Transformer les données brutes d'Open iT en leviers d'action

[0:00] Nicolas : Bonjour à tous et bienvenue. Merci d’être ici pour notre webinaire consacré à la transformation des données brutes d’Open iT en levier d’action, notamment grâce à Power BI pour la gestion des licences. Je me présente : je m’appelle Nicolas et je suis analyste de données chez Open iT. Avant d’occuper ce poste, j’étais professeur de mathématiques au lycée, en France et au Mexique. Mais ne vous inquiétez pas, il n’y aura pas trop de maths dans cette présentation. En revanche, vous remarquerez peut-être que j’ai été enseignant.

[0:39] Alors, de quoi allons-nous parler aujourd’hui ? Nous allons nous intéresser à l’optimisation de l’utilisation des licences logicielles dans les entreprises. Nous allons donc voir pourquoi ce domaine mérite notre attention. Nous verrons également comment mettre en place des méthodes d’optimisation. Nous allons vous présenterLicenseAnalyzer™, qui est donc la solution proposée par Open iT pour optimiser l’utilisation de vos licences logicielles, et nous ferons un petit tour d’horizon de Power BI pour découvrir des exemples d’analyse. Si vous avez des questions, vous pouvez les poser dans la section Questions-Réponses sur Teams ; notre équipe s’efforcera d’y répondre à la fin de la présentation. Merci.

[1:26] Alors, pourquoi s’intéresser à l’optimisation des licences logicielles ? Ainsi, lorsqu’une entreprise est confrontée à des difficultés financières, qu’elle doit réduire ses coûts et qu’elle subit une pression budgétaire, les solutions envisagées sont souvent les mêmes, c’est-à-dire, entre guillemets, les plus classiques : geler les recrutements, réduire les déplacements, réduire les formations ou geler les projets non prioritaires. Ces quatre solutions ont toutes un point commun et un impact négatif. En effet, elles ont un coût indirect sur la performance : elles peuvent avoir des effets négatifs, tels que nuire à la motivation, à la productivité, mais aussi, par exemple, à la capacité d’innovation.

[2:18] On oublie souvent – les entreprises n’y pensent pas beaucoup – que l’optimisation de l’utilisation des licences logicielles peut également constituer une solution pour réduire les coûts d’une entreprise. Quel est l’avantage et pourquoi est-il intéressant de s’intéresser à ce domaine ? C’est qu’il n’y a pas de coûts cachés et que le retour sur investissement est mesurable. Il n’y a donc pas de coûts cachés, car il s’agit d’optimisation, c’est-à-dire d’adapter le nombre de licences à nos besoins. Cela ne signifie pas pour autant que certains utilisateurs auront davantage accès aux licences. Et le retour sur investissement est mesurable. Pour s’en rendre compte, nous allons nous pencher sur nos témoignages clients, excusez-moi. Nous avons ici, par exemple, Total Énergie qui nous indique que la solution Open iT leur a permis de réduire leurs coûts de 39 %, ce qui représentait un retour sur investissement multiplié par 21.

[3:17] Évidemment, cela dépendra de la taille de notre entreprise et des types de licences que nous utilisons, mais une réduction des coûts de 39 % et un retour sur investissement de 21, c’est tout de même considérable. Alors, comment se fait-il que l’on puisse atteindre des chiffres aussi élevés et pourquoi l’optimisation des licences logicielles n’est-elle pas plus systématique si les gains sont si importants ? L’une des raisons, l’une des explications que nous pouvons vous donner, c’est que pour les entreprises, les licences logicielles constituent en quelque sorte une « boîte noire ». Autrement dit, tant qu’il n’y a pas de problème, on considère que tout va bien. Sauf qu’il y a une grande différence entre une utilisation optimale et l’absence de problème.

[4:08] On peut disposer de 500 licences pour 10 utilisateurs. Évidemment, cela évite tout problème de refus d’accès, par exemple, mais on peut optimiser cette configuration. Nous allons donc voir comment optimiser l’utilisation des licences logicielles, comment percer un peu les secrets de cette « boîte noire ». Et nous allons faire une analogie avec la gestion du budget familial et nous verrons que c’est plus simple qu’il n’y paraît dès qu’on commence à s’y intéresser. Imaginons qu’une famille souhaite reprendre le contrôle de son budget, qu’elle souhaite faire des économies, par exemple pour partir en vacances au Mexique. Que va-t-elle faire ?

