Brevo : Mettre en place une BI orientée Self-Service
#145 - Le zoom, le podcast avec Taha, sa ressource préférée et l'épisode sur Alteryx
Hello,
Bienvenue dans l’édition #145 de la newsletter DataGen ! 👋
L’agenda de la semaine :
🔍 Zoom sur la mise en place d’une BI orientée Self-Service
🎙 Le podcast avec Taha, ex-Lead Analytics Engineer chez Brevo
📚 Les ressources recommandées par Taha
🎙 L’épisode avec Alteryx, la solution qui permet aux profils non techniques d’exploiter les données
C’est parti !
🔍 Zoom sur la mise en place d’une BI orientée Self-Service - 4 min
Ce zoom est tiré de l’échange qu’a eu Caroline* avec Taha, Lead Analytics Engineer chez Brevo, la licorne française qui propose une solution de marketing automation.
*Caroline est une experte en Analytics Engineering et une nouvelle hôte du podcast DataGen.
Le contexte de départ et l’objectif
Brevo avait plus de 5 outils de Business Intelligence utilisés en parallèle : Tableau, ClickView, Looker, Metabase, Google Sheets…
Par ailleurs, il y avait peu de Self-Service : les Data Analysts recevaient trop de demandes et passaient leur temps à construire des dashboards.
L’objectif était double : centraliser toute la Business Intelligence sur un seul outil et mettre en place une Business Intelligence orientée Self-Service.
“Les équipes métiers pouvaient attendre plusieurs jours pour obtenir une réponse à leurs questions data. L’idée était qu’elles puissent y répondre elles-mêmes en autonomie.”
Le choix d’Omni pour la Business Intelligence
Initialement, Taha et son équipe se dirigaient vers Looker, qui permet de mettre en place une approche Self-Service (grâce à la fonctionnalité Explore) et les bonnes pratiques de Software Engineering (grâce à un Semantic Layer robuste).
À ce moment-là, ils ont découvert Omni, un outil de BI plus jeune qui a été construit par des anciens de chez Looker. Ils ont décidé de lancer un POC.
“En gros, ils ont reconstruit Looker mais en plus moderne.”
Les 2 fonctionnalités qui font la différence pour le Self-Service
1) La possibilité de créer des métriques custom comme on le ferait dans Excel
Par exemple, après avoir lancé une requête et obtenu un rectangle de données, on peut créer une nouvelle colonne qui devient la division d’une colonne par une autre comme sur Excel.
“Pour faire la même chose dans Looker, il fallait quelqu’un qui connaisse le Semantic Layer et sache coder en LookML. Avec Omni, c’est super intuitif, cette simplicité change tout pour le Self-Service.”
2) La fonctionnalité IA “chat-with-your-data”
Initialement, Taha et son équipe pensaient que la fonctionnalité IA d’Omni n’était qu’un gadget marketing.
Sur la base d’une question, la fonctionnalité était sensée présélectionner les bonnes dimensions, ajouter les filtres pertinents…
Pendant le POC, ils se sont rendus compte que la plupart des feedbacks positifs concernaient cette fonctionnalité.
“Ils nous disaient : ‘L’IA marche trop bien ! Je pose une question, elle me donne la réponse…’ Alors on a décidé de passer plus de temps sur le sujet, notamment sur la couche de contexte.”
🎙 Le podcast avec Taha, ex-Lead Analytics Engineer chez Brevo
On aborde :
Le contexte de départ et l’objectif (cf. zoom)
La choix d’Omni pour la Business Intelligence (cf. zoom)
Les 2 fonctionnalités qui font la différence pour le Self-Service (cf. zoom)
Comment garantir la qualité des réponses de l’IA
Le déploiement à l’échelle : POC & Scale
Le chantier Embedded Analytics
La Data Visualisation avec Omni
L’intégration dans Slack de la fonctionnalité IA
L’organisation de l’équipe Analytics pour ce projet
Les plus grosses difficultés rencontrées et les prochaines étapes
“On a réussi à scaler l’adoption. On visait une personne sur trois. Finalement, presque 50% de la boîte est weekly actif sur Omni.”
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify
📚 Les ressources recommandées par Taha
“Il y a des épisodes qui concernent la data et d’autres qui sortent de l’ordinaire. Par exemple, il y a un épisode sur la prise de parole en public qui a complètement changé ma manière de voir les choses.”
La chaîne YouTube de Supabase
“Ils publient des vidéos tuto de 5 minutes pour des profils techniques. Par exemple, comment utiliser Cloud Code, comment utiliser l'IA pour être plus performant dans son développement… Les vidéos sont vraiment bien. J'ai appris plein de choses.”
🎙 L’épisode avec Alteryx, la solution qui permet aux profils non techniques d’exploiter les données
J’ai reçu Jérôme Couzy, Customer Success Manager chez Alteryx, l’outil qui permet aux profils non techniques d’exploiter et de valoriser leurs données. La solution est utilisée par plus de 8 000 clients dans le monde, tous secteurs confondus, Telco avec notamment Orange, Banque avec la Caisse d’Épargne, mais aussi Pharma, services financiers, etc. Plus de 750 000 utilisateurs dans le monde utilisent la solution.
On aborde :
La genèse et le positionnement actuel d’Alteryx
Les 3 grandes briques de la solution
Pourquoi les entreprises choisissent la solution et une comparaison avec Dataiku, Informatica et dbt
Plusieurs cas d’usage (Telco, Banque) et l’impact des IA Génératives sur Alteryx
“La mission d’Alteryx, c’est de démocratiser l’accès à la donnée. On s’adresse à des utilisateurs qui ne sont pas techniques. Il y a trois grandes briques : la préparation de données, l’automatisation et l’analyse.”
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify