Comment créer de la valeur business grâce à la data à l’échelle ?

La croissance exponentielle des données dans les organisations a poussé ces dernières à redéfinir leur stratégie pour devenir data first et générer de la valeur business à fort impact. L’époque où les géants de la data tels que Google, Microsoft ou Netflix, pionniers dans leur domaine, étaient les seuls acteurs à mettre la data au centre de leur proposition de valeur est révolue : Décider grâce à la data est aujourd’hui le driver de valeur incontournable pour les entreprises et ce n’est que le début.

Et si la data n’était pas qu’un objet informatique ?

Il est capital de comprendre que les données sont désormais le moteur de l’expérience client/utilisateur et de la stratégie globale de l’entreprise. Elles sont l’information au cœur de toutes les opérations, de tous les processus et sont alimentées en multicanal par toutes les fonctions de l’organisation. Par conséquent, elles doivent être placées au centre du business model et ne peuvent plus être traitées comme une somme de projets isolés à piloter. 

Longtemps déléguées à la DSI avec pour seul objectif de générer une cartographie fiable des données, la majorité des organisations a aujourd’hui conscience que la qualité des données est l’enjeu majeur pour créer une valeur effective dans le temps et à l’échelle. Ceci est d’autant plus vrai si l’on prend en compte les nouvelles sources de données externes – réseaux sociaux, open data, big data, etc. – et l’évolution de leurs usages – le machine learning, l’IA, le RPA, etc. 

La donnée est à considérer comme de l’information, purement et simplement. La création de valeur business repose sur le sens que l’on donne à cette information, ce à quoi la DSI n’est pas en mesure de répondre seule : les données sont un sujet métier, qui appartient au business et pour lequel la technologie est un facilitateur de mise à disposition.

Les 3 niveaux de maturité des organisations

Grâce à une enquête IDC sur les organisations de la zone EMEA, trois types de maturité émergent en termes de management des données. Ces niveaux de maturité révèlent le degré de transition des organisations pour devenir data-driven :

• Les Data Beginners (50 % des organisations), qui essaient de trouver le premier jalon à poser pour amorcer leur transition data ;
• Les Data Explorers (30%), qui ont encore besoin de standardiser et de mettre à échelle leur data management ;
• Les Data Thrivers (20%), qui ont réussi à intégrer les données dans leur culture, dans tous leurs processus et décisions business.

Le livre blanc dédié IDC examine en détail ces trois catégories de maturité des données. Il analyse le défi que représentent les données pour les organisations et les aide à comprendre comment elles peuvent passer efficacement d’un niveau à l’autre.

Ce graphique illustre les différents niveaux de maturité et de gestion des données. Ces chiffres sont extraits de l’étude IDC réalisée en 2021 sur la data-driven intelligence des organisations de la zone EMEA.
Prenez quelques minutes et faites le test pour connaître le niveau de maturité des données de votre organisation..

Appréhender sereinement le data journey : rien ne sert de courir, il faut partir à point

Si connaître son niveau de maturité est un bon point de départ pour amorcer sa transformation data efficacement, une multitude de facteurs entrent en ligne de compte pour définir correctement une feuille de route : Quelle est la stratégie de l’entreprise ? Quelle est l’organisation (Data, IT mais aussi métier, et surtout quelle est l’autonomie laissée aux directions) ? Quel est le footprint géographique ? Quelle est la culture d’entreprise ? Est-ce que des cas d’usage ont déjà été identifiés ou mis en place (et avec quelle(s) gouvernance(s)) ? Quels sont les stacks technologiques en place ? etc.

Il n’existe pas de mode opératoire universel à suivre. Néanmoins, les organisations ont tout intérêt à mener 3 réflexions préalables :

Quelle est la stratégie business ? 

Aussi basique soit-elle, répondre clairement à cette question est primordial. Vouloir être holistique et investir massivement dans des solutions est onéreux et ne sert pas nécessairement la stratégie business. Il faut rester pragmatique et traduire l’ambition stratégique en objectifs business tangibles : Avoir plus de clients ? Augmenter le chiffre d’affaires ? Moderniser l’expérience client ? Gagner en performance ? etc.

Quelle est la situation initiale au regard de la cible à atteindre ? 

En parallèle de l’identification du niveau de maturité, réaliser un audit global permet d’analyser les dimensions à actionner. Une fois la stratégie business clairement identifiée, ce premier audit est nécessaire pour définir le point de départ et déterminer le juste équilibre entre la mise en œuvre des cas d’usages data et la construction des fondations technologiques.  