[4:47] Souvent, les conseils donnés sont les mêmes. On commence toujours par noter ses dépenses. Il faut donc conserver les factures et les tickets de caisse. On va les conserver pour, à la fin du mois ou à la fin de la semaine, identifier nos dépenses et les classer par catégories. Par exemple, des catégories telles que le loyer, les assurances, les abonnements, c’est-à-dire toutes les charges fixes, puis les loisirs, l’alimentation… On va créer des catégories. En gros, on effectue une petite analyse des données, puis, une fois que nos informations seront présentées sous forme graphique, le point n° 1 correspondra aux données brutes, le point n° 2 aux leviers d’action et le point n° 3 à la prise de décision. Chez Open iT, dans le cas des licences logicielles, c’est ce qu’on appelle « mesurer, analyser et optimiser ». Ce sont les trois grandes étapes à respecter pour pouvoir justement faire face à ces pressions budgétaires en envisageant l’optimisation des licences logicielles. Nous allons donc examiner chacun de ces trois points un par un pour mettre les choses en contexte.

[6:04] Il s’agit donc de mesurer l’utilisation des licences logicielles. Si l’on reprend notre exemple des familles, cela correspond aux factures et aux tickets de caisse. Et c’est littéralement ce que nous allons faire. Autrement dit, dans le cadre de l’optimisation des licences logicielles, les factures et les tickets de caisse sont ce que l’on appelle, en gros, les « check-in » et les « checkout ». Qu’est-ce que ce sont les « check-in » et les « checkout » ? C’est tout simplement l’utilisation des licences. Donc, un « check-in », c’est remettre la licence dans le pool de licences. En gros, c’est fermer une application. On se place donc du point de vue du gestionnaire de licences. C’est pour ça que le « check-in » sert, en gros, à remettre la licence dans le gestionnaire de licences. Et le « checkout », c’est le fait de prélever une licence dans le pool de licences. Voilà, c’est en gros notre ticket de caisse. Nous aurons un peu plus d’informations. Dans les informations supplémentaires, nous aurons l’application qui a été ouverte ou fermée, l’utilisateur qui a ouvert ou fermé l’application, qui a utilisé la licence. Nous aurons l’heure du « check-in » et l’heure du « checkout ».

[7:11] Ce n’est donc pas forcément une liste exhaustive, mais c’est le genre d’informations que l’on va retrouver sur notre ticket de caisse. Et grâce à cela, on peut également créer d’autres types de données un peu plus élaborées. Par exemple, si j’ai l’heure d’arrivée et l’heure de départ, je peux faire la distinction. Je peux obtenir la durée d’utilisation de la licence, par exemple la durée de la session, pardon. Tout comme avec les tickets de caisse, à la fin du mois, je peux calculer ma consommation quotidienne de pâtes, par exemple. C’est donc une information qui n’apparaît pas explicitement sur mon ticket de caisse, mais que je peux en déduire par la suite.

[7:50] Voilà donc la partie « analyse » que nous allons aborder tout de suite après. Pour cette partie, nous allons tout de même entrer un peu plus dans les détails. Il s’agit du tri par catégorie. Souvent, réaliser des analyses sur Excel ou sur des outils de BI comme Power BI ou d’autres revient en fait à créer des catégories. Alors, quelles catégories a-t-on dans le cadre des licences logicielles ? On peut donc effectuer des analyses par application, par fournisseur ou par produit. On peut également réaliser des analyses par utilisateur. On verra que c’est important pour identifier des comportements qui pourraient nous permettre de réaliser des économies, pardon. Ensuite, on peut effectuer une analyse par projet ou par service. En gros, il s’agira de groupes d’utilisateurs. C’est encore plus pratique dans le cas d’un « charge back », par exemple si vous souhaitez répartir un peu plus équitablement et de manière plus juste vos ressources entre vos différents départements. C’est également possible.

[9:03] Et il y a autre chose d’important : on peut réaliser des analyses de tendances sur différentes périodes. C’est donc un point essentiel qui pourrait faire l’objet d’une rubrique à part, mais qui peut aussi concerner les autres. C’est-à-dire que si vous commencez dès demain à vous intéresser à l’optimisation, en mesurant tout d’abord l’utilisation de vos licences logicielles, il se peut que la période estivale soit un peu creuse. Il se peut donc que cela ne soit pas représentatif des besoins de l’entreprise sur une année. Il faut donc y prêter attention. En général, on recommande de disposer de six mois de données pour pouvoir justement effectuer cette analyse de tendance et ces prévisions sur une année. Cela n’empêche pas que, dans certains cas, on puisse prendre des décisions plus rapidement qu’avec six mois de données, il n’y a aucun problème.

