Que faut-il retenir du nouveau Magic Quadrant de Gartner sur les plateformes BI & Analytics ?

Premier enseignement, les solutions qui dominent le marché sont stables. On retrouve le même trio de têtes avec les plateformes proposées par Microsoft, Tableau (Salesforce) et Qlik. Chez harington, nous aimons aussi Microstrategy et Looker (Google) et nous suivons avec attention les solutions de ThoughtSpot et Domo.

La tendance est clairement a toujours plus d’ouverture et d’interopérabilité comme critère de choix numéro 1.

La gouvernance des données est (redevenu) un chantier prioritaire pour de nombreuses entreprises qui ont aujourd’hui une Stack Data comprenant de multiples solutions héritées avec le temps mais aussi de nouveaux outils de niche souvent porteurs d’innovations métiers.

Aujourd’hui les plateformes proposent de plus en plus de fonctionnalités low-code permettant d’automatiser davantage pour aller au-delà de la simple mise à disposition de données et leur restitution dans des tableaux de bords. L’objectif est de produire des insights contextualisés et enrichis plus proches des utilisateurs finaux pour faciliter la prise de décisions et être en capacités de prendre plus rapidement des actions.

Voici les 12 critères de choix mis en avant par Gartner pour classer les solutions, de quoi éclairer votre choix de solution :

1. Insights automatisés (ou analyse augmentée) via les technologies de ML qui génèrent des insights pour les utilisateurs finaux en identifiant par exemple les attributs importants dans un jeu de données
2. Catalogue analytique pour faciliter la recherche et l’exploitation des données
3. Préparation des données avec notamment la prise en charge du glisser-déposer pour prendre en charge différentes sources de données et la création de modèles
4. Connectivité des sources pour un ingestion venant de différentes plateformes qu’elles soient sur site ou dans le cloud
5. Data storytelling via la data visualisation et l’interactivité pour que les données soient davantage exploitables et compréhensibles par les métiers
6. Visualisation des données avec les tableaux de bord qui permettent l’exploration par la manipulation par exemple des graphiques (avec un large catalogue de représentations disponibles)
7. Gouvernance pour comprendre comment les données sont géréew, utilisées, partagées et consommées
8. Requête en langage naturel (NLP) pour que les utilisateurs puissent interroger les données sans avoir à coder  
9. Reporting avec des rapports de qualité qui peuvent planifiés et diffusés massivement
10. Intégration de fonctionnalités de Data Science pour exploiter notamment l’apprentissage automatique et démocratiser la modélisation de données au-delà des data scientists pour tester, par exemple, certaines hypothèses
11. Stockage des métriques en fournissant une couche virtualisée afin que les utilisateurs puissent créer, définir des metrics-as-a-code, les exploiter et en assurer la gouvernance à partir des entrepôts de données.
12. Collaboration pour co-produire un projet analytique à l’échelle de l’organisation en utilisant des fonctionnalités telles que Slack/Teams par exemple

Vous avez besoin de renfort sur vos chantiers analytics et BI ?

Source Gartner à lire ici