Patrice Flory-Celini – Data capabilities

Expérience professionnelle
І Patrice a plus de 20 ans d’expérience dans le conseil et 4 ans en tant que responsable du service data. Il a participé à toutes les phases des projets en intelligence
des données (évaluations, feuille de route, gestion de programme, assistance à la mise en œuvre, intégration de systèmes, gestion du changement). Il possède
également une expérience significative en réflexion stratégique et analytique et en relation client. Il démontre sa capacité à gérer plusieurs missions, à définir les
exigences, les spécifications, l’architecture de données et le modèle de données.

І Patrice possède une vaste expérience de travail dans la gouvernance des données et l’analyse des données, l’élaboration de stratégies et de cadres de gestion de
l’information, la conception de plateformes de livraison de données, l’assistance aux clients dans la sélection de solutions BI, MDM et D & A appropriées et le
développement de nouveaux modèles d’affaires, basés sur le marketing numérique et l’interaction client. Il était responsable de :

 Examiner et améliorer leur modèle de données et leur cadre de gouvernance de l’information en vue d’améliorer la qualité et l a disponibilité des données pour
l’entreprise et de soutenir la mise en œuvre d’une gestion des données financières pertinente

 Diriger les initiatives de développement des affaires : en tant que senior manager, soutenir et créer des solutions innovantes et réussies qui améliorent,
intègrent et étendent les capacités de données

 Diagnostic des données : alignement stratégique, gouvernance, organisation, ressources humaines

 Alignement de la stratégie de données : réingénierie et alignement des processus métiers, évaluation des compétences et des processus

 Assistance à maîtrise d’ouvrage : Organisation, coordination et suivi des programmes et projets stratégiques, Formalisation du plan d’assurance qualité,
Définition et suivi des indicateurs clés (budget, ressources, indicateurs de qualité, etc.)

 Gestion du changement : Définition et mise en place de plans de communication, Formalisation et déploiement de supports de formation, Revue du guide de
l’utilisateur concernant les besoins métiers

 Aide à la planification et à la sélection des besoins métiers pour la mise en place de systèmes informatiques en environnemen t Big Data et BI : compréhension
des besoins métiers, Identification des exigences fonctionnelles (processus, données, organisation), Identification des besoi ns de sécurité en matière de
bonnes pratiques et obligations réglementaires

 Évaluation et suivi des risques liés à la mise en œuvre et aux projets de migration informatique.

І Il travaille avec les éditeurs de solutions, des centres d’excellence pour définir et faciliter la solution d’améliorations de produits et services spécifiques au client afin
d’améliorer le processus et l’organisation des données. Il élabore des stratégies et coordonne l’exécution des projets. Il aligne ses homologues et les équipes
interfonctionnelles pour établir la gouvernance Big Data, sur des objectifs spécifiques, une stratégie d’exécution et une appropriation concernant le développement
des données.

1
 Patrice Flory-Celini – Data capabilities
Expérience professionnelle
Main credentials
І Nissan, Renault, Andros, PSA, Elior , FDJ, Danone, Faurecia, Michelin, Orange Business Service, Dalkia

Areas of expertise
І Cloud: AWS, Microsoft Azure
І Database: Oracle, TERADATA, SQL Server, Postgre
І Data modeling: Power Designer
І Business intelligence solution: SAP/BFC, SAP/BO, MicroStrategy, Tableaux Software, Cognos, Oracle Hyperion Business Intelligence et Enterprise Performance
Management
І Data Management Tool: Informatica, Talend, ELTA (Teradata), AB Initio
І API / SOA : Apigee, Mulesoft