[9:50] Donc, ces analyses, on ne va pas les faire uniquement sur Excel. En fait, dans le logiciel d’Open iT, c’est-à-direLicenseAnalyzer™, vous avez accès à des rapports, d’accord ? Ça vient de l’anglais « report », je veux dire « rapport ». Vous pouvez accéder très facilement à ces types de rapports dans le logiciel. Vous pouvez simplement choisir votre fournisseur, le produit qui vous intéresse, la période que vous souhaitez observer, et vous obtiendrez ce qu’on appelle ici une « heat map » de l’utilisation des licences logicielles. Que signifient les chiffres indiqués ici dans notre tableau ? Ils indiquent par exemple que dimanche à 4 heures du matin, deux licences étaient ouvertes simultanément.

[10 h 40] Que constatons-nous ? Nous constatons que c’est pendant les horaires de travail que nos couleurs virent au jaune et au rouge, puisque ce sont les horaires de travail, c’est-à-dire ceux pendant lesquels les applications sont utilisées. Nous voyons déjà ici des données intéressantes. Par exemple, le nombre maximal de licences disponibles, c’est-à-dire les licences pour lesquelles l’entreprise paie, est de 22. Or, on constate que sur cette période de trois mois, le nombre maximal de licences utilisées simultanément est de 14. On peut donc envisager de mener une analyse un peu plus approfondie, éventuellement sur une période plus longue, afin de vérifier si ces trois mois sont représentatifs, et d’adapter éventuellement ce nombre de licences.

[11:34] Que peut-on observer d’autre sur cette carte thermique où cela se voit très clairement ? Nous y reviendrons également plus tard. On constate que le dimanche et le samedi, deux licences sont constamment ouvertes. Ici, on en compte même trois. Deux licences restent ouvertes en permanence tout au long du week-end. Alors, avant de conclure que ce n’est pas normal, on peut envisager que ce soit intentionnel. Il s’agit peut-être de logiciels de simulation ou de tâches en cours d’exécution. C’est peut-être intentionnel, mais peut-être pas. Quoi qu’il en soit, on dispose des données, on peut prendre une décision à ce stade. La décision consistera éventuellement à consulter un autre rapport, à identifier les utilisateurs qui ont ces licences actives à ces moments-là et à chercher à savoir pourquoi ces applications sont ouvertes. Il peut donc s’agir de deux utilisateurs qui ont chacun oublié de fermer une application. Dans ce cas-là, on parle de « camping ».

[12:34] Conserver une licence pour soi pendant deux jours entiers. Il peut également s’agir d’un seul utilisateur qui a prélevé deux licences du pool et qui a ouvert l’application deux fois. Dans ce cas-là, on parle de « hogging ». Il s’agirait donc à la fois de « hogging » et de « camping ». Les données nous permettent donc de repérer ce type de comportement.

[12:55] Et nous verrons tout à l’heure que lorsque l’on commence à avoir beaucoup d’employés – disons une cinquantaine d’employés utilisant des licences –, il est important d’identifier ces comportements, car cela peut créer une sorte de décalage : on ne part pas de zéro, mais de deux à chaque fois. Voilà donc ces données très visuelles sur l’ensemble de l’entreprise qui nous permettent d’accéder à ces informations. Elles proviennent du ticket de caisse et nous les transformons en informations.

[13:28] On peut également accéder à des graphiques à barres, comme ici. Ce graphique-là s’appelle par exemple « license efficiency chart » (graphique d’efficacité des licences) et nous donne, en gros, une petite idée. Partons donc du principe que nous disposons de 10 licences. L’efficacité des licences signifie que si l’on utilise les 10 licences sur les 10 disponibles, c’est très bien. Ici, que voit-on ? On voit que le nombre maximal d’utilisateurs simultanés pour cette licence est de 9. Donc, si l’on ne retient que ces deux chiffres, on pourrait adopter deux approches. On pourrait se dire : « C’est bien, on a de la marge. » On pourrait se dire : « Attention, on risque d’avoir des denials », c’est-à-dire des refus, des utilisateurs qui n’ont pas accès aux licences parce qu’on n’est pas loin du nombre maximal. Mais que nous indique ce graphique ? Il nous indique également que 99 % du temps, 8 licences suffisent, et que 95 % du temps, cette licence suffit.

