l'évaluation permet d'obtenir des estimations plus précises ainsi qu'un aperçu des coûts associés et de la scalabilité de chaque action.

Quantifiez la valeur liée à une meilleure prise de décision par des employés plus informés.

Le modèle des conséquences attendues pose la question suivante : « Si un employé est X % plus susceptible de prendre une bonne décision grâce à cette solution, quelle est la valeur obtenue ? » Ce modèle est le plus difficile à quantifier car il nécessite de pouvoir associer la solution évaluée à des résultats concrets. C'est toutefois le modèle le plus fidèle à la réalité. Contrairement aux autres modèles, il peut également révéler une hausse du niveau de création et de consommation de la BI. Les heures de travail économisées grâce à un gain d'efficacité peuvent mener à d'autres découvertes métier percutantes par le biais de l'analytique.

Contextes d'application du modèle de type « Conséquences attendues »

• Vous désirez améliorer certaines décisions parmi vos équipes.

• Vous développez une solution analytique pour un ensemble d'utilisateurs ou un domaine précis.

• Vous visez une analytique évolutive, reproductible et réutilisable qui apporte une valeur ajoutée exponentielle.

Calcul des conséquences attendues

Scénario : l'avantage métier reconnu d'une entreprise plus informée est défini par les résultats que vous ciblez. Il doit inclure la valeur estimée d'un bon résultat.

Portée de la décision : quelles sont les décisions qui influencent vos résultats définis ? Chaque division métier est consciente des décisions qui gouvernent la réalisation de ses objectifs.

Amélioration : dans quelle mesure l'accès aux données aide-t-il les knowledge workers à prendre de meilleures décisions ? Comment comparez-vous l'influence de chaque solution sur la prise de décision ? Cette valeur peut être quantifiée à l'aide d'un taux d'amélioration, qui indique la valeur ajoutée des décisions éclairées à votre scénario.

Exemple

*Le fournisseur BI n'offre pas une vue unique de tous les points de données : la précision n'est donc pas améliorée.
**Les tableaux de bord BI ont accéléré la prise de décision, sans toutefois égaler l'apport du processus analytique visuel.