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

[0:00] Nicolas: Bonjour à tous et bienvenue. Merci et bienvenue d’être ici pour notre webinaire sur transformer les données brutes d’Open iT en levier d’action avec notamment du Power BI pour la gestion des licences. Donc je me présente, je m’appelle Nicolas, donc je suis data analyste chez Open iT. Avant d’être data analyste chez Open iT, j’étais professeur de mathématiques en lycée en France et au Mexique. Mais ne vous inquiétez pas, il y aura pas trop de mathématiques dans la présentation. Par contre, vous allez peut-être le remarquer que j’étais professeur.

[0:39] Donc aujourd’hui, on va s’intéresser à quoi ? On va s’intéresser à l’optimisation de l’usage de licence logicielle dans les entreprises. Donc on va voir pourquoi est-ce que on peut s’intéresser à ce domaine là. On va voir comment on peut faire pour mettre en place des méthodes d’optimisation. On va vous présenter LicenseAnalyzer™ qui est donc notre solution chez Open iT pour optimiser l’usage de vos licences logicielles et on ira faire un petit tour sur Power BI pour aller voir des exemples d’analyse. Si vous avez des questions, vous pouvez les poser dans la partie Q&A sur Teams et donc notre équipe fera en sorte d’y répondre à la fin de la présentation. Merci.

[1:26] Alors, pourquoi s’intéresser à l’optimisation des licences logicielles ? Donc quand on est une entreprise et quand on fait face à des difficultés financières, qu’on doit faire des réductions de coût, qu’on est soumis à une pression budgétaire, souvent les solutions envisagées sont les mêmes, entre guillemets les plus classiques, c’est-à-dire geler les recrutements, réduire les déplacements, couper dans les formations ou geler des projets non prioritaires. Ces quatre solutions ici, elles ont toutes un point commun et un impact négatif. C’est-à-dire qu’elles ont un coût indirect sur la performance, c’est-à-dire qu’on peut avoir des effets négatifs tel que affecter la motivation, la productivité mais également par exemple la capacité d’innovation.

[2:18] On oublie souvent, les entreprises n’y pensent pas beaucoup, que l’optimisation de l’usage des licences logicielles peut aussi être une solution pour réduire les coûts d’une entreprise. Quel est l’avantage et pourquoi est-ce que c’est intéressant de s’intéresser à ce domaine-là ? C’est que il n’y a pas de coût caché et le retour sur investissement est mesurable. Donc pas de coût caché car on parle d’optimisation, c’est-à-dire adapter le nombre de licences à ceux dont on a besoin. Ça veut pas dire qu’on va avoir des utilisateurs qui auront plus accès aux licences. Et le retour sur investissement est mesurable. Pour voir ça, on va aller voir du côté de nos témoignages clients, pardon. On a ici par exemple Total Energie qui nous dit que la solution Open iT leur a permis de réduire leur coût de 39 % ce qui représentait un retour sur investissement d’un facteur 21.

[3:17] Alors évidemment, ça va dépendre de la taille de notre entreprise, des types de licence qu’on utilise, mais 39 % de réduction des coûts et un ROI de 21, c’est assez énorme. Alors, comment ça se fait qu’on puisse atteindre des nombres si importants et comment ça se fait que l’optimisation des licences logicielles ne soit pas plus automatique si les gains sont si importants ? Une des raisons, une des explications qu’on peut vous donner, c’est que pour les entreprises, c’est un petit peu une boîte noire les licences logicielles. C’est-à-dire que tant que on n’a pas de problème, on considère que tout roule. Sauf que il y a une grosse différence entre avoir une utilisation optimale et ne pas avoir de problème.

[4:08] On peut avoir 500 licences pour 10 utilisateurs. Forcément, on aura aucun problème de denials par exemple, mais on peut optimiser ça. Donc on va voir comment on peut optimiser l’usage des licences logicielles, comment on peut aller un petit peu dans cette boîte noire. Et on va faire une analogie avec la gestion du budget familial et on va voir que c’est plus simple qu’il n’y paraît dès qu’on commence à s’y intéresser. Imaginons une famille veut reprendre le contrôle de son budget, veut faire des économies par exemple pour passer des vacances au Mexique. Qu’est-ce qu’elle va faire ?

[4:47] Souvent les conseils donnés sont les mêmes. Toujours on veut commencer par garder des traces des dépenses. Donc garder les factures et garder les tickets de caisse. On va garder ça pour à la fin du mois ou à la fin de la semaine identifier nos dépenses pour faire des catégories. Donc des catégories comme par exemple le loyer, les assurances, les abonnements, donc toutes les charges fixes, on peut avoir ensuite les loisirs, l’alimentaire, on va faire des catégories. Donc grosso modo, on fait un petit peu d’analyse de données et ensuite une fois qu’on aura nos informations qui seront représentées, donc le point numéro 1, ça serait les données brutes, le point numéro 2, ça serait les leviers d’action, le point numéro 3, prendre les décisions. Donc chez Open iT, donc 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 considérant l’optimisation des licences logicielles. Donc on va aller voir chacun de ces trois points un par un pour avoir un petit peu de contexte.

[6:04] Donc mesurer l’usage des licences logicielles. Si on reprend notre exemple des familles, c’est les factures et les tickets de caisse. Et littéralement, c’est ce qu’on va faire. C’est-à-dire que dans le cadre de l’optimisation des licences logicielles, les factures et les tickets de caisse, on appelle ça grosso modo les check-in et les checkout. Qu’est-ce que c’est les check-in et les checkout ? C’est tout simplement l’utilisation des licences. Donc un check-in, on remet la licence dans le pool de licence. Grosso modo, on ferme une application. Donc on se place du point de vue du gestionnaire de licence. C’est pour ça que le check-in, c’est pour remettre la licence dans le gestionnaire de licence grosso modo. Et le checkout c’est prendre une licence dans le pool de licence. Voilà, à peu près notre ticket de caisse. On aura un petit peu plus d’informations. Dans les informations supplémentaires, on aura l’application qui a été ouverte ou fermée, l’utilisateur qui a ouvert ou fermé l’application, qui a utilisé la licence. On va avoir l’heure du check-in, l’heure du checkout.

[7:11] Donc c’est pas forcément une liste exhaustive, mais c’est le type d’information qu’on va avoir sur notre ticket de caisse. Et donc avec ça, on peut également créer d’autres types de données un peu plus élaborées. Par exemple, si j’ai l’heure du check-in et l’heure du checkout, je fais une différence. Je peux avoir 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. Donc c’est une information qui n’apparaît pas explicitement sur mon ticket de caisse mais que je peux déduire ensuite.

[7:50] Donc ça c’est la partie analyse qu’on va voir juste après. Donc cette partie analyse, on va rentrer un petit peu plus dans le détail quand même. Donc c’est les tri par catégorie. Donc souvent faire des analyses sur Excel ou sur les BI tools comme Power BI ou d’autres, ça revient à quand même faire des catégories. Donc qu’est-ce qu’on a comme catégorie dans le cadre des licences logicielles ? On peut avoir donc des analyses par application, donc par vendeur, par produit. On peut avoir des analyses par utilisateur. On va voir que c’est important pour identifier des comportements qui pourrait nous permettre de faire des économies pardon. Ensuite, on peut faire une analyse par projet ou par département. Donc en gros, ce seront des groupes d’utilisateurs. Ça c’est encore plus pratique dans le cas d’un charge back par exemple si vous voulez répartir un peu plus équitablement de façon plus juste vos ressources à travers vos différents départements. On peut aussi faire ça.

[9:03] Et quelque chose qui est important aussi, on peut faire des analyses de tendance sur des périodes. Donc ça c’est un point important qui peut être un point 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, à mesurer tout d’abord l’utilisation de vos licences logicielles, peut-être que la période d’été est une période un peu creuse. Donc peut-être que ça ne sera pas représentatif des besoins de l’entreprise sur une année. Donc il faut faire attention à ça. En général, on préconise d’avoir 6 mois de données pour pouvoir faire justement cette analyse de tendance et ces prédictions sur une année. Ça empêche pas que dans certains cas, on peut prendre des décisions plus rapidement qu’avec 6 mois, il y a pas de souci.

[9:50] Donc ces analyses, on va pas les faire uniquement sur Excel. Ce qu’il se passe, c’est que dans le logiciel d’Open iT, donc LicenseAnalyzer™, vous avez accès à des rapports, d’accord ? Ça vient de l’anglais report, je veux dire rapport. Ces types de rapport, vous y avez accès très simplement dans le logiciel. Vous pouvez simplement choisir votre vendeur, le produit qui vous intéresse, la période que vous voulez observer et vous allez avoir ce qu’on appelle ici une heat map des licences de l’utilisation des licences logicielles. Que veulent dire les nombres ici dans notre tableau ? Ils veulent dire il y a eu par exemple le dimanche à 4h du matin, il y avait deux licences ouvertes simultanément.

[10:40] Qu’est-ce qu’on constate ? On constate que durant les horaires de travail c’est là que nos couleurs se décalent vers le jaune et le rouge puisque ce sont les horaires de travail donc dans lesquels les applications sont utilisées. On voit déjà des données qui sont intéressantes ici. Par exemple, le maximum de licences disponibles, donc c’est-à-dire les licences que l’entreprise paye ici est de 22. Alors que on voit que donc sur cette période de 3 mois, le maximum qui a été utilisé simultanément est de 14. Donc ici, on peut éventuellement se dire je vais faire une étude un petit peu plus poussée, c’est-à-dire éventuellement sur une période plus longue pour voir si ces 3 mois sont représentatifs et on pourra éventuellement adapter ce nombre de licences.

[11:34] Qu’est-ce qu’on regarde d’autre sur cette heat map où c’est très facile à voir, on le reverra plus tard également. On voit que le dimanche et le samedi, on a constamment deux licences ouvertes. Ici, on en a même trois. On a continuellement deux licences ouvertes pendant tout le weekend. Alors, avant de se dire que c’est pas bien, on peut considérer que ce soit volontaire. On a peut-être des logiciels de simulation, des jobs qui tournent. C’est peut-être volontaire mais peut-être que ça ne l’est pas. En tout cas, on a la donnée, on peut prendre une décision ici. La décision sera d’aller éventuellement dans un autre rapport, d’identifier les utilisateurs qui ont ces licences ouvertes à ces moments et d’aller se renseigner sur pourquoi est-ce que ces applications sont ouvertes. Donc ça peut être deux utilisateurs qui chacun ont oublié de fermer une application. Dans ce cas-là, ça s’appelle du camping.

[12:34] Garder une licence pour soi pendant 2 jours entiers. Ça peut être aussi un seul utilisateur qui a pris deux licences du pool, qui a deux fois l’application ouverte. Dans ce cas-là, ça s’appelle du hogging. Donc ça serait du hogging et du camping. Donc, les données nous permettent de voir ce genre de comportement.

[12:55] Et on ira voir tout à l’heure que quand on commence à avoir beaucoup d’employés, on va dire une cinquantaine d’employés qui utilisent des licences, c’est important d’identifier ces comportements parce que ça peut créer une sorte d’offset, c’est-à-dire on part pas de zéro mais on part de deux à chaque fois. Donc voilà, ces données très visuelles sur toute l’entreprise nous permettent d’avoir accès à ces informations. Donc ça vient du ticket de caisse et on le transforme en information.

[13:28] On peut avoir accès aussi à des diagrammes en barre comme ici. Donc ce graphique là s’appelle par exemple license efficiency chart qui grosso modo nous donne un petit peu, donc on va partir du principe qu’on a 10 licences disponibles. La license efficiency ça veut dire si on utilise les 10 licences sur les 10 disponibles, c’est très bien. Ici qu’est-ce qu’on voit ? On voit que le maximum d’utilisation simultanée de cette licence est de 9. Donc si on garde uniquement ces deux chiffres, on pourrait avoir deux approches. On pourrait se dire c’est bien, on a de la place. 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 que on n’est pas loin du nombre maximal. Mais ce graphique qu’est-ce qu’il nous dit ? Il nous dit également que 99 % du temps 8 licences suffisent et que 95 % du temps cette licence suffit.