[14:37] Alors, qu’est-ce que cela signifie ? Si l’on revient sur l’exemple de la carte thermique évoqué tout à l’heure, avec les « campers » et les « hoggers », et que l’on examine également ces données-là, c’est-à-dire que 99 % du temps ou 95 % du temps, le nombre de licences est suffisant. On constate finalement que tout cela forme un tout. Si l’on veut prendre une décision sur quelque chose, il faut disposer d’un maximum de données. Ici, on en a peut-être 7, mais on a peut-être un 97 sur 2. Donc, en fait, peut-être que ce nombre-là, même 5, suffirait. Voilà donc en quelque sorte l’étude, l’analyse que l’on peut réaliser à partir de nos données. Ici, que voit-on ? On constate que ce tableau est une représentation du diagramme. Le nombre maximal de licences utilisées simultanément était de 9 pendant 2 heures, ce qui correspond à 0,1 % du total. Ce graphique ne correspond donc pas à la carte thermique que j’ai présentée tout à l’heure. Ce ne sont pas les mêmes chiffres. Mais voilà, on voit ici que le fait de régler d’abord le problème des utilisateurs, notamment des « hoggers » et des « campers », permet ensuite de mieux appréhender les chiffres figurant dans les autres tableaux.

[15:48] On dispose donc également de données présentées sous forme de tableau un peu plus classique. Les trois rapports que l’on voit ici sont très facilement accessibles dans le logiciel. Ici, par exemple, on a un rapport sur la dernière fois où l’application a été utilisée par les utilisateurs. Il s’agit donc de la dernière utilisation, c’est-à-dire « days since last used », c’est-à-dire le nombre de jours écoulés depuis la dernière utilisation. Ce sont là les données brutes. Quelles informations peut-on en tirer ? Si je regarde cette colonne-là, par exemple, on a le temps d’utilisation total sur la période concernée. On ne va pas faire nos calculs du genre : « OK, si je prends 3 mois à 8 heures par jour pendant 3 mois ». Non, ce qu’on va faire, c’est comparer les utilisateurs entre eux. Et on constate très rapidement qu’il y a des utilisateurs avec 1 000 heures, d’autres avec 500 heures par exemple, et d’autres encore avec 0,3 heure. Donc, en gros, à quoi sert cette différence ? Elle permet de mieux adapter – on le verra tout à l’heure lors de la prise de décision – les types de licences dont on dispose. Ici, il n’est peut-être pas très judicieux d’attribuer le même type de licence à Braendra, qui totalise 1 000 heures, qu’à Benjamin, qui n’a que 2 heures en 3 mois.

[17:17] On peut adapter les types de licences en fonction des besoins. On peut également créer des groupes. Par exemple, tous ceux qui ont une centaine d’heures pourraient envisager des licences flottantes, entre autres. Voilà donc les conclusions que l’on peut tirer des données que nous traitons. On peut également avoir, par exemple, cet utilisateur-là qui n’a pas utilisé sa licence depuis 83 jours. Si l’on est dans le cas d’une licence nominative, par exemple, il serait peut-être intéressant de changer le type de licence pour cet utilisateur.

[17:56] Donc, ici, on a vu l’analyse et on a commencé à aborder un peu l’optimisation également. On va voir ça un peu plus en détail, même si ce sera rapide. Prendre des décisions, qu’est-ce que cela signifie ? Tout d’abord, on peut parler de changer les habitudes des utilisateurs. Comme je l’ai dit, il y a des gens qui font du « hogging » et d’autres qui font du « camping ». On peut déjà modifier ces habitudes-là, puisque l’on a vu que le fait de garder plusieurs licences ouvertes ou d’ouvrir plusieurs applications peut entraîner des écarts dans les données.

[18:40] Alors, tout d’abord, les employés ne sont souvent pas vraiment conscients du fait qu’ouvrir plusieurs applications ou oublier de fermer une application a un impact financier sur l’entreprise. D’abord parce que, dans un premier temps, les entreprises ne savent pas vraiment non plus combien cela leur coûte d’avoir deux licences ouvertes plutôt qu’une seule. Et ensuite, c’est une mauvaise habitude que l’on a. J’imagine que vous écoutez en ce moment même le webinaire, et que vous avez également d’autres applications ouvertes alors que vous ne vous en servez pas. C’est donc une habitude d’utilisation que tous les utilisateurs d’outils informatiques ont et qui n’est pas forcément facile à changer. Mais voilà, la première décision que l’on peut prendre, c’est de sensibiliser un peu les utilisateurs. On peut aller voir les utilisateurs un par un, entre guillemets. Je veux dire que, dans les données, on peut les retrouver, on peut les consulter, ou bien on peut organiser une petite formation.