2
 Patrice Flory-Célini
Methodologies, Expertise, specialist de la Data Intelligence
One-point et Patrice
PFC has been a trustworthy and reliable
partner for Alstom in m any different
projects. During the last 5 years PFC has
been involved in m ore than 160
engagements with Alstom all over the world:
■ Advisory / Operations : process
optimization, outsourcing strategies, shared
services centers creation, business
modelling…
■ Financial review : financial statements
preparation, review of financial
documents…
■ Tax: transfer pricing reports preparation, tax
returns analysis, employee contribution...
Unique top-of-the edge accelerators,
m ethodologies and assets
■ We have the ability to bring you view points
of feedback, perspectives on your issues
and transformation programs
■ We have a collaborative platform “Source”,
w hich enables us to accelerate and improve
our response to your needs during the
missions
■ We also have 7 centers of excellence
enabling us to leverage real-time expertise
and to adapt our solutions to the changes in
your industry
Une experience dans plusieurs
industries
Patrice has a strong knowledge and
experience of industry businesses that
includes industrial manufacturing
com panies
■ The experience with large scale of B2B
industries w ill allow us to capture leading
practices and recurrent issues (Automotive,
technology, Defense …)
■ Our Operation Center of Excellence
provides regular thought to the community
such as Manufacturing Outlook 2016 w hich
highlights challenges, stakes in these
sectors
Expertise
dans les processus de la donnée
PFC has extensive resources and expertise
in Business Process Management (BPM).
Recognized as a thought leader in this
space, PFC acquired core technology
platforms that specialize in BPM and ODM
design and im plementation.
■ PFC has acquired SAFIRA, a company that
specializes in BPM and ODM design and
implementation w hich allows to rapidly
deploy Business Process Management
w hich ‘locks in’ new process changes and
efficiency levels
Une experience dans plusieurs domaines
PFC has specialized teams w ho transform
Supply Chain using Digital solutions.
PFC has been working on structuring
projects amongst which:
■ The implantation of SRM process and of
solution for a medical device manufacturer
■ E-collaboration development for a
aerospace player, in order to create in inter-
organizational structure, improve processes
effectiveness thanks to automation and
increase simplicity and efficiency in
suppliers relations
Editeurs
Prestigious industry recognize PFC’s global
network of firms as a leader in Operations
Advisory
■ The strong netw ork of PFC Consulting
services enables to have a global vision of
best practices all over the w orld in every
sector
■ It also permits to get specific knowledge on
each market thanks to our many local
implementations
PFC em braces all dim ensions of
the Supply Chain transformation
■ PFC has a recognized expertise in
supporting supply chain transformation
projects, as w ell as HR, organization, IT,
real time analytics (SOFY)…
■ We developed a methodology, strategic
planning tools and resources integrating a
vision of target businesses, modeling and
HR transformation plan
■ Our experts have the capacity to quickly
understand your issues of transformation,
your business, your organization and your
culture by engaging all stakeholders.
Network
With its global network and knowledge of
the local economy, PFC offers close advice
adapted to the structure and needs of
networks:
3
Data Intelligence
pour l’industrie 4.0

Mars 2023

4
Executive Summary

La transformation BI 4.0

La business intelligence
267 milliards $ – Selon un chiffre de Fortune Business Insights paru en 2020, le marché mondial de l’IA devrait atteindre ce niveau d’ici 2027. À titre
de comparaison, l’institut avait mesuré un montant à hauteur de 27,23 milliards en 2019. Celui-ci table donc sur une multiplication globale du
marché par 10 lors des 8 prochaines années, avec un taux de croissance annuel moyen de 33,2%.
La BI évolue plus rapidement que jamais auparavant. Les avancées comme le Cloud, les outils de la mobilité, le Big Data, l’internet des objets,
l’intelligence artificielle et les solutions Analytics conduisent à de nouvelles orientations des plateformes BI. Dans le même temps, la demande de
données et les connaissances des utilisateurs augmentent à mesure que la concurrence se renforce et que les exigences réglementaires
deviennent plus strictes. Ces deux grandes évolutions nécessitent l’évolution des approches BI actuelles.
Les systèmes et plateformes qui ont été adoptés il y a quelques années sont incapables de suivre le rythme de la demande. Ces systèmes sont
rigides et manquent d'évolutivité ; l'intégration avec d'autres nouvelles applications et systèmes tiers est complexe et couteuse sans parler de
l’obsolescence de beaucoup de solutions. Ce sont les signes que les plateformes BI se transforment de façon significatives et donneront lieu à la BI
et l’Analytics en un seul corpus

