Vous êtes à la recherche du rapport 2021 du Magic Quadrant for Business Intelligence & Analytics de Gartner ?

Nous vous proposons une synthèse du rapport Gartner en français.

Analytics AUGMENTéS et plateforme BI : la définition du Gartner Magic Quadrant Report

“Les analytics modernes (ou analytics augmentés) et les plateformes de business intelligence (BI) se définissent par des outils simples d’utilisation, capables d’offrir un support à toute la chaine analytique - depuis la préparation jusqu’à la visualisation des données et la génération d’insights.”

Gartner vient de publier son rapport 2021. Quelles nouveautés ? Quelles tendances confirmées ? Nous vous proposons un aperçu des orientations stratégiques relevées par le Gartner Magic Quadrant for Business Intelligence & Analytics 2021, et quelques pistes de réflexion !

Nota bene :Gartner utilise l’acronyme ABI pour “Analytics & Business Intelligence” .

1 - La dataviz ne sert plus à différencier les plateformes : c’est un pré-requis.

C’est définitif, les outils ABI ne se différencient plus par leur capacité de dataviz. Tous les vendeurs sont désormais capables de construire des KPI interactifs et des tableaux de bord sur mesure. La différence se fait désormais à partir de leur capacité à offrir des analytics augmentés.

Cette augmentation passe par l’utilisation du Machine Learning et de l’IA, pour la préparation des données, la génération d’aperçus pertinents et la génération d’explication pour ces insights. Le but est d’aider les utilisateurs business et les analystes à explorer leurs données plus efficacement qu’ils ne pourraient le faire manuellement.

La notion d’analytics embarqués ( embedded analytics) disparaît également comme critère différenciant.

2 - Consommateurs de données : un nouveau profil d’utilisateurs

Au départ, l’augmentation des analytics concernait plutôt les profils d’analystes.

Aujourd’hui, cette augmentation, ainsi que de plus en plus l’automatisation, concernent directement des utilisateurs finaux d’un nouveau genre : les consommateurs augmentés. Il s’agit d’utilisateurs au profil peu ou pas technique, qui attendent que les insights viennent à eux : souvent sous la forme d'aperçus automatiquement générés, ces insights doivent avant tout être extraits judicieusement par rapport à leur rôle, leur fonction ou leur profil.

Pour être pertinente, cette augmentation passe par l’usage, particulièrement les requêtes en langage naturel ( NLQ) et le retour des utilisateurs sur ces réponses automatiquement proposées. Ce dernier changement a le potentiel pour enfin crever le plafond du taux d’option moyen de 30 %, stable depuis longtemps.

Les requêtes en langage naturel ( NLQ) et le retour des utilisateurs sur les réponses automatiquement proposées ont le potentiel pour enfin dépasser le taux d’adoption qui plafonne à 30% depuis de nombreuses années.

3 - Nouvelles fonctionnalités basée sur l’IA : augmented & automated

Gartner insiste sur l’importance des fonctionnalités qui assistent l’utilisateur final. Ainsi en 2020, IBM Cognos Analytics a ajouté une fonctionnalité basé sur l’IA pour explorer dans le temps l’évolution de séries multi facteurs, avec la question “ What if… ? “

L’analyste marketing souligne également la force de SpotIQ, une fonctionnalité de Thoughtspot qui permet de découvrir des anomalies ou des corrélations entre les données, tout en effectuant des comparaisons sans besoin de coder. Talonnée en 2029 sur son critère différenciant, le NLP, Thoughspot reprend un peu de distance avec ses concurrents grâce aux performances de SpotIQ.

A l’inverse, MicroStrategy a désormais deux faiblesses avérées : la génération automatique d’insights, et surtout l’absence de génération d’insights en langage naturel. Pour les entreprises qui cherchent à aider leurs utilisateurs à tirer le maximum de leurs données de manière autonome et favoriser l’adoption des analytics, ces deux faiblesses pourront s’avérer des motifs valables de rupture.

4 - Génération en langage naturel (NLG) & et Requête en langage naturel (NLQ)

Ces deux critères des plateformes ABI on attendu 2019 pour apparaitre dans la grille d’evaluation du Gartner. En soulignant à quel point on était à un tournant dans l’histoire de la BI l’année dernière, Gartner a fait de la capacité à interagir en langage naturel avec l’utilisateur, de manière pro-active, une condition sinequanone de son classement.

On peut alors relever Ask de Tableau, mais aussi en 2020 “ Ask Pyramid (NLQ)” de Pyramid. Il existe également un “ Insight Advisor “ qui propose avec Qlik Sense une nouvelle expérience de recherche visuelle, des analytics conversationnels, et des associations entre insights.

Pour le data advisor askR.ai, cette importance accordée au langage naturel comme mode d’interaction le plus approprié pour accompagner l’utilisateur consommateur confirme le travail fourni depuis son lancement.

5 - Impact des acquisitions

Tableau en 2019 par Salesforces

L’intégration de Salesforce Einstein Analytics à Tableau, renommé Tableau CRM, semble être un chantier encore en cours en 2020. Une fonctionnalité Einstein Discovery, afin d’intégrer les capacités de modélisation predictive à la plateforme, a été annoncée pour Mars 2021.

Looker en 2020 par Google

Looker devient Google Looker. Cette acquisition lui a offert une grosse reconnaissance de la part du marché, ainsi qu’une très grande inter-opérabilité avec un certain nombre d’outils Google. Le savoir faire NLP de Google a aussi amené à mettre en place un outil NLQ : Looker Q&A.

Information Builders par TIBCO software en 2021

Affaire à suivre, le Gartner proposant une analyse séparée.

RoxAI, Knarr Analytics and Blendr.io par Qlik en 2020

Récemment acquis, ces technologies l’ont été pour améliorer les capacités d’alerte, avec un intelligence continue, et pour une integration SaaS.

Vers un marché global des augmented analytics ?

Pour finir, il est important de souligner qu’entre les plateforme de data science et machine learning et les plateformes ABI, la frontière se fait de plus en plus poreuse. Les plateformes ML améliorent leur capacité de presentation, de découvertes data et même de dataviz plus traditionnellement dévolues aux ABI. A l’inverse, celles-ci développent des outils de plus en plus performants pour executer en arrière plan des modèles prédictifs par exemple, ou la gestion du NLP. Une situation qui va probablement remodeler en profondeur le visage du marché dans les prochaines années.