[19:39] Ensuite, l’étape la plus importante, c’est la renégociation des contrats. C’est-à-dire qu’on vous donne accès aux données, on ouvre la boîte noire, pardon. En ouvrant la boîte noire, vous pouvez justifier les décisions que vous souhaitez prendre. Cela peut donc consister à modifier le nombre de licences. Je dis « modifier » et non « réduire », car l’optimisation ne se résume pas nécessairement à une optimisation financière ou à une réduction. L’idéal, entre guillemets, c’est de pouvoir réduire le nombre de licences, c’est-à-dire de constater qu’il y a des excédents, de voir qu’en réalité on a acheté beaucoup trop de licences, qu’on n’en utilise que 50 %. Dans ce cas-là, on examine nos données et on peut décider de diminuer ce nombre de licences. Mais vous pouvez également utiliser ces données pour justifier un investissement supplémentaire. Si vous constatez que vous atteignez le maximum de licences utilisées, que vous enregistrez de nombreux refus d’accès, que vous ne disposez d’aucun écart (c’est-à-dire d’aucune tendance négative dans l’utilisation des licences) et que cela correspond à la réalité, vous pouvez utiliser ces données pour éventuellement justifier un achat.

[20:46] Mais ce qui est aussi très intéressant, et qu’on oublie tout le temps, c’est que vous pouvez changer le type de vos licences. Alors, qu’est-ce que cela signifie ? La plupart du temps, en gros, les entreprises mettent tous leurs œufs dans le même panier. C’est-à-dire qu’elles optent pour des licences à jetons : 100 % de leurs licences seront à jetons, par exemple, ou 100 % seront des licences nominatives. On l’a vu tout à l’heure dans notre petit exemple : en réalité, la solution la plus optimale consiste à combiner les deux. C’est-à-dire que pour ceux pour qui il est plus intéressant d’avoir des licences à jetons, on optera pour un certain nombre de jetons. Si certains utilisateurs s’en servent toute la journée, tous les jours, on choisira peut-être un autre type de licence. Notre équipe chez Open iT vous aide à réaliser ces analyses. Vous n’avez pas besoin de chercher dans les outils de reporting comment obtenir ces informations. Nous vous aidons à les réaliser et à trouver la meilleure solution pour votre entreprise, c’est-à-dire la plus optimale en termes de coût.

[21:57] Ce qu’il faut souvent retenir globalement de cette renégociation des contrats, c’est qu’il n’est jamais intéressant de mettre tous ses œufs dans le même panier. Je vais prendre un exemple qui me parle davantage : la différence entre les licences nationales locales et les licences internationales. Si l’on part du principe que vous avez des ingénieurs dans de nombreux pays différents et que vous vous dites « bon, dans ce cas, c’est simple, il me faut des licences internationales », ce n’est peut-être pas la meilleure idée si vous avez des filiales dans plusieurs pays, des collaborateurs qui utilisent les logiciels dans plusieurs pays différents, et que vous vous dites « 1 % de mes licences doivent être internationales pour cette raison-là ». Peut-être que 90 % de l’utilisation d’un tel logiciel ou d’une telle fonctionnalité de ce logiciel se fait aux États-Unis. Dans ce cas, il est peut-être plus intéressant d’opter pour une licence locale pour les États-Unis et une licence internationale pour le reste.

[22:58] Ce qu’il faut retenir, c’est qu’il ne faut jamais mettre tous ses œufs dans le même panier et que l’optimisation, en gros, consiste à choisir le bon type de licence pour les bons utilisateurs. Et c’est là qu’on réalisera ensuite le plus d’économies, car c’est tout de même l’une de nos principales préoccupations, excusez-moi. Par ailleurs, quelque chose de plus élémentaire : vous pouvez également mieux cerner les différents types de « packaging », entre guillemets, c’est-à-dire les éditions dont vous avez besoin. Si, entre l’édition de base et l’édition avancée, je n’ai que deux nouvelles fonctionnalités et que cette fonctionnalité n’est utilisée que par quatre personnes, je n’ai peut-être pas besoin d’opter à 100 % pour l’édition avancée de tel logiciel. Ça semble évident. Mais en gros, ce raisonnement que je fais avec les éditions de base et avancée, c’est celui qu’il faut appliquer à tous les paramètres de la licence. Donc les jetons, les licences internationales, une licence perpétuelle ou un abonnement. Il faut donc garder à l’esprit de ne pas mettre tous ses œufs dans le même panier, ce n’est que rarement la solution la plus optimale.