Un changement de paradigme
La BI traditionnelle a été conçue pour stocker et analyser des informations historiques sur l'hypothèse que les données seraient capturées
maintenant et analysées plus tard. Les plateformes de BI traditionnelles sont conçues pour soutenir le développement modulaire par les équipes IT
en support des différents métiers. Au niveau structure, les outils et les compétences sont spécialisés, la structuration des données et les couches de
méta données tiennent des parts importantes avant de pouvoir accéder aux analyses.
Les nouvelles plateformes de BI dans un horizon plus au moins long seront conçues autour d’une architecture autonome qui permettra aux
utilisateurs d’exécuter de manière indépendante un spectre complet d'analyses sur de larges échantillons de données, l'ingestion et la préparation à
l'analyse seront interactives, et les plateformes seront ouvertes aux partages collaboratifs de l’information. Elles deviendront des plateformes BI
Analytics

La vision
La BI 4.0 va devenir un moteur de l'innovation pour transformer l’information et fournir des business modèles intelligents. Cette vision
sera réalisée à travers la généralisation de la BI en tant que discipline de décision centrée sur l'organisation pour améliorer les résultats
de l’entreprise. La BI dans une échéance à venir sera pour la plupart des utilisateurs comme une application mobile,
5
• Un CHATGPT
Contexte et Enjeux

Les enjeux de la transformation Data Analytics

Démocratisation de la donnée au sein de

l’entreprise
Adoption des nouvelles technologies : Big data,
Autonomie des utilisateurs
Cloud, Nouveaux Outils BI vs Data Analytics,
Machine Learning, IOT, BI Mobile, Intelligence
Nouveaux modèles de coopération interne / Artificelle
externe à l’entreprise
Nouveaux métiers au sein de l’entreprise L’intégration de nouvelles sources de données et de
nouveaux types de données notamment les Social
Media
L’intégration des nouvelles réglementations en
mode Agile

Augmentation des volumes de données

La capacité de faire des analyses en temps réel sur
de nouveaux supports
La monétisation des données

6
Contexte et
enjeux

7
Contexte et Enjeux

Les plateformes BI aujourd’hui

« La BI est un terme générique qui englobe les applications, les infrastructures, les outils et les meilleures pratiques qui
permettent l'accès et l'analyse de l'information afin d'améliorer et d'optimiser les décisions et les performances». Gartner

Elle doit permettre d’adresser aux bonnes personnes la bonne information au bon moment, afin de leur permettre de prendre les bonnes
décisions.

La BI contribue à l’atteinte
des objectifs stratégiques

І Fiabilité du reporting
d’entreprise

І Conformité réglementaire

І Efficience et efficacité
améliorées

І Support à la prise de décisions

Plateforme actuelle BI

La BI permet de faire des rapports descriptifs, des diagnostiques et de suivre des risques. Elle est structurée en 3 briques
applicatives ETL, DWH et la restitution

8
 Contexte et Enjeux

BI Analytics la plateforme disruptive

Utiliser le Big Data (hadoop et les fonctionnalités analytics) pour doper la BI « Traditionnelle »

La BI Analytics permet la continuité du suivi de la performance et ajoute l’analyse prédictive qui permet d’appliquer des logiques, des
règles métier, des algorithmes, des modèles statistiques et d’analyses afin d’être dans la prévision de ce qui pourrait se passer. Elle permet
aussi une grande flexibilité et autonomie des utilisateurs dans leurs analyses

9
+33 (0) 7 61 91 25 65

Contexte et Enjeux

Evolution de la BI par niveau de maturité

Prescriptif
Ce qu’il faudrait faire
et Pourquoi

Prédictif
Ce qui va se passer

Valorisation
Temps Réel
Business Ce qui est en train de se
passer

Analyse
Pourquoi ça s’est passé

Report
Ce qui s’est passé
Reporting Statique
Dashboard Interactif sur les Modèle et Calcul de
Excel, OLAP, Ad-hoc
données temps réels prévision par Use Case
query

Années 80 Années 90 Années 2000 Années 2010

Outils

10
 Contexte et enjeux

Les prévisions du développement du Big

Data et Analytics
− Les recettes mondiales dans la business intelligence (BI) et des Analytics devraient
atteindre 16.9B $ en 2016, soit une augmentation de 5,2% par rapport à 2015. Gartner
prévoit que le marché de la BI et d'analyse est dans les dernières étapes d'un
changement pluriannuel des systèmes de reporting et d‘Analytics. Source : Gartner dit
que la Business Intelligence et l’Analytics atteindront $ 16,9 milliards en 2016.