Dans cette dynamique de transformation, l’axe RH est clé : l’acquisition de talents expérimentés, la formation spécialisée des ressources internes existantes (data owner, data steward, data curator, etc.) et la constitution d’un data office (data management, data science, data engineering, data architecture, data analyst, etc.) peuvent grandement renforcer l’exécution opérationnelle du projet.

Quelles sont les difficultés fréquentes facilement évitables ?

Outre l’attention particulière portée sur la stratégie business et l’état des lieux de l’organisation, certains pièges et erreurs peuvent facilement être anticipés, notamment : 

• Déséquilibrer sa stratégie data, en étant soit trop axé sur les cas d’usage soit majoritairement sur la tech
• Donner l’entière responsabilité du data management à la DSI 
• Faire de son histoire et de son SI legacy, car la transformation digitale est un long processus qui impacte toute la culture d’entreprise
• Ne pas rester centré sur l’objectif à atteindre

Si la liste ne peut être exhaustive car chaque organisation est unique et spécifique, le temps investi en amont du projet de transformation en impactera fortement sa réussite. 

Prendre le temps de définir sa stratégie, d’aligner métier et IT, de mesurer ses fondations technologiques et d’assigner une gouvernance optimale des données en fonction du modèle opérationnel est déterminant pour que la transformation data soit efficace dans le temps et à échelle. A cette dynamique opérationnelle doit s’ajouter une acculturation efficiente de la data au sein de l’organisation pour que les données soient au cœur de tous les projets et de tous les acteurs métiers. 

Outre ces réflexions internes, l’accompagnement via un partenaire spécialisé peut faciliter l’identification des enjeux et permettre le juste dosage des facteurs à actionner entre culture, stratégie, impact business, operating model, tech à implémenter, gouvernance cible, etc.

La data demain, ça donne quoi ?

La data a encore de très beaux jours devant elle ! L’utilisation croissante de la Data dans les organisations et l’usage de plus en plus fréquent de la data science et de l’IA (bien que non généralisé) lui prédisent un futur aussi florissant que protéiforme. Mais ce futur passera par une transformation profonde.

Nous l’avons vu, les entreprises produisent toujours plus de données. Mais générer des données de qualité devient un enjeu prioritaire, et les organisations doivent opérer une refonte profonde et totale de leurs processus. Toute la chaîne de valeur de l’entreprise doit être data-driven (voir data-centric, à savoir consommatrice et productrice de data) pour garantir la réussite de la transformation. La technologie sera en support de ce changement de paradigme et évolue chaque jour pour servir cet objectif, développant toujours plus d’outils pour les entreprises : IA, automatisation des processus, RPA, machine learning, etc. 

Comment les données affecteront-elles les autres fonctions comme les RH ?

Nous allons également observer une révolution RH, qui s’est déjà amorcée. Le buzz de la data et l’accélération de certaines entreprises avec leur stratégie business data-driven ont créé de nouveaux métiers et de nouvelles compétences, que les organisations peinent à acquérir, tant la pénurie de talents est prégnante. On peut même présumer que certains métiers data n’existent pas encore. Pour pallier ce besoin grandissant de partage de connaissances, certaines organisations font le choix de mutualiser leurs données avec des partenaires stratégiques dans des espaces sécurisés, et d’apprendre à les optimiser. A ce titre, nous avons la conviction que le futur de la data passera également par des académies co-construites entre des experts de la transformation data et des clients ambitieux.

Mais le futur de la data ne coupera pas à l’éthique. Cette notion fondamentale permet aux organisations de fixer les limites dans l’exploration et l’exploitation des données et est à la fois un sujet philosophique (“Qu’est ce que je m’autorise lorsque personne ne me regarde ?”) que technologique. Ce principe déontologique s’étend d’ailleurs à la dynamique ESG à laquelle les organisations sont soumises. Il y a donc l’éthique de la data mais également la data pour l’éthique, afin de pouvoir mesurer et piloter de façon data-driven son impact sur l’environnement et plus globalement sur la société de demain.

En conclusion

Piloter la data pour créer de la valeur business implique forcément que les données ne soient plus considérées comme un sujet purement informatique et soient au contraire au centre des enjeux business et de la stratégie des organisations. Elles sont un levier de croissance très puissant, d’efficacité opérationnelle mais aussi de différenciation important.

Avancer étape par étape et capitaliser sur ses ressources internes ou via un partenaire permettra d’ancrer dans le temps le bon équilibre entre : 

• Définition de la vision stratégique, qui traduit la stratégie business et qui alimente l’acculturation et qui se base sur un analyse réaliste de la situation à date
• Identification des cas d’usages business les plus porteurs de valeur
• Implémentation d’un socle technologique adapté, pertinent et pérenne pour un passage à échelle de la data