[24:08] J’espère que tout va bien et que vous suivez. Maintenant, on va aborder un peu Power BI. J’espère que vous voyez mon écran. Ici, on a un rapport Power BI ; vous allez sûrement vous dire : « Comme d’habitude, le prof de maths nous parle de tickets de caisse, et le jour de l’examen, on se retrouve face à quelque chose qu’on ne comprend pas. » Donc ici, c’est tout simplement un aperçu de tous les produits de notre entreprise. Quand on consulte ce genre de rapport, en général, on ne le fait pas sans avoir une idée en tête, c’est-à-dire quelque chose qu’on souhaite observer. Je vais donc commencer par sélectionner un produit qui m’intéresse. Ici, je vais m’intéresser au produit 6is. Je vais donc cliquer pour sélectionner mes produits. Il y en a d’autres, n’est-ce pas ? Pour la démo, je prends celui-là.

[25:00] Qu’avons-nous déjà constaté ? Nous venons de constater que toutes les données se sont mises à jour en fonction des produits que j’ai sélectionnés ici. Dans Power BI, c’est ce qu’on appelle un filtre. C’est donc l’un des grands avantages de Power BI : l’accès au filtre. Nos données se mettent donc à jour. On va voir ici également qu’il y a des infobulles : en passant la souris sur une donnée, je peux obtenir plus de détails. Tout cela change donc de manière dynamique. Ici, pas besoin de cliquer : on dispose de données supplémentaires dès qu’on voit quelque chose qui nous intéresse. Je regarde ce graphique-là, ici. Et ici, on est dans le cas typique d’une entreprise qui dispose de 50 licences, et on constate qu’une utilisation quotidienne dépasse rarement les 20. Ici, on en est à 21 ; nous sommes en février et on constate qu’effectivement, il n’y a aucun problème d’utilisation des licences. Ici, on observe des refus d’accès ; on pourra aller se renseigner sur les raisons. Si je passe la souris dessus, j’obtiens un nom d’utilisateur. Grâce à ce nom d’utilisateur, je pourrai consulter ultérieurement les raisons de ce refus.

[26:16] Donc ici, en général, on observe, par exemple sur deux mois, l’utilisation des licences, et on constate que, disons, on dispose peut-être d’un peu trop de licences par rapport à ce qu’on utilise réellement. Et comme on va le voir, cette entreprise a pris la décision de revendre un certain nombre de licences. Mais on constate également que l’utilisation a baissé. Je ne connais pas les raisons, mais ce que je pourrais dire, par exemple, c’est qu’on s’est peut-être rendu compte de deux choses ici. La première, c’est qu’on disposait de trop de licences. La deuxième, c’est peut-être qu’on a étudié le comportement des utilisateurs et qu’on a constaté qu’il y avait peut-être des cas de « hogging » et de « camping ». Si je regarde la carte thermique en bas, qui représente les mêmes données, qu’est-ce que je vois ? Je vois que le samedi et le dimanche, par exemple, j’ai constamment au moins 14 licences ouvertes. Donc 14 sur 21 lors des pics d’utilisation, ça représente tout de même beaucoup. On a donc probablement détecté ici un écart dû à une mauvaise utilisation de la part des utilisateurs. Nous avons donc réduit notre nombre de licences, d’abord par rapport à l’utilisation maximale, puis par rapport à cet écart. Nous sommes ainsi passés de 50 licences disponibles à 16 licences disponibles. Et on constate qu’en tout cas, d’après les premiers échantillons ici, qui couvrent grosso modo une semaine, cela n’a posé aucun problème. Donc, globalement, du point de vue de l’entreprise, nous n’avions aucun problème avant, nous n’en avons aucun après, sauf qu’entre-temps, nous réalisons d’énormes économies sur les licences.

[28:04] Voici notre carte des refus. Je suis donc parti du principe que vous saviez de quoi il s’agissait. Un refus, c’est tout simplement le fait que je demande une licence et que je n’y ai pas accès. Il peut y avoir plusieurs raisons à cela. Je passe ma souris ici et cela va m’afficher un nom d’utilisateur. Et je vais pouvoir m’intéresser à cet utilisateur-là. Dans ce rapport, on a une vue d’ensemble de tous les produits, mais on peut aussi accéder à un autre niveau, celui de l’utilisateur, dans lequel je peux rechercher mon utilisateur. Ici, c’était né. En cliquant sur cet utilisateur-là, je vais obtenir la même chose ici, une carte thermique, mais relative à l’utilisateur. Et ce qu’on constate, c’est qu’il y a probablement un peu de « camping » et aussi un peu de « hogging ». Imaginez donc qu’un utilisateur puisse avoir jusqu’à trois licences ouvertes : grosso modo, cela multiplie par trois les coûts de licence.