− Le chiffre d’affaires mondial Big Data et Business Analytics passera de près 122B $ en
2015 à plus de 187B $ en 2019, soit une augmentation de plus de 50% au cours de la
période de prévision de cinq ans. Les banques avec 22.1B $, représentent le deuxième
secteur d’opportunités. Le chiffre d'affaires dans le monde entier Big Data and
Business Analytics devrait atteindre $ 187 milliards en 2019, selon IDC.

− Le marché mondial du Big Data passera de 18.3B $ en 2014 à 92.2B $ en 2026, ce qui
représente un taux de croissance annuel composé de 14,4%. Wikibon prévoit une
croissance significative dans les quatre sous-segments des logiciels Big Data jusqu'en
2026. La gestion des données (14% CAGR), les technologies de base telles que Hadoop,
Spark et de streaming analytics (24% CAGR), les bases de données (18% CAGR) et les
Big Data applications (23% CAGR) sont les quatre sous-segments les plus dynamiques
selon Wikibon. Source : Wikibon prévoit que le marché du Big Data atteindra 92.2B $
en 2026.

Source: Forbes 20 Aout 2016

11
Approche
Approche

Mettre la BI Analytics au profit du

changement de paradigme
La Business Intelligence complétée par le Big Data pour
envisager de nouveaux usages, plutôt que de chercher à la
remplacer par quelque chose d’autre. On peut venir à bout de
certaines limitations des approches BI classiques en utilisant le
Processus Big Data au niveau stockage et l’usage de la donnée. L’analytics
augmente le rayon d’action des données au-delà de la
description : la prédiction et dans certains cas la prescription

La data gouvernance permet de définir le cadre et les règles

Stratégie
d’usage liées aux données. La mise en place d’une organisation
Méthodologies et d’instance de gouvernance de la donnée contrôleront l’usage
BI Analytics
des données et intégreront les évolutions réglementaires de plus
Réceptivité au en plus strictes
rythme rapide des
clients, attentes,
changements Démocratisation de l’usage de la donnée à travers des
Organisation Tactique nouveaux outils de visualisation. L’analyse des données est
Flexibilité aux ouverte à tous en autonomie mais sous contrôle. Les
exigences technologies s’améliorent, et les solutions sur le marché
permettent à chaque métier d’accéder à la connaissance issue de
Adaptabilité aux l’exploitation de données toujours plus volumineuses via des BI
changements Viz fusion des outils BI et Data Visualisation
Solutions réglementaires
Opérations La transformation technologique et la gestion du
Plateforme hyper changement conduiront à des nouvelles plateformes afin de
évolutive réduire le time to market et les erreurs dans les données.
Le changement de paradigme par le biais de la technologie
rationnalisera les coûts actuels de reporting. Ceci induira aussi
Technologies des changements comme l’introduction de la machine sur des
processus jusque là dédiés à l’homme (Machine Learning)

13
 Approche

Une capacité à intervenir sur toutes les

composantes de la BI Analytics
Nous intervenons sur l’ensemble des leviers et processus afin de transformer votre plateforme BI en plateforme BI
Analytics

Points clés

І Traduire la vision stratégique d’entreprise en objectifs

І Définir des indicateurs pour mesurer l’atteinte des objectifs
І Identifier les informations nécessaires à la mesure de l’atteinte
des objectifs
І Disposer d’une structure organisationnelle permettant de
garantir la fiabilité et la sécurité des données
І Disposer des tableaux de bords correspondant aux besoins de
l’organisation
І Standardiser et normaliser les informations
І Disposer de Master Data Management
І Choisir les bons outils BI Analytics et assister à la mise en place
І Définir l’architecture technique
І Garantir la sécurité des données