[14:37] Alors qu’est-ce que ça veut dire ? Si on revient sur l’exemple de la heat map tout à l’heure avec les campers et les hoggers, qu’on regarde également ces données là, c’est-à-dire 99 % du temps ou 95 % du temps le nombre de licences suffisant. On voit au final que c’est un tout. Si on veut prendre une décision sur quelque chose, il faut qu’on ait accès au maximum de données possibles. Ici, on a peut-être 7, mais on a peut-être un 97 de 2. Donc en fait, peut-être que ce nombre là, même 5, ça suffirait. Donc ça, c’est un petit peu l’étude, l’analyse qu’on peut faire avec nos données. Ici, qu’est-ce qu’on voit ? On voit que donc ce tableau-là est une traduction du diagramme. Le maximum de licence utilisé simultanément était de 9 pendant 2 heures, ce qui correspond à 0,1 % du total. Donc ce graphique-là ne correspond pas à la heat map que j’ai présenté tout à l’heure. Ce sont pas les mêmes chiffres. Mais voilà ici on voit que régler le problème des utilisateurs d’abord les hoggers et les campers permet ensuite de pouvoir mieux envisager le nombre qu’on a dans les autres tableaux.

[15:48] Donc on a aussi des données représentées sous forme de tableau un peu plus classique. Donc les trois rapports qu’on a ici, vous y avez accès de façon très simple dans le logiciel. Ici, on a par exemple un rapport sur la dernière fois qu’a été utilisée l’application par les utilisateurs. Donc la dernière fois donc days since last used, donc les jours passés depuis la dernière utilisation. Donc ça ce sont les données brutes. Qu’est-ce qu’on peut en tirer comme information ? Si je regarde cette colonne là par exemple, on a le temps d’utilisation totale sur la période concernée. On va pas faire nos calculs de OK, si je prends 3 mois 8h par jour pendant 3 mois. Non, ce qu’on va faire, c’est qu’on va comparer les utilisateurs entre eux. Et on peut voir très rapidement que on a des utilisateurs avec 1 millier d’heures, des utilisateurs avec 500 heures par exemple, d’autres avec 0,3h. Donc grosso modo, à quoi ça sert d’avoir cette différence-là ? Ça sert à mieux ajuster, on va le voir tout à l’heure dans la prise de décision, mieux ajuster les types de licences qu’on a. Ici, c’est peut-être pas très avisé d’avoir un même type de licence pour Braendra avec 1000 heures que Benjamin qui a 2h en 3 mois.

[17:17] On peut adapter les types de licences qu’on en fait. On peut voir, on peut faire des groupes aussi. Tous ceux qui ont une centaine d’heures par exemple pourraient envisager des licences flottantes par exemple et ce genre de choses. Donc ça, ce sont les conclusions qu’on peut tirer des données que nous on transforme. On peut avoir aussi par exemple cet utilisateur là qui n’a pas utilisé la licence depuis 83 jours. Si on est dans un cas de licence nommée par exemple, peut-être que ça serait intéressant de changer le type de licence pour cet utilisateur.

[17:56] Donc ici, on a vu l’analyse et on a commencé à parler un petit peu de l’optimisation aussi. On va voir un petit peu plus en détail, même ça sera rapide. Prendre des décisions, qu’est-ce que ça veut dire ? Premièrement, on peut parler de changer les habitudes des utilisateurs. Comme je l’ai dit, on a des gens qui font du hogging et des gens qui font du camping. On peut changer déjà ces habitudes là, puisque on a vu que garder plusieurs licences ouvertes, ouvrir plusieurs applications, ça peut créer des offsets dans les données.

[18:40] Alors, la première chose c’est que souvent les employés ne sont pas trop au courant qu’ouvrir plusieurs applications ou que oublier de fermer l’application a un impact financier sur l’entreprise. Déjà parce que dans un premier temps, les entreprises ne savent pas vraiment non plus combien ça leur coûte d’avoir deux licences ouvertes plutôt qu’une. Et ensuite, c’est une mauvaise habitude qu’on a. J’imagine que vous écoutez maintenant le webinaire, vous avez également d’autres applications qui sont lancées alors que vous ne vous en servez pas. Donc c’est une habitude de consommation que tous les utilisateurs d’outil informatique ont et qui sont pas forcément faciles à changer. Mais voilà, première décision qu’on peut prendre, c’est sensibiliser un petit peu les utilisateurs. On peut aller voir les utilisateurs un par un entre guillemets. Je veux dire dans les données, on peut les retrouver, on peut les consulter ou sinon on peut faire une petite formation.

