Dans sa logique de booster son outil de reporting SAP Analytics Cloud (SAC) dans un marché hyper concurrentiel, SAP mise sur la modernisation et l’innovation. Au travers de ce qui est appelé Smart Discovery, Smart Insight et Smart Predict, SAP a réussi le pari de mettre à disposition des fonctions analytiques avancées d’une grande simplicité qui permettent à chaque utilisateur d’être autonome dans son utilisation.
NTT DATA Business Solutions
Smart Discovery de SAP Analytics Cloud se démarque dans l'analyse avancée.
Dans cet article, parce que relativement nouvelle et pas suffisamment connue malgré son intérêt, nous allons présenter de manière simple une des fonctionnalités analytiques avancées : Smart Discovery (la «découverte intelligente»).
L’article est un peu long, mais pour être le plus complet possible, il nous a semblé plus pertinent de le conserver dans son intégralité.
NB : Si vous avez besoin d’une introduction SAC, c’est ici.
Smart Discovery : des analyses exploratoires optimisés grâce aux services de SAP Cloud Platform.
Dans la suite de l’article, pour rendre plus concrètes les explications, un contexte fonctionnel a été défini : celui d’une entreprise spécialisée dans la vente de biens de consommation qui souhaite identifier quels facteurs métiers ont un impact sur son chiffre d’affaires. Les dimensions telles que les clients, leur région, leur ville, leur pays, les produits et catégorie de produits ainsi que les indicateurs (mesures) de chiffre d’affaires, coût de main d’œuvre, coût des matières premières et prix unitaire seront utilisés dans les analyses.
La découverte intelligente est accessible directement en mode story/présentation.
Une nouvelle interface s’ouvre et permet de choisir les éléments d’analyses (mesures et dimensions) tout en utilisant des filtres sur certaines catégories d’éléments pour mieux définir le périmètre.
La mesure « Revenu » sera utilisée comme variable endogène, c’est-à-dire la variable que l’on souhaite analyser et qui dépend des autres variables exogènes (mesures et dimensions) pour identifier les influenceurs clés (voir partie suivante).
Après le choix de la variable à analyser et des variables explicatives à utiliser pour notre analyse, la découverte intelligente ramène un résultat en s’appuyant sur une technologie basée sur des algorithmes. Ce résultat est décomposé dans tout un ensemble d’éléments permettant de mieux comprendre les données, mais aussi de voir les interactions entre elles :
- La découverte des influenceurs clés de revenu
- L’exploration des valeurs inattendues de revenu
- La simulation de revenu à partir des influenceurs clés
Les influenceurs clés
Les influenceurs clés représentent les mesures et/ou dimensions qui ont plus contribué à l’explication de la variable analyse endogène (la variable sur laquelle porte l’analyse).
Un bon résultat dépend de la qualité de l’analyse, et la qualité de l’analyse dépend de la qualité des données. Pour mesurer la fiabilité du résultat de la découverte intelligente, une note sur 5 est calculée. Avec une note de 1/5, mieux vaut modifier ses données voire son analyse pour un résultant correct. Avec une note de 5/5, vous pouvez vous fier à la pertinence du résultat.
Smart Discovery permet d’aller plus loin dans l’analyse pour visualiser les relations entre chacun des 10 influenceurs clés et le revenu.Le graphique à barres ci-dessus affiche également les principaux influenceurs clés sur notre variable endogène « Revenu » (Chiffre d’affaires). 10 variables influencent le revenu, parmi ces 10 influenceurs, 3 variables (coût du bien, coût de la main d’œuvre, et le produit) ont un impact plus marqué sur le revenu.
Dans l’exemple ci-dessous, nous analysons l’influenceur Coût du bien pour voir en détail l’impact des influenceurs distinctifs.
Au vu des influenceurs distinctifs du coût du bien, on constate que le coût du bien correspondant à la classe J [328.56K, et plus] a le plus gros impact sur le revenu (en moyenne d’un peu plus de 900 000 $).
Les valeurs inattendues
Les valeurs inattendues sont des valeurs réelles qui s’éloignent des données proches de la ligne de régression. Le tableau ci-dessous nous donne 22 valeurs inattendues dans notre analyse. En prenant l’exemple de la troisième ligne, on note que la valeur nette étant supérieure à celle attendue à près de deux tiers, il serait opportun de voir ce qui est à la base de ce succès.
Les 2 graphiques ci-dessous, servent également d’éléments d’interprétation de notre analyse. Le premier graphique nous donne les détails de la répartition sous forme de nuage de points permettant de distinguer des corrélations entre valeurs réelles et valeurs attendues.
Le deuxième graphique, représenté sous forme de diagramme en barres, fait une comparaison entre chaque valeur réelle et sa valeur attendue. On constate qu’à travers ce graphique, nous avons un cas pour lequel l’analyse prédictive ressort des informations qui sont différentes de celles attendues autrement dit, la valeur réelle est inférieure à celle attendue.
La simulation
La simulation constitue un moyen efficace pour mieux se projeter dans le futur grâce à des multiples possibilités qu’elle nous offre pour stimuler les données. Elle peut être utilisée pour voir par exemple à quel revenu devons-nous nous attendre pour une région donnée ou un pays donné. Elle nous permet de faire des manipulations basées sur les influenceurs clés. La représentation ci-dessous permet de visualiser l’apport de chaque influenceur sur la valeur cible.
Smart Discovery : en conclusion
Aujourd’hui, la majeure partie des fonctionnalités BI des outils du marché se valent et répondent aux standards attendus par les consommateurs de données (pratiquement tout le monde dans l’entreprise). Alors comment les différencier, comment faire un choix autrement qu’en regardant le prix ? Pourquoi pas en étudiant d’un plus près les fonctionnalités analytiques avancées, telles que Smart Discovery !
Smart Discovery n’est pas un gadget et, une fois appréhendée, est en fait très utile. Elle offre en quelques clics tout un ensemble d’analyses de qualité (selon la note de fiabilité) organisées, automatisées et précises qu’un utilisateur pourrait faire lui-même… mais en plusieurs heures, voire jours.
SAP vient pallier à un réel manque de connaissance technique (science des données, apprentissage automatique) auquel sont confrontés les utilisateurs en proposant une solution beaucoup plus facile d’utilisation, intuitive et surtout accessible à tous.
SAP Analytics Cloud confirme son positionnement comme plateforme analytique et non pas comme un « simple outil de data visualisation ». La solution donne accès à des informations qu’il n’était pas possible d’obtenir facilement auparavant et donne à nouveau plus d’autonomie aux utilisateurs.