Storytelling Tactique (KPI, Scorecards,

Stratégique (Report de Analyse Financier externe,
Analyse prédictive et décisions court, moyen, long Streaming reporting
Direction) réglementaire, managérial
prospective terme)

14
 Approche

Approche BI Analytics Framework de la

conception à l’implémentation
Phase 1 : Conception BI Analytics Framework Phase 2 : Design & Phase 3 : Design &
Implémentation V1 Implémentation Vn

Analyses de Définition de la
Mobilisation Feuille de route Pilot Design Pilot Implement Scope Design Scope Implement
maturité BI Analytics

3 mois 6 à 12 mois 6 mois par vague

Design Global et implémentation

Objectifs Définir le Framework Business Intelligence Analytics (BIAF) Implémentation en fonction du scope
pilote

Périmètre Business, Gouvernance, Processus, Data model, Technologies Domaines pilotes Scope Complet

−BI Analytics Framework : KPIs, data and gouvernance model, cible

des technologies − Construire le Data Lake
Livrables Clés − Définir les nouveaux modes de mise en œuvre − Mettre en place le bac à sable
− Les pilotes Data Expérimentation et domaines métiers − Définir la structure de − Bascule sur la nouvelle plateforme
− Le plan d’implémentation gouvernance
− Définir la plateforme cible − Phase 1 de la migration
− Plan de migration

PFC en gestion du chantier et de la construction de la nouvelle Création et mise en place du centre BICC
Structure de organisation de compétence BI Analytics
l’organisation

15
 Approche

8 critères de choix pour votre plateforme

Une interface intuitive favorisera des niveaux élevés d’autonomie et maximisera le retour sur investissement. Les analystes et les
Usage utilisateurs pourront commencer avec une page vierge et construire des analyses sophistiquées. Les utilisateurs non techniques auront
des applications simples et directes qui leur permettent d'interagir avec l'information avec peu ou pas de formation. Les analyses
complexes seront confiées aux profils plus spécialisés

La plateforme laissera une grande partie de l’analyse en libre-service. Les environnements seront faciles à utiliser sur une architecture
sous-jacente évolutive et permettront la gestion efficace d’un nombre croissant d’utilisateurs, sans augmenter les coûts de maté riel et de
maintenance
Évolutivité
La sécurité des données est cruciale lors de l'ouverture d'analyse à de nouvelles audiences. Il faut prévenir les usages non autorisés surtout pour
Sécurité les informations confidentielles et plus particulièrement lorsque les données sont partagées entre les groupes d'utilisateurs externes tels que les
clients et les partenaires. Une plateforme avec de multiples niveaux de sécurité permettra une sécurité complète étroitement intégrée pour les
données et les applications les plus sensibles

Les services de données et d'intégration permettent à l’IT de gérer les données et d'ouvrir toutes les informations - des
systèmes internes tels que CRM, ERP et les applications existantes, ainsi qu’au niveau types de données et systèmes : sociale , Data Services et
cloud, mobiles, et d'autres sources - à tous les utilisateurs Intégration
Un large éventail de capacités, livré à travers une plateforme intégrée, répondra aux besoins uniques des nombreux types d’ut ilisateurs.
Un environnement unifié avec différents niveaux d’usages opérationnels ou/et stratégiques ; la visualisation des données et l 'analyse
Fonctionnalités prédictive applications analytiques autonomes pour les différents utilisateurs internes ou externes de l'entreprise. Cette ca pacité est
disponible selon les besoins, et peut évoluer en mode plug and play selon l’évolution des besoins grâce à une gestion de l’IT

Les temps de réponse peuvent conduire à la frustration, voire au rejet pur et simple de la brique applicative et de la plateforme.
Une plateforme permettra d'optimiser les performances en tout temps, même lorsque l’on travaillera avec des volumes élevés Performance
de données ou de répondre à un grand nombre de requêtes simultanées