[19:39] Ensuite, la partie la plus importante, c’est la renégociation des contrats. C’est-à-dire que on vous donne accès à des données, on ouvre la boîte noire, pardon. En ouvrant la boîte noire, vous pouvez justifier les décisions que vous voulez prendre. Donc ça peut être changer le nombre de licences. Alors, je dis changer et pas réduire parce que l’optimisation ce n’est pas forcément que l’optimisation financière ou la réduction. L’idéal, entre guillemets, c’est de pouvoir réduire le nombre de licences, c’est-à-dire voir qu’on a des offsets, voir que en fait on a acheté beaucoup trop de licences, qu’on utilise 50 % des licences. Dans ce cas-là, on regarde nos données et on peut prendre la décision de baisser ce nombre de licences. Mais vous pouvez aussi vous servir de ces données là pour justifier un investissement supplémentaire. Si vous voyez que vous atteignez le maximum des licences utilisées, vous voyez que vous avez beaucoup de denials, que vous n’avez pas d’offset, c’est-à-dire pas d’habitude négative sur l’utilisation des licences et que c’est un fait, vous pouvez utiliser ces données là pour éventuellement justifier un achat.

[20:46] Mais le plus intéressant aussi, qu’on oublie tout le temps, c’est que vous pouvez changer le type de vos licences. Alors, qu’est-ce que ça veut dire ? La plupart du temps, en gros, les entreprises mettent tous leurs oeufs dans le même panier. C’est-à-dire, on a des licences à jeton, 100 % de nos licences seront à jeton, par exemple, ou 100 % seront des licences nommées. On l’a vu tout à l’heure un petit peu dans notre petit exemple que en fait le plus optimal c’est de faire des mélanges. C’est-à-dire ceux pour qui c’est plus intéressant d’avoir des licences à jeton, on prendra un certain nombre de jetons. Si on a des utilisateurs qui l’utilisent toute la journée, tous les jours, on prendra peut-être un autre type de licence. Ces études notre équipe chez Open iT vous aide à les faire. Vous n’avez pas besoin de trouver dans les outils de rapport comment arriver à cette information là. On vous aide à les faire et on vous aide à trouver la meilleure recette en gros pour votre entreprise, c’est-à-dire la plus optimale en terme de coût.

[21:57] Souvent ce qu’il faut retenir globalement de cette renégociation des contrats, c’est que c’est jamais intéressant de mettre tous ces oeufs dans le même panier. Je vais prendre un exemple qui moi me parle plus. La différence entre des licences nationales locales ou des licences internationales. Si on part du principe que vous avez des ingénieurs dans beaucoup de pays différents et vous vous dites “et ben dans ce cas-là c’est facile, il me faut des licences internationales”, c’est peut-être pas la meilleure idée si vous avez des entreprises dans plusieurs pays, des gens 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 vous avez 90 % de l’utilisation de tel logiciel ou de telle feature du logiciel qui se fait aux États-Unis. Dans ce cas-là, c’est peut-être plus intéressant d’avoir une licence locale pour les États-Unis et licence internationale pour le reste.

[22:58] Ce qu’il faut retenir, c’est que c’est jamais bon de mettre tous ces oeufs dans le même panier et que l’optimisation en gros c’est le bon type de licence pour les bons utilisateurs. Et c’est ici que on fera le plus d’économie ensuite parce que c’est quand même une de nos préoccupations principales, pardon. Également, quelque chose de plus basique mais vous pouvez également identifier un petit peu mieux les types de packaging entre guillemets, les éditions dont vous avez besoin. Si entre l’édition basique et l’édition avancée j’ai seulement deux nouvelles features et que cette feature elle est utilisée seulement par quatre personnes, j’ai peut-être pas besoin de prendre 100 % d’édition avancée de tel logiciel. Ça paraît évident. Mais en gros, ce raisonnement là que je fais avec édition basique et avancée, c’est le raisonnement qu’il faut faire avec tous les paramètres de la licence. Donc des jetons, licences internationale, une licence perpétuelle ou un abonnement. Donc ce qu’il faut garder en tête, ne pas mettre tous ces oeufs dans le même panier, c’est rarement la solution la plus optimale.

