L’importance d’avoir une stratégie data

L'importance d'avoir une stratégie data

L’importance d’avoir une stratégie data est d’actualité depuis plusieurs années. L’utilisation de la donnée fait partie des principales préoccupations des entreprises et de leurs dirigeants. « Digitalisation« , « entreprise data-driven« , « transformation par la donnée« , quelle que soit l’appellation qu’on lui donne, le but est toujours le même : valoriser la donnée pour améliorer les performances de l’entreprise.

Que ce soit à travers une amélioration opérationnelle, des gains de parts de marché, le développement de nouveaux produits ou de nouveaux services. Si possible tout à la fois. Mais pourquoi constate-t-on un tel engouement ces dernières années ? Deux raisons simples : L’urgence et la preuve.

 

1. Stratégie Data : Une transformation indispensable

 

90 Zettaoctets ! C’est le volume de données créées en 2022, soit 9^13 Gigaoctets (9 suivi de 13 zéros).

La donnée est (presque) partout, c’est vrai ! Et le phénomène va s’accélérer (beaucoup). Le volume de donnée créé chaque année devrait être multiplié par 4 d’ici à 3 ans et par 45 à horizon 2035. C’est pour ainsi dire demain. Voici l’urgence et l’importance d’avoir une stratégie data ! Il est donc indispensable que les entreprises se mettent en ordre de marche dès maintenant pour ne pas se retrouver face à un océan de données impossible à gérer.

À présent, la preuve. L’analyse de données telle qu’on l’entend aujourd’hui est née il y a déjà quelques années. Vraisemblablement au milieu du 17e siècle. Un des exemples le plus parlant remonte à 1663 et l’analyse statistique, par John Graunt, du taux de décès lié à la peste en Angleterre. Ce n’est pourtant que très récemment (moins de 10 ans) que le sujet s’est retrouvé sur toutes les lèvres et dans tous les conseils d’administration. Il manquait peut-être jusqu’alors une preuve de l’importance commerciale et des avantages compétitifs directement liés à l’exploitation des données.

L’avènement des GAFAM (des NATU et des BATX) a mis tout le monde d’accord. Ces entreprises ont acquis leurs positions dominantes grâce à des modèles d’affaires qui reposent principalement sur l’exploitation et la valorisation des données. Malgré tout ce qu’on pourrait leur reprocher, leurs services restent plébiscités par les consommateurs pour leur efficacité.

Ces entreprises ne sont pas pionnières de l’analyse de données (l’analytique). Comme nous l’avons vu, la discipline existait bien avant leur création. En revanche, elles ont su tirer le plus grand avantage de la valorisation de leurs données en se positionnant années après années aux avants postes de l’analytique.

Mais alors, l’analytique, qu’est-ce que c’est ?

 

2. Vers le futur de l’analytique

Pour mieux comprendre l’importance d’avoir une stratégie data, il est indispensable comprendre l’industrialisation de l’analyse des données.

L’analytique a parcouru un long chemin, depuis les prémisses de l’analytique descriptive du 17e siècle (qui a connu son véritable essor industriel dans les années 80) jusqu’à l’arrivée de la tornade ChatGPT, il y a quelques mois.

Et même si ChatGPT, et l’IA en général, est un outil phénoménal qui a le potentiel d’accomplir des miracles, ou au contraire de provoquer quelques désastres, l’IA n’est pas encore largement utilisée par les entreprises dans leurs opérations quotidiennes. La grande majorité des besoins d’analyse de données se situe encore au niveau de l’analyse prédictive et prescriptive.

 

Note : les dates correspondent à l’industrialisation des différentes pratiques analytiques, plutôt qu’à leur création

 

Les GAFAM (Google, Apple, Facebook, Amazon et Microsoft) ont rapidement pris de l’avance sur l’analytique prescriptive après sa création. En ajoutant une couche d’IA (algorithmes de recommandation par exemple) à leurs services, ils ont pu se démarquer en offrant un service toujours plus personnalisé à leurs clients.

Malgré cet avantage convaincant, peu d’entreprises ont le niveau de maturité et d’expertise pour déployer ces pratiques à grande échelle. Mais il ne faut pas confondre niveau d’expertise et manque de moyen. La stratégie data n’est pas réservée aux grands groupes. Elle peut (et doit) correspondre aux enjeux et surtout répondre aux impératifs business de l’entreprise.

