La Data Science versus la Business Intelligence

Jérôme Morges, Directeur du MS Business Intelligence

Dans les années 80, l’informatique décisionnelle consistait à analyser les données d’une entreprise pour optimiser sa gestion. Depuis 2010, grâce aux évolutions technologiques et à la mutation des besoins, elle a évolué vers la Business Intelligence : analyse de processus plus complexes à l’aide d’outils plus élaborés.

Depuis, le phénomène du Big Data - et des Data Sciences - est apparu, permettant, une nouvelle fois, de répondre à des besoins plus larges.

En effet, toujours en appliquant les best-practices historiques de la Business Intelligence que sont l’analyse du besoin, l’extraction des données, leur stockage et leur restitution, la Data Science permet une plus grande analyse de ces données tout en les complétant avec des données extérieures et/ou volatiles pour une analyse complémentaire, voire éphémère, de la Business Intelligence.

Ainsi, la Data Science répond à un nouveau besoin. Par exemple, une analyse à un instant T pour y détecter un comportement ou mettre en évidence une corrélation de tendance. Ceci n'est pas l’objectif de la Business Intelligence qui, elle, analyse en continue des données pour pouvoir aider au quotidien au pilotage d’une entreprise. Que ce soient les conseils d’administration, les chefs d’entreprise, les contrôleurs de gestion,  les responsables d’achats ou de vente etc, la Business Intelligence leur permet de pouvoir prendre les bonnes décisions au moment opportun. Les décisions stratégiques ne peuvent se baser que sur des chiffres exacts.