[24:08] J’espère que ça va et que vous suivez. Maintenant, on va aller voir un petit peu de Power BI. Donc ici, j’espère que vous voyez mon écran. Ici, on a un rapport donc Power BI donc vous allez vous dire classique, le professeur de math, il nous parle de ticket de caisse et après le jour de l’examen, on a quelque chose qu’on comprend pas. Donc ici, c’est une vue tout simplement sur tous les produits de notre entreprise. Quand on va dans ce genre de rapport, en général, on y va pas sans une idée derrière la tête, c’est-à-dire quelque chose qu’on veut observer. Donc ici, je vais commencer par sélectionner un produit qui m’intéresse. Donc ici, je vais m’intéresser au produit 6is. Donc je vais cliquer sélectionner mes produits. Donc il y en a d’autres, hein. Pour la démo ici, je prends celui-là.

[25:00] Qu’est-ce qu’on vient déjà de constater ? On vient de constater que toutes les données se sont mises à jour avec les produits que j’ai sélectionnés ici. Dans Power BI, c’est ce qu’on appelle un filtre. Donc c’est un des gros avantages de Power BI, c’est l’accès au filtre. Donc nos données se mettent à jour. On va voir ici également qu’on a des tooltips, c’est-à-dire je passe ma souris sur une donnée, je peux avoir plus de précision. Donc tout ça qui change dynamiquement. Ici, on n’a pas besoin de faire du clic, on a des données supplémentaires si on voit quelque chose qui nous intéresse. Je regarde ce graphique là ici. Et ici, on est dans le cas typique d’une compagnie qui a 50 licences disponibles et ici, on voit une utilisation quotidienne qui dépasse rarement les 20. Ici, on a 21, on est en février et on voit que oui, effectivement, il y a aucun problème d’utilisation des licences. Ici, on a des denials, on pourra aller se renseigner sur les raisons. Si je mets la souris dessus, j’ai un nom d’utilisateur. Avec ce nom d’utilisateur, je pourrais plus tard aller regarder les raisons de ce denial.

[26:16] Donc ici, typiquement, on attend, on regarde sur 2 mois par exemple un petit peu l’utilisation des licences et on voit que bon, peut-être qu’on a un petit peu trop de licence par rapport à ce qu’on utilise réellement. Et on va le voir, cette entreprise, elle a pris la décision de vendre un certain nombre de licences. Mais on voit également que ici l’utilisation a aussi baissé. Je ne connais pas les raisons, mais ce que je pourrais dire par exemple, c’est ici, on s’est rendu compte de deux choses peut-être. La première qu’on avait trop de licence disponible. La deuxième peut-être qu’on a été étudier le comportement des utilisateurs et qu’on a vu que on avait peut-être du hogging et du camping. Si je regarde la heat map 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 14 licences ouvertes au minimum. Donc 14 sur 21 quand on a les utilisations maximales, ça représente quand même beaucoup. Donc ici, on a probablement détecté qu’on avait un offset, dû à une mauvaise utilisation par les utilisateurs. Donc on a baissé notre nombre de licences d’abord par rapport à l’utilisation maximale et ensuite par rapport à l’offset. Donc on est passé de 50 licences disponibles à 16 licences disponibles. Et on voit que en tout cas sur les premiers échantillons ici qu’on a grosso modo une semaine, ça n’a pas causé de problème. Donc en gros du point de vue de la compagnie, on avait pas de problème avant, on a pas de problème après, sauf que entre-temps, on économise énormément sur les licences.

[28:04] Ici, on a notre carte des denials. Donc je suis parti du principe que vous saviez ce que c’est. Donc un denial, c’est tout simplement je demande une licence et je ne peux pas y avoir accès. Il peut y avoir plusieurs raisons à ça. Je mets ma souris ici et ça va m’afficher un nom d’utilisateur. Et je vais pouvoir aller m’intéresser à cet utilisateur là. Dans ce rapport, on a notre vue holistique sur tous les produits, mais on peut aussi avoir accès à un autre niveau qui est le niveau utilisateur dans lequel je peux aller chercher mon utilisateur. Ici c’était né. En cliquant sur cet utilisateur là, je vais avoir la même chose ici, une heat map, mais relative à l’utilisateur. Et ce qu’on voit, c’est que on a probablement un petit peu de camping et on a aussi un petit peu de hogging. Donc imaginez si un utilisateur peut avoir jusqu’à trois licences ouvertes, ben grosso modo, ça multiplie par 3 les coûts en licence.