[29:17] Voilà donc ce qu’il est possible de faire sur Power BI. Ce rapport-là, comme vous l’avez vu, se trouve sur Power BI, et non surLicenseAnalyzer™.Qu’est-ce que cela signifie ? Cela signifie qu’en général, vous contactez les équipes d’Open iT parce que vous avez besoin d’un rapport un peu plus personnalisé. Vous avez une idée plus précise de ce que vous souhaitez voir figurer dans les rapports disponibles surLicenseAnalyzer™.Et dans ce cas-là, on vous aide, on vous crée, disons, le rapport et on échange avec vous pour s’assurer que c’est bien ce que vous souhaitez. Il y a plusieurs possibilités ici. Je vous montre celui-ci, mais cela dépend vraiment de ce que vous souhaitez mettre en avant, de ce que vous souhaitez voir apparaître dans vos rapports.

[29:58] Open iT vous propose donc sa solution pour optimiser les données. Sa solution principale, son produit phare, c’estLicenseAnalyzer™.Évidemment, notre objectif est d’aider les entreprises. Nous nous adaptons donc à leurs besoins. Nous proposons trois niveaux différents en fonction de vos objectifs, de la manière dont vous souhaitez optimiser vos licences, voire du degré d’optimisation recherché. Le niveau 1 concerne le temps d’utilisation : en gros, on récupère les tickets de caisse, et on vous dit : « Voilà, vous disposez d’un certain nombre de licences et vous les utilisez de cette manière. Vous avez 25 personnes qui les utilisent simultanément. » C’est ce que l’on retrouve dans les données de temps d’utilisation. Vous avez tout de même accès à des rapports, mais vous n’aurez pas accès, par exemple, au niveau 2, qui correspond à l’utilisation active réelle. C’est-à-dire que nous vous aiderons à faire la distinction entre une utilisation active et une utilisation inactive. C’est-à-dire quelqu’un qui utilise la licence et qui travaille dessus. Comment le savoir ? Eh bien, on va mesurer un peu les interactions de la souris et du clavier, par exemple, dans le cadre de l’application, et on fera la distinction entre le temps pendant lequel une application est réellement utilisée – c’est-à-dire que l’on travaille dessus – et le temps pendant lequel elle est simplement ouverte.

[31:11] Ça vous donnera en gros un deuxième levier d’action qui permettra d’aller voir les utilisateurs et, éventuellement, de leur recommander de fermer les applications lorsqu’ils ne s’en servent pas. Cette fermeture automatique, c’est notre niveau 3. Le niveau 3, comment ça marche ? Il fonctionne comme le niveau 2. Mais si l’on constate que l’application n’est pas utilisée, on envoie une alerte à l’utilisateur. Si l’alerte est ignorée, on considère que l’utilisateur n’utilise pas l’application, qu’il n’est pas là, et on va donc fermer l’application. Ça ne veut pas dire qu’on ferme l’application et qu’on perd tout ce qu’on a fait. En gros, c’est la licence qui va être remise dans le pool. Le travail n’est pas perdu. Et bien sûr, pour tout ce qui concerne les paramètres que vous souhaitez adapter à votre entreprise, tout cela peut être fait, on peut également les adapter : par exemple, si vous souhaitez attendre 10 minutes avant de déclencher une alerte, on attendra 10 minutes.

[32:07] Il y a peut-être un détail que j’ai oublié de mentionner : je vous ai parlé de 6 mois, ce genre de choses. Les données, les tickets de caisse, on les récupère en temps réel toutes les 5 minutes. Vous pouvez à tout moment générer un rapport, qui sera à jour avec les données actuelles.

[32:32] Voilà donc pour ce webinaire consacré à la transformation des données brutes, au cours duquel j’ai établi une analogie entre les tickets de caisse et des leviers d’action, et où nous avons abordé les types de décisions que l’on pouvait prendre. Je vous invite donc à poser vos questions dans la section Questions-Réponses, sans oublier de vous rappeler qu’Open iT fête ses 25 ans cette année. Si vous souhaitez nous souhaiter un joyeux anniversaire, n’hésitez pas. Cela fait donc 25 ans que nous nous occupons de l’optimisation des licences logicielles. Pour nous, c’est quelque chose d’assez normal et naturel, mais on constate que pour les entreprises, ce n’est pas encore un réflexe. Avez-vous des questions ?

