Les données sont un élément essentiel de la création de valeur.
Logistique, marketing et ventes, et ressources humaines - les organisations peuvent obtenir des informations sur les opérations des différents départements et prendre des décisions éclairées sur la manière d'utiliser leurs ressources pour en tirer le meilleur parti.
Cet article se concentre sur la manière dont les services informatiques peuvent utiliser l'analyse des données pour optimiser l'utilisation des licences logicielles.
Ace Lopez, consultant Open iT Solutions, explique comment nous appliquons les quatre types d'analyse de données dans la gestion des licences logicielles, énumère certains défis rencontrés lors du suivi de l'utilisation des licences logicielles et donne des conseils sur la façon de présenter les données de manière convaincante.
Les quatre types d'analyse de données et la manière dont la gestion des licences logicielles les utilise:
Supposons que vous ayez essayé de rechercher les différents types d'analyse de données. Dans ce cas, la plupart des résultats indiquent quatre types principaux : l'analyse descriptive, l'analyse diagnostique, l'analyse prédictive et l'analyse prescriptive.
Tout d'abord, nous avons l'analyse descriptive. Ce type d'analyse est considéré comme le moins compliqué.
Il fournit des réponses à des questions superficielles en mettant l'accent sur les événements passés. Ace Lopez, consultant en solutions, décrit cela comme une représentation du paysage des licences d'une organisation.
Base de tous les autres types d'analyse, l'analyse descriptive identifie les paramètres de reporting définis par l'organisation.
C'est également à ce stade que le filtrage des données est utilisé avant toute analyse avancée. Dans l'Open iT, l'analyse descriptive est présente partout sur nos serveurs, depuis le portail de surveillance des licences en temps réel jusqu'à la bibliothèque de modèles de rapports SQL Server Reporting Services (SSRS).
Parmi les questions auxquelles l'analyse descriptive peut répondre, citons le nombre de licences actuellement disponibles pour une application spécifique ou les jours de la semaine où un service connaît habituellement un niveau élevé d'activité de la part des utilisateurs.
Le deuxième type d'analyse de données est l'analyse diagnostique qui vise à répondre à la cause première d'un événement particulier.
Elle tente de répondre à des questions telles que les raisons pour lesquelles les employés se voient refuser des permis et pourquoi le graphique montre l'utilisation des permis en dehors des heures de travail. Dans l'analyse diagnostique, nous recoupons des données provenant de différentes sources.
La collecte de données à partir du serveur de licences est insuffisante, car elle indique seulement que la licence a été enregistrée ou retirée.
En s'appuyant sur cette seule source, on ne peut pas découvrir comment la machine utilise la licence. Open iT combine les données collectées par sondage/échantillonnage de l'utilisation des licences et l'accès aux fichiers journaux avec des données supplémentaires, telles que les informations sur les coûts du fournisseur et les données de mappage du client.
Comme l'indique Ace, "les données granulaires que nous collectons nous permettent d'explorer les nombreuses formes d'analyse de données qui nous aident à résoudre les problèmes de gestion des actifs logiciels (SAM) et à améliorer nos pratiques de nombreuses façons".
La troisième catégorie est l'analyse prédictive. Ce type d'analyse vise à spéculer sur le déroulement d'événements futurs - rien que par son nom.
Dans Open iT, nous utilisons l'analyse prédictive pour prévoir l'utilisation future. LicensePredictor, l'un des plug-ins de LicenseAnalyzer, utilise l'exploration de données, la modélisation prédictive et l'apprentissage automatique pour aider les entreprises à planifier l'utilisation prévue de leurs licences au cours des 18 prochains mois.
Les données analysées par le LicensePredictor peuvent également être utilisées pour la détection précoce d'anomalies. Une anomalie peut être une anomalie d'utilisation ou une anomalie de données.
Les anomalies d'utilisation se rapportent à une utilisation irrégulière due au comportement de l'utilisateur ; en revanche, les anomalies de données sont dues à des erreurs de données ayant des causes diverses.
Le quatrième et dernier type d'analyse de données est l'analyse prescriptive. Dans cette catégorie d'analyse, nous utilisons les données recueillies pour suggérer des changements positifs dans les politiques internes et les décisions d'octroi de licences.
Selon Ace, l'analyse prescriptive tire parti non seulement de toutes les capacités d'un outil SAM, mais aussi de la vaste expérience des consultants d'Open iT.
Les objectifs de chaque entreprise dans le cadre de son initiative de gestion des licences logicielles peuvent être différents ; par conséquent, les solutions proposées varieront également, par exemple, réduire le nombre de licences, modifier la combinaison de modèles de licences, améliorer le comportement des utilisateurs, fournir une formation supplémentaire sur les applications, etc.
Cependant, l'objectif principal restera toujours le même : maximiser le retour sur investissement des logiciels de l'entreprise.
Trois défis dans l'analyse des données utilisées pour optimiser l'utilisation des licences logicielles
Un article de Gartner - la société d'étude du marché des technologies de l'information - indique que le coût annuel d'une mauvaise qualité des données pour les organisations dépasse les 12 millions de dollars.