Personnalisation Les utilisateurs veulent que la solution leur permette d’adapter leurs besoins très spécifiques. Il faut pouvoir donner aux
utilisateurs un contrôle total sur ce qu'ils voient et comment ils le voient, entraînera des niveaux plus élevés d’adhésion
BI
La précision, la cohérence et l'exhaustivité sont importantes lorsque l'information est partagée avec une large base d'utilis ateurs et
en libre-service. Une plateforme se doit d’intégrer la qualité des données et de garantir que toutes les données soient en temps Intégrité
opportun, de confiance, et facilement disponibles

16
 Approche

Exemple d’approche d’une étude analytique

• Même philosophie méthodologique mais introduction à la méthode Agile

Itéra ti ons d’i ntégration et/ou Itéra ti ons en foncti on

de ges tion de données des rés ultats obtenus

1 2 3 4 5 6
Data Réalisation de Evaluation des Restitution et
Cadrage Industrialisation
Management l’étude résultats documentation

/ Compréhension des besoins
foncti onnels
/ Ca dra ge fonctionnel et
technique de l ’étude
/ Identification des données
i nternes et/ou externes
nécessaires à la réalisation de
l ’étude
/ Préconi sations des
techniques et méthodes
d’a nalyse des données
/ Conception de laboratoires
de données
/ Expl ora tion des données
di s ponibles
/ Qua l ification des données
/ Echa ntillonnage,
pa rtitionnement
/ Redressement et
enri chissement de données
/ Fea ture engineering
/ Extra ction de l’information
perti nente
/ Etude de tendances et de
corrél ations
/ Mi s e en évidence de
fa cteurs explicatifs
/ Modél isation
/ Eva l uation de résultats
/ Proces sus de révision
/ Itéra tion de l’évaluation
jus qu’à la va lidation de la
mi s e en œuvre des besoins
métiers
/Prés entation et promotion / Ba cktesting
des résultats vi a la
/ Opti mi sation
production de rapports et/ou
d’a pplication de vi sualisation
de données
/ Retour d’expérience et
ca pi talisation
/ Industrialisation des
modèles
/ Dépl oiement au sein du
s ys tème d’informations

CE QUI CHANGE AVEC L’APPROCHE BI ANALYTICS

DE NOUVELLES SOLUTIONS + DE SOURCES + DE MÉTHODES - DE SIGNIFICATIVITÉ - DE RAPPORTS
+ DE VARIÉTÉS + DE PRÉDICTION + DE DATA VIZ
+ DE VOLUME

+ DE GESTION DE DONNÉES

~ s emaines (en fonction du ~ s emaines (en fonction du (en fonction du périmètre et de

2 s emaines – 4 s emaines 1 moi s – 3 moi s 1 moi s – 2 moi s
DUREE périmètre et de l’outil) périmètre et de l’outil) l’outil)

17
Architecture
 Architecture
Source Data Lake Data Analytics

ERP

Smart Data Discovery

Data Preparation (Quality Ingestion process)