Tout le monde partage l’importance d’avoir une stratégie data dans les processus opérationnels et décisionnels. Et la question se pose désormais de la mise en œuvre d’une telle transformation. Pour ce faire, il faut répondre à trois questions :

  • Pourquoi ? Quels sont mes objectifs stratégiques et business ? Pourquoi je souhaite faire cette transformation ?
  • Quoi ? Quelles initiatives, projets, je souhaite mettre en place en priorité ?
  • Comment ? Quels sont les moyens, humains et financiers, mis en œuvre pour atteindre les objectifs fixés ? Quelle gouvernance dois-je mettre en place ?

La définition d’une stratégie data claire (qui passe par la réponse aux trois questions précédentes) est indispensable pour mettre en place l’organisation technique et humaine nécessaire et acquérir les compétences requises pour tirer pleinement profit de l’analyse de donnée. Comment on peut maximiser les chances de réussir de notre stratégie data ?

 

3. Stratégie Data : Maximiser les chances de réussite

Selon l’analyse du Gartner « Data & Analytics » :

  • Seulement 42% des entreprises ont réussi à optimiser leurs données pour leurs productivités
  • Uniquement 55% ont réussi à améliorer leur conformité aux réglementations
  • Uniquement 35% des entreprises ont réussi à utiliser leurs données comme véritable facteur de différenciation

Il semble clair que malgré une volonté revendiquée d’utiliser plus la donnée, les résultats ne sont pas au rendez-vous. Pourquoi donc les stratégies data mises en place ne portent-elles pas leurs fruits ?  La stratégie data est un sujet vaste qui englobe l’ensemble des initiatives qui visent à mettre la donnée au service des enjeux des utilisateurs.

La diversité de ces initiatives est infinie et les objectifs stratégiques peuvent être de toutes natures : acquérir de nouvelles parts de marché, réduire les coûts, développer de nouveaux produits ou services ou mieux comprendre ses clients et les fidéliser. Quelle que soit l’ambition, il y a en revanche toujours 3 axes à adresser afin de maximiser les chances de réussite de votre stratégie data. Et il est essentiel d’adresser chacun de ces 3 axes : vision, culture et réalisation.

Il est crucial avant tout de définir une vision globale: Quels objectifs je souhaite atteindre ? Quels sont mes enjeux ? Quels avantages compétitifs, je souhaite acquérir ou renforcer ? Et construire une roadmap pour comprendre quel est mon point de départ et définir les jalons qui seront nécessaires pour atteindre les objectifs fixés.

Seulement, 35% des entreprises ont réussi à utiliser leurs données comme véritable facteur de différenciation

Également, il faut considérer la culture data. Les collaborateurs de l’entreprise vont porter les initiatives. Il est donc essentiel de connaitre l’appétence de chacun à la data, le niveau de compétence techniques et de connaissance des problématiques liées à la donnée. Pareillement, s’assurer que les objectifs sont compris et partagés par les équipes. Un projet, même très clairement défini et largement financé, aura très peu de chance d’aboutir si les personnes responsables de l’implémenter ne sont pas convaincus par ce qu’ils font. L’importance de l’aspect culture est souvent négligé et finalement responsable de l’échec (total ou partiel) des projets stratégiques entrepris.

La stratégie data est un enjeu essentiel pour la survie des entreprises dont la maitrise départagera les gagnants et les perdants de demain.

Vient finalement la réalisation, c’est-à-dire la mise en place de processus, le déploiement d’architecture de système d’information appropriée et le développement d’outils (applications analytiques et autres) qui vont permettre d’exploiter et de valoriser au mieux les données. Dans cette phase, le dimensionnement du déploiement est important. Une architecture « trop petite » pourrait ne pas être capable d’absorber le volume de donnée disponible ou les besoins de traitement en temps réel par exemple.

Au contraire, le développement d’un SI et/ou d’applications trop complexes et couteuses est tout aussi contre-productif. Difficulté de prise en main, de maintenabilité ou simple coût des outils sont autant d’obstacles à l’atteinte des objectifs stratégiques de l’entreprise.

La bonne utilisation de la donnée a énormément de valeur. L’impératif d’utiliser ses données est largement partagé, mais la majorité des projets de stratégie data échouent. La stratégie data est un enjeu essentiel pour la survie des entreprises dont la maitrise départagera les gagnants et les perdants de demain.

 

Mydral conseille et accompagne ses clients depuis plus de 15 ans dans la réalisation de leurs projets data.
C’est à travers l’expérience de plusieurs centaines de projets que Mydral a développé son expertise de stratégie data.

Souhaitez-vous être accompagné dans votre stratégie data?
Je souhaite recevoir les actualités data de Mydral

Author Profile

Leo ACHACHE
Leo ACHACHE
BU Manager Data Strategy & Analytics

Laissez un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.