[29:17] Donc voilà ce qu’on peut faire sur Power BI. Donc ce rapport là, vous l’avez vu, il est sur Power BI, il est pas sur LicenseAnalyzer™. Qu’est-ce que ça veut dire ? Ça veut dire que globalement vous rentrez en contact avec les équipes de Open iT parce que vous avez besoin d’un rapport un petit peu plus personnalisé. Vous avez une idée plus précise de ce que vous voulez que les rapports disponibles sur LicenseAnalyzer™. Et dans ce cas-là, on vous aide, on vous fait, on va dire, le rapport et on communique avec vous pour être sûr que c’est bien ce que vous voulez. On a des différents ici. Je montre que celui-là mais vraiment ça dépend de ce que vous voulez montrer, ce que vous voulez voir dans vos rapports.

[29:58] Donc Open iT vous propose sa solution pour optimiser les données. Donc sa solution principale, son produit phare, c’est LicenseAnalyzer™. Donc évidemment nous, on veut aider les entreprises. Donc aussi on s’adapte aux entreprises. Donc on a trois niveaux différents suivant ce que vous voulez, comment vous voulez optimiser, même voir le degré d’optimisation. Le niveau 1 concerne le temps d’utilisation, c’est-à-dire en gros on récupère les tickets de caisse, et on va vous dire voilà, vous avez tant de licences et vous les utilisez comme ça. Vous avez 25 personnes en même temps qui les utilisent. Donc ça ça sera dans les temps d’utilisation. Vous avez quand même accès à des rapports, mais vous n’aurez pas accès par exemple au niveau 2 qui est l’usage actif réel. C’est-à-dire on va vous aider à faire la différence entre une utilisation active et une utilisation inactive. C’est-à-dire quelqu’un qui utilise la licence qui travaille dessus. Comment on fait pour le savoir ? Et ben on va mesurer un petit peu les inputs souris et clavier par exemple dans le cadre de l’application et on fera la différence entre le temps où une application est réellement utilisée, travaille sur l’application, et le temps où elle est simplement ouverte.

[31:11] Ça ça vous donnera un deuxième levier d’action grosso modo qui permettra d’aller voir les utilisateurs et éventuellement préconiser de fermer les applications quand on s’en sert pas. Cette fermeture automatique, c’est notre niveau 3. Le niveau 3, qu’est-ce qu’il fait ? Il fait comme le niveau 2. Mais si on voit que l’application n’est pas utilisée, on envoie une alerte à l’utilisateur. Si l’alerte est ignorée, on considère que l’utilisateur ne se sert pas de l’application, n’est pas là et donc on va fermer l’application. Ça veut pas dire qu’on ferme et qu’on perd tout ce qu’on a fait. Grosso modo, c’est la licence qui va être remise dans le pool. Le travail n’est pas perdu. Et évidemment pour tout ce qui est paramètres que vous voulez adapter à votre entreprise, tout ça, on peut le faire, on peut l’adapter aussi, c’est-à-dire si vous voulez attendre 10 minutes avant de lancer une alerte, on attend 10 minutes.

[32:07] Quelque chose que j’ai éventuellement 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 n’importe quel moment générer un rapport, il sera à jour avec les données actuelles.

[32:32] Donc voilà pour ce webinaire sur transformer les données brutes, dans lequel j’ai fait de l’analogie avec les tickets de caisse en levier d’action, où on a parlé des types de décisions qu’on pouvait prendre. Donc je vous invite à poser vos questions dans la partie Q&A et voilà, tout en n’oubliant pas de vous dire que Open iT a 25 ans cette année. Donc si vous voulez souhaiter un joyeux anniversaire, n’hésitez pas. Donc 25 ans où on s’occupe de l’optimisation des licences logicielles. Donc pour nous c’est quelque chose d’assez normal et naturel mais on le voit pour les entreprises, c’est pas encore un réflexe. Donc est-ce qu’il y a des questions ?

[33:35] Donc dans les questions, est-ce que vous avez besoin d’acheter une licence Power BI pour utiliser le logiciel ? Donc effectivement, j’ai dit que le Power BI, il était pas inclus dans Open iT, mais pour vous en servir, vous n’avez pas besoin d’acheter de licence Power BI. Vous pouvez éventuellement en avoir besoin si jamais vous voulez utiliser des fonctionnalités avancées mais pour avoir accès au rapport que nous on fera avec vous ou qu’on fera et que ensuite on regardera ensemble. Pour ça, il y a pas besoin d’investir dans des licences pour l’imprimer. D’autres questions ?