[33:35] Passons maintenant aux questions : avez-vous besoin d’acheter une licence Power BI pour utiliser le logiciel ? En effet, j’ai précisé que Power BI n’était pas inclus dans Open iT, mais pour l’utiliser, vous n’avez pas besoin d’acheter de licence Power BI. Vous pourriez éventuellement en avoir besoin si jamais vous souhaitez utiliser des fonctionnalités avancées, mais pour accéder au rapport que nous réaliserons avec vous ou que nous réaliserons et que nous examinerons ensuite ensemble, il n’est pas nécessaire d’investir dans des licences pour l’imprimer. D’autres questions ?

[34:29] Donc, si vous n’utilisez pas spécifiquement Power BI, on s’adapte : on peut utiliser les outils classiques de présentation des données. Il y a donc Power BI, mais on peut aussi utiliser Spotfire, Excel ou encore Tableau. Voilà, si vous utilisez déjà des outils de visualisation, vous n’aurez pas besoin d’en changer pour en apprendre un autre.

[35:08] Est-ce qu’on propose des formations sur Power BI ? En fait, en matière de formations, on peut proposer des services de conseil. Disons que notre équipe d’analystes de données ne dispense pas de formations certifiées ni de formations sanctionnées par un diplôme sur Power BI, mais si vous avez une idée précise de ce que vous souhaitez, contactez l’équipe d’analyse de données et d’avant-vente. C’est simple : si vous souhaitez que nous travaillions ensemble sur un rapport, c’est ce qui se passera et vous y aurez accès. Il ne s’agit donc pas de formations officielles, en gros, je dirais ça comme ça, mais vous bénéficierez de toute l’aide disponible de l’équipe TPA. Donc, tout d’abord, si vous n’avez aucune formation sur le logiciel Power BI, vous avez accès à une quinzaine, voire plus, de types de rapports, disons prédéfinis. C’est-à-dire que vous n’avez qu’à sélectionner le rapport qui vous intéresse. Vous indiquez votre commercial, vous indiquez la date, et le tableau s’affiche. Donc la partie création du tableau n’est pas indispensable : soit elle est déjà disponible dans le logicielLicenseAnalyzer™, soit, plus simple encore, il suffit de contacter l’équipe TPA pour créer le rapport sur mesure que vous souhaitez. Voilà donc la partie « création du rapport ». Ensuite, la partie « business intelligence », entre guillemets, les décisions. Nous vous donnerons nos conseils, fruit de nos 25 ans d’expérience. Mais voilà, il n’existe pas de formation diplômante ni de formation certifiante sur Power BI, ce qui ne signifie pas pour autant que vous n’aurez pas d’aide.

[37:07] Bon, je ne vois pas d’autres questions pour l’instant. Je vais attendre un tout petit peu, pour être sûr de regarder au bon endroit.

[37:23] Donc, la dernière conclusion – il y en a toujours plusieurs. Comme on l’a vu, il faudrait par exemple six mois de données pour obtenir un résultat représentatif. Qu’est-ce que cela signifie ? Cela signifie que si vous pensez que cela peut s’appliquer à votre entreprise, c’est le cas dans la plupart des situations. Le mieux est de commencer le plus tôt possible. Enfin, je veux dire, évidemment, ça ressemble à un argument marketing, mais ça repose aussi sur une base mathématique, disons. Donc, le mieux est de commencer le plus tôt possible. Plus tôt vous commencerez, plus tôt vous pourrez prendre les bonnes décisions. Donc, si cela vous intéresse, vous pouvez, grâce au code QR ci-contre, nous contacter et bénéficier d’une consultation gratuite de 30 minutes avec un membre de l’équipe d’analyse de données. Vous aurez ainsi accès à l’enregistrement du webinaire à la fin. Vous pourrez donc accéder à ce code QR.

[38:23] N’hésitez pas. Toutes les questions que vous avez, celles que j’ai peut-être pas vues ou celles auxquelles je n’ai pas répondu, celles que vous n’avez pas osé poser, n’hésitez pas à les poser ici. Fort de mon expérience de professeur de mathématiques, je sais qu’il y a toujours des questions, mais qu’on n’ose pas les poser. Ici, vous disposerez peut-être d’un cadre un peu plus intime pour les poser et vous pourrez nous contacter, notamment à cette adresse e-mail : getstedopenit.com. Nous prendrons alors contact avec vous et, dans tous les cas, nous commencerons par un dialogue afin d’identifier vos besoins. Nous ferons rapidement le point, identifierons les axes d’optimisation possibles et vous expliquerons un peu plus en détail, d’un point de vue technique, comment cela se met en place si vous le souhaitez.

[39:14] Alors merci beaucoup d’avoir participé à ce webinaire. J’espère que ce n’était pas trop « scolaire » et que cela ne vous a pas rappelé trop de mauvais souvenirs. Merci.