Il est donc essentiel de prendre conscience des différents défis que les organisations peuvent rencontrer lors de la collecte, du nettoyage, de la normalisation et de l'interprétation de l'utilisation des licences logicielles.
1. Difficultés liées à la collecte de données sur les licences de logiciels
L'un des défis mentionnés dans la section précédente est la limite de ce que vous pouvez analyser ou interroger à partir d'une source de données donnée.
Il rappelle la nécessité de collecter des données à partir de sources multiples. Cependant, outre la source, Ace indique qu'une autre difficulté à laquelle les organisations sont confrontées est de développer un collecteur de données capable de comprendre et de démonter le code utilisé par leur fournisseur.
La plupart des fournisseurs d'applications d'ingénierie créent des fichiers de licence compliqués qui conduisent à des données d'utilisation de licence difficiles à lire. Concevoir un seul collecteur de données personnalisé est déjà assez difficile - imaginez concevoir des collecteurs pour toutes vos applications d'ingénierie et spécialisées !
Pour la plupart des organisations, le développement d'un outil interne et la création d'une équipe dédiée à cette tâche n'est pas une activité durable.
2. Difficultés liées au nettoyage et à la normalisation des données sur l'utilisation des logiciels
Ace fait remarquer que le nettoyage et la normalisation des données sur l'utilisation des licences de logiciels est une question d'interprétation de multiples versions, au pire, de versions approximatives d'un seul ensemble de données ou d'enregistrements d'événements réels.
Il ajoute que les données que nous essayons d'analyser sont généralement conçues à l'origine pour être stockées ou lues, et non pour être explorées, et encore moins pour être utilisées à des fins d'optimisation.
Le défi consiste en fait à lire et à se familiariser avec les disparités potentielles entre les ensembles de données avant qu'ils ne soient prêts à être analysés et interprétés.
Il s'agit également de concevoir la manière dont les données sont traitées et triées afin qu'elles conservent leur intégrité et leur flexibilité.
3. Difficultés d'interprétation des données collectées sur l'utilisation des licences
Différents facteurs expliquent pourquoi l'interprétation des données dans le domaine de la gestion des licences de logiciels est considérée comme difficile.
Parmi ces facteurs, citons le retrait et l'introduction de nouveaux modèles de licence, les changements de prix du fournisseur et les différences dans les exigences de chaque audit de fournisseur.
Un autre défi auquel les organisations sont confrontées est le volume de données qu'elles reçoivent et qui doivent être interprétées, ce qui amène certaines entreprises à demander l'aide de fournisseurs de services gérés.
Par exemple, les données collectées par Open iT - nous parlons de l'utilisation des licences par utilisateur, par fonction, par heure et par machine.
Ce niveau de granularité nécessite une connaissance étendue et approfondie du sujet afin d'effectuer l'analyse la plus judicieuse possible, qui peut être traduite en informations exploitables.
Trois conseils pour utiliser le data storytelling dans la gestion des licences logicielles
Nous avons parlé de tirer des enseignements des fruits de votre analyse de données. Cependant, la valeur des informations dépend de la compréhension de leur pertinence par le destinataire.
Voici quelques conseils sur l'utilisation de la narration de données pour promouvoir vos initiatives de gestion des licences logicielles.
1. Éviter les visuels spontanés.
Qu'est-ce qu'un visuel spontané ?
Il s'agit de styles de polices, de couleurs de polices et de graphiques inutiles qui détournent l'attention des lecteurs de l'idée que vous essayez de faire passer.
Dans le pire des cas, il peut en résulter des données trompeuses et des interprétations erronées. Les visuels doivent être simples et pertinents, comme dans l'image ci-dessous.
2. Évitez les récits mal construits.
Ace prévient qu'un récit mal construit détruit ses punchlines et ne laisse à son public que des bribes de ce qui aurait pu être une histoire unique et précieuse.
Évitez à votre public de froncer les sourcils en veillant à ce que votre présentation suive une progression logique.
Ace ajoute un autre conseil : adaptez votre langage et les détails en fonction de la personne à qui vous faites la présentation. Si vous vous adressez à un décideur non technique, donnez-lui une vue d'ensemble pour qu'il reste concentré sur le jargon technique.
Si vous vous adressez à quelqu'un qui connaît les tenants et les aboutissants de son système de licences, donnez-lui des détails précis qui l'aideront à prendre des décisions plus éclairées.
3. Se concentrer sur le résultat.
Maintenez l'attention de votre public en vous concentrant sur les choses importantes.
En général, les cadres supérieurs sont très occupés, et la plupart d'entre eux souhaitent donc comprendre comment vos suggestions auront un impact sur la situation actuelle et future.
Discutez de l'impact des changements proposés sur les niveaux de production, montrez-leur le coût de l'action ou de l'absence d'action, et discutez de l'impact sur la culture de l'organisation.
Vous souhaitez comprendre, manipuler et interpréter les données relatives à l'utilisation de vos licences logicielles ? Demandez à un représentant de vous contacter dès aujourd'hui.