[34:29] Donc si vous utilisez pas Power BI spécifiquement, on s’adapte, on peut avoir les outils classiques de présentation des données. Donc il y a Power BI, on peut faire avec Spotfire, vous pouvez faire avec Excel aussi, Tableau. Donc voilà, si vous utilisez déjà des outils de visualisation, vous n’aurez pas besoin de changer pour en apprendre un autre.

[35:08] Est-ce que on offre des formations en Power BI ? Alors des formations, on peut offrir du conseil, on va dire notre équipe de data analystes on ne fait pas de formation certifiée ou de formation diplômante sur le Power BI mais si vous avez une idée de ce que vous voulez vous contactez l’équipe de data analyse et prévente. C’est simple, si vous voulez que on travaille ensemble sur un rapport, c’est ce qui se passera et vous aurez accès donc c’est pas des formations officielles en gros, je dirais ça comme ça, mais vous aurez toute l’aide disponible de l’équipe TPA. Donc déjà la première chose c’est que si vous avez aucune formation en Power BI dans le logiciel vous avez accès à une quinzaine je crois, même plus, de types de rapport on va dire prédéfinis. C’est-à-dire vous avez juste à sélectionner le rapport qui vous intéresse. Vous mettez votre vendeur, vous mettez la date et ça va vous sortir le tableau. Donc la partie pour faire un tableau, celle-là elle est pas indispensable, soit elle est déjà disponible sur le logiciel LicenseAnalyzer™, soit le plus simple, c’est de prendre contact avec l’équipe de TPA pour créer le rapport qu’on veut sur mesure. Donc ça c’est la partie création du rapport. Ensuite, la partie business intelligence, entre guillemets, les décisions. Nous, on vous donnera nos conseils qui ont été acquis grâce à notre expérience de 25 ans. Mais voilà, il y a pas une formation diplômante, une formation certifiante sur le Power BI, mais ça veut pas dire que vous n’aurez pas d’aide.

[37:07] Donc je vois pas d’autres questions pour l’instant. Je vais patienter un tout petit peu, être sûr que je regarde au bon endroit.

[37:23] Donc la dernière conclusion, il y a toujours plusieurs conclusions. Donc on l’a vu, il faudrait par exemple 6 mois de données pour avoir quelque chose qui est représentatif. Ça veut dire quoi ? Ça veut dire que si vous pensez que ça peut s’appliquer à votre entreprise, la plupart du cas ça l’est. Le mieux est de commencer le plus tôt possible. Enfin, je veux dire, évidemment, ça ressemble à un argument marketing, mais ça a aussi une base mathématique, on va dire. Donc le mieux c’est de commencer le plus tôt possible. Le plus tôt vous commencez, le plus tôt vous pourrez prendre les bonnes décisions. Donc si vous êtes intéressé, vous pouvez ici avec le QR code prendre contact avec nous et avoir une consultation gratuite de 30 minutes avec un membre de l’équipe de data analyse. Donc vous aurez accès au recording du webinaire à la fin. Donc vous pourrez avoir accès à ce QR code.

[38:23] N’hésitez pas. Toutes les questions que vous avez, celles que j’ai peut-être pas vu ou celles auxquelles je n’ai pas répondu, celles que vous n’avez pas osé poser, n’hésitez pas à le faire ici. Avec l’expérience de professeur de mathématiques, je sais qu’il y a toujours des questions mais qu’on ose pas les poser. Donc ici, vous aurez peut-être un cadre un petit peu plus privé pour les poser et vous pouvez prendre contact avec nous, notamment à cette adresse mail ici getstedopenit.com pour on va prendre contact avec vous et de toute façon ça commencera par du dialogue et identifier vos besoins. On verra rapidement et on identifiera les axes possibles d’optimisation et on vous expliquera un petit peu plus d’un point de vue technique comment ça se met en place si vous le désirez.

[39:14] Donc merci beaucoup d’être venu à ce webinaire. J’espère que c’était pas trop scolaire et que ça vous a pas rappelé trop de mauvais souvenirs. Merci.