BPM, Big data et Intelligence opérationnelle

Découvrez l’avantage d’un outil de BPM pour la mise en place d’un système d’intelligence opérationnelle utilisant le big data.

• L’intelligence opérationnelle correspond à la capacité d’une organisation à traiter et analyser les informations de son écosystème et à y apporter des réponses efficaces à travers ses processus organisationnels.
• Le BPM vise à améliorer la performance de l’organisation par l’optimisation de ses processus humains ou automatisés.
• Le big data mining transforme les données internes et externes (sur le cloud) de l’entreprise en informations opérationnelles.

La transformation digitale, un impératif

Pour répondre à l’évolution du comportement de leurs clients, les entreprises doivent être capables d’opérer leur transformation digitale pour faire face à :

• la dématérialisation avancée de leurs activités (Ventes en ligne, factures électroniques, logistique déportée, self services des consommateurs, marketing numérique etc… )
• l’accroissement exponentiel des données qu’elles génèrent, reçoivent, recherchent, transforment au travers des interactions de leur environnement, en particulier des biens (objets/produits) et services qu’elles vendent, de leurs clients, prospects et partenaires, des fournisseurs, etc.

Ce qui suppose :

• d’analyser toutes ces données pour pouvoir comprendre, prédire, y compris en temps réel, les événements et proposer des actions adaptées,
• de mettre en œuvre les décisions ad hoc dans son organisation, tout en mesurant leur efficacité.

L’amélioration de l’intelligence opérationnelle

• a alimenté, dans le passé, les investissements dans les applications dites décisionnelles
• se nourrit désormais des technologies Big data qui permettent d’exploiter et d’analyser d’ « énormes données » internes et externes à l’entreprise (réseaux sociaux, Open data des services publics etc.) pour en tirer des enseignements.

Cas pratique d'intelligence opérationnelle

Une entreprise industrielle, fabricant des feuilles de cuivre veut construire un système d’intelligence opérationnelle pour améliorer la qualité des produits, anticiper sur les anomalies et la maintenance prédictive des machines. Pour ce faire, elle :

• a mis en place des capteurs au niveau des machines de production de ses usines et effectue des mesures automatiques au cours de la production des feuilles de cuivre.
• a élaboré des modèles prédictifs faisant appel aux données historiques tant internes (capteurs, cahiers des charges clients, commandes, stocks…) qu’externes (normes, benchmarks, opendata c-a-d des données extérieures).

Son système d’intelligence opérationnelle pourra lui permettre de :

• combiner informations prédictives et actions pour prioriser les interventions de maintenance en fonction des impératifs de production, du portefeuille de commandes ;
• détecter d’éventuelles anomalies ou problèmes de qualité lors de la production pour anticiper éventuellement les corrections, avant de livrer les clients
• coordonner les interventions de la manière la plus optimale pour le fonctionnement de l’usine.

De tels plans d’actions

• peuvent être soumis à validation des différentes directions concernées voire à l’arbitrage managérial final, pour prendre en compte certaines contraintes (tel client important à livrer en urgence par exemple, ou encore des contraintes de dernière minute).
• impliquent que les collaborateurs de l’entreprise (réseau de distribution, équipe commerciale, …) soient « connectés » pour recevoir les informations nécessaires concernant les planifications, les mises à jour d’informations ou d’évènements susceptibles de les concerner.

Pour pouvoir augmenter, développer et adapter son intelligence opérationnelle, l’entreprise dispose des deux leviers technologiques principaux qui sont aujourd’ hui indispensables pour s’adapter en continu :

• L’utilisation du Big data. L’importance des « data scientist » qui connaissent le métier est à souligner. Ils savent utiliser les données collectées pour les transformer, en extraire des informations en développant des modèles statistiques et prédictifs adéquats, apportant ainsi un éclairage inédit aux experts métiers. Il s’agit d’augmenter la capacité à analyser et prendre des décisions opérationnelles, notamment avec la data visualisation qui apporte une représentation des informations interprétable de manière rapide par l’ensemble des collaborateurs concernés.
• La gestion des processus métiers (BPM): en intégrant les règles métiers, on peut modéliser et définir, à travers l’organisation, la manière dont l’entreprise va orchestrer ses processus de réponses aux évènements prévus et aux actions à mettre en place. Au-delà de l’utilisation des applications au quotidien pour accomplir les tâches nécessaires, il s’agit de mettre en œuvre les décisions opérationnelles et de les orchestrer.

La gestion des processus métiers

Le BPM est l'ensemble des méthodes et outils mis en œuvre pour améliorer la performance d'une organisation par l’optimisation de ses processus humains ou automatisés, incluant des acteurs internes ou externes.

Le « BPM » peut être considéré comme :

• une méthodologie pour améliorer la performance opérationnelle des processus métiers,
• un outil informatique pour assister ou piloter ces processus.

Les technologies de BPM permettent de modéliser, assister, exécuter, gérer et analyser les processus métiers de l’organisation.

Or, la qualité des processus de l’entreprise est directement perçue par ses clients et ses partenaires, etc. et qui fait la différence avec la concurrence.

La complémentarité entre compilation, gestion, analyse des informations/données, en temps réel, et capacité à piloter les processus opérationnels liés est donc primordiale.

Le BPM et big data

L’entreprise qui veut mettre en place un système d’intelligence opérationnelle doit être capable d’orchestrer ses processus métiers en exploitant pleinement les possibilités qu’offre l’analyse de l’information dont elle dispose aujourd’hui.

La bonne orchestration des processus et leur optimisation est donc un enjeu complémentaire et indispensable à l’augmentation de la capacité d’analyse.