SCM

Data Ingestion
CRM
Data Storage
Source Data Connectors

Data Visualisation

Desktop, Web or Mobile

Persistant ou In-
Text Memory

Web and
Social
Analytic Dashboard

Machine
Logs

Sensitive Analysis
Direct Query
Images

Streaming Real time Storytelling

Audio and
Video

19
 Architecture
Paysage du futur
BI Big Data : En 2020, l e vol ume d'informations numériques entre l es diverses s ources devrait
a ugmenter à 35 mi lliards de giga-octets. Une organisation doit élaborer une s tratégie efficace
pour l 'acquisition, l 'organisation et l 'analyse de gros vol umes de données. De nouvelles façons
nova tri ces vont évoluer pour analyser, modéliser, vi sualiser et extraire l a valeur des gra ndes
données pour formuler des s olutions à des problèmes complexes, à la fois actuels et futurs
prévus .
Self Service BI : Les technologies de BI devront tirer parti des évolutions mobiles pour
fournir et présenter des informations ciblées de manière concise, pertinente et
conviviale tirant parti des capacités interactives et visuelles de la prochaine génération
de supports mobiles.
Emergence des intelligences artificielles : Grâce à la convergence de l'interprétation
du langage, de l'accès mobile, de l'approche par recherche qui combine analyses
non structurées de données (par exemple, texte, vidéo, voix), l'analyse prédictive et
soutenue par des processus de collaboration et de la technologie, la BI s’ouvrira la
voie de l'intelligence artificielle.
Data Gouvernance : Des moyens et des processus novateurs doivent permettre de
gérer efficacement les données et les processus. Les organisations ont et auront
besoin de véritables organisations (CDO, data Architect …) des informations pour
transformer les systèmes et applications.
BI in the Cloud : Le terme «cl oud» aura disparu de l 'expression «cl oud computing» d'ici à
2020, pa rce que la majorité de l 'informatique sera tout simplement dans le Cl oud. La BI dans
un envi ronnement SaaS fournira a ux utilisateurs un a ccès en l ibre-service aux données
i nternes de l 'entreprise pour une utilisation dans l es ra pports et l 'analyse. Ceci transformera
BI à partir d'ensembles de produits a utonomes a u servi ce d'entreprises qui rendent la BI
omni présente et plus facile à utiliser.
Convergence BI, Analytics : BI Analytics est la prochaine évolution de la BI, elle
commence à croître un peu partout dans les organisations. Autrement dit, la BI
Analytics permet à une organisation de mieux performer, se différencier et de créer
un avantage concurrentiel. Aujourd'hui, la prise de décision est principalement
basée sur l'information résidant dans les tableaux de bord. Demain, les
organisations devront se déplacer vers des résultats prédictifs pour guider la prise
de décision.
Social Intelligence : Dans la prochaine décennie, les médias sociaux feront partie de
la stratégie globale de l'entreprise des organisations (incluant leurs propres KPI),
ouvrant la voie à une véritable plateforme où les entreprises, les partenaires et les
clients se connecteront pour travailler dans le même objectif.
La nouvelle génération BI : La BI de demain pour les organisations de toutes
formes et tailles aura besoin de processus et de technologies qui comprendront
l'entreprise, l'information, et les éléments endogènes et exogènes pour consolider
les données et générer une vision. Avec cela en place, les outils de BI de demain
devront intégrer tous les systèmes, les applications et sources de données. Au
cœur de cet effort d'intégration est la nécessité de conduire la communication, la
collaboration et l'accès aux données dans toute l'entreprise de manière à ce que
les barrières séparant les départements et les fonctions puissent être enlevées.
20
Quelques
éditeurs du
marché
Éditeurs du marché

PFC Alliances – Un écosystème répondant

aux différentes composantes de la fonction
IT
PFC travaille en collaboration avec des partenaires clés pour optimiser la valeur de nos offres clients tout en maintenant un e politique
d’objectivité forte et stricte

Al l iance a u niveau
mondial

Pa rtenariats Pri vilégiés

Equi pes multidisciplinaires

Sol utions adaptées a ux besoins

cl i ents

Réputation et image
de ma rque

22
Éditeurs du marché

Microsoft : Cortana

23
Éditeurs du marché

Gartners & Forrester

24
La plateforme
PFC en BI
Analytics :
L’expérience de PFC en BI Analytics

Plateforme BI Analytics de PFC

26
Question à étudier
BI Analytics
Prédictive vs EPM
Le Changement

La BI Anaytics et l’EPM
Les tendances technologiques et informatiques actuelles ne s’appliquent pas forcément à cette problématique métier.
Le Big Data plane en majesté au dessus de nos têtes, mais créer/analyser de la donnée en masse facilite-t-il un processus d’élaboration
budgétaire ?
Peut-être, demain, les analyses prédictives permettront-elles effectivement de proposer un budget préconstruit, mais aujourd’hui, qu’en
est-il réellement ?
Il est tentant et naturel de vouloir assurer au mieux ces fonctions de contributeur budgétaire ou de contrôleur de gestion en travaillant
des budgets extrêmement détaillés. La finesse de l’élaboration budgétaire est dans ce cas quasi comptable. Evidemment, ce découpage
de plus en plus fin procure un réel contrôle, un sentiment de sécurité mais contrairement à ce que cela pourrait laisser penser, la fiabilité
de la prévision n’est en revanche pas forcément garantie.
Le diable se niche dans les détails dit-on ; par conséquent la moindre erreur prévisionnelle, le moindre imprévu fausseront
automatiquement vos résultats, vous contraignant à de fastidieuses procédures d’analyses d’écarts, de nouvelles prévisions, et de
justification.
Alors que faire ?
Il faudrait chercher des pistes d’optimisations au profit d'un processus beaucoup plus continu, diffus, certainement moins consommateur
de ressources.
Les organisations devraient se tourner progressivement vers une prévision continue respectant mieux le temps court de leurs opérations
:
− Projection basée sur le réalisé impacté d'un taux de croissance
− Liaison économique et mathématique entre les différents items de cette projection, donc création et/ou amélioration de leur modèle
prévisionnel
− Ajustements de la projection "à la marge" pour refléter l'impact d'événements proches et identifiés

28
Éléments
d’organisati
on
Éléments d’organisation

Les métiers
• Les multiples compétences du Data Scientist étant difficilement trouvables sur une seule personne, la
Data Science est surtout une affaire d’équipe et donc de complémentarité des profils Data .

Chief Data Officer

Pilotage et coordination de
la stratégie Data

DIRECTION IT DIRECTION MÉTIER

Data Architect Data Engineer Data Scientist Data Miner

Administration et gestion des données Valorisation scientifique des données

• Autres métiers de la Data : Data Analyst, Data Protection Officer, IT Développeurs…

30
 Contacts

PFC.com/app
PFC.com/socialmedia

Les informations contenues dans ce document sont d’ordre général et ne sont pas destinées à traiter les particularités d’une personne ou d’une entité. Bien que nous fassions tout notre
possible pour fournir des informations exactes et appropriées, nous ne pouvons garantir que ces informations seront toujours exactes à une date ultérieure. Elles ne peuvent ni ne doivent
servir de support à des décisions sans validation par les professionnels ad hoc. PFC France est le membre français du réseau PFC International constitué de cabinets indépendants adhérents de
PFC International Coopérative, une entité de droit suisse (« PFC International »). PFC International ne propose pas de services aux clients. Aucun cabinet membre n’a le droit d’engager PFC
International ou les autres cabinets membres vis -à-vis des tiers. PFC International n'a le droit d'engager aucun cabinet membre.

31
 Executive summary
Data Intelligence pour l’industrie 4.0
Axe d’amélioration de la croissance
Data Intelligence enjeux
3,6 milliards €
Marché du big data dans l’industrie automobile en 2020 il devrait atteindre 9 milliards en 2026 ▪ La performance énergétique
▪ La décarbonation du numérique
▪ L'expérience humaine dans son ensemble
La performance énergétique
▪ Le cloud permet-il de réduire l'impact carbone
de l'entreprise
Onepoint lutte contre les solutions magiques et propose des approches transverses éprouvées incluant nos
partenaires technologiques et éducatifs ainsi que nos expertises et nos méthodologies. ​

78% – Près de 4 entreprises sur 5 estiment que l’analytique émergera comme la principale technologie à l’issue
de la crise sanitaire. Dans le même temps, une récente étude du cabinet Gartner indique que la maîtrise et
l’exploitation de la Data seraient même devenues un impératif pour près de 4 entreprises sur 5 en 2021
également.

Le marché du big data dans l'industrie automobile était évalué à 3 607,47 millions USD en
2020, et il devrait atteindre 8 929,37 millions USD d'ici 2026, enregistrant un TCAC de 16,81
% au cours de la période 2021-2026.
Le marché de l'analyse des mégadonnées dans l'industrie manufacturière était évalué à
904,65 millions USD en 2020 et devrait atteindre 4,55 milliards USD d'ici 2026, avec un
TCAC de 30,9 % sur la période de prévision
Les industries tentent agressivement d'adopter le concept d'« industrie intelligente », où la
génération et la visualisation des données se font en temps réel. L'évolution des analyses
descriptives et des analyses prédictives ont fait prendre conscience à l'industrie des
avantages qu'elle peut tirer de ce volume de données. La devise de l'industrie évolue vers
un secteur basé sur les métriques, ce qui peut améliorer la décision basée sur l'utilisation
des statistiques axée sur les données.

32