Si la plupart des dirigeants d’entreprise ont conscience de l’intérêt et de la richesse de mieux exploiter les données internes et externes à leur organisation, force est de constater qu’une vision unique et partagée de la « data » est rare.
La règle de la data « en silo » est encore très largement répandue. Même si des efforts conséquents ont été réalisés ces dernières années grâce à la mise en œuvre d’entrepôts de données (data warehouse) complétés par des solutions d’analyse et de visualisation de données (business intelligence et data visualisation), le résultat est bien souvent en deçà des attentes des dirigeants : les données « client », « marché », « processus », « RH », « finance », « production » sont encore loin d’être réconciliées.
Pour quelles raisons, alors que la technologie est disponible, la prise de décision ne pourrait-elle s’appuyer sur toute l’« intelligence de la data » ?
D’après nos retours d’expérience, en voici les principales causes :
- La vision à 360° de la data permettant une analyse multidimensionnelle et de bout en bout, est inexistante,
- Les enjeux business ne sont pas analysés dans le cadre d’une démarche orientée pilotage de la donnée (data driven),
- La réflexion sur l’utilisation des données par les utilisateurs finaux (user experience) est insuffisante ;
- Il n’existe pas de sémantique commune nécessitant une réconciliation a postériori des données mais rompant généralement la traçabilité des données (Master Data Management).
Ces insuffisances trouvent leur origine tant dans le rôle du pilotage de projet que dans le rôle que se donnent les directions fonctionnelles. Les premiers prennent en compte avant tout les contraintes techniques et technologiques d’un projet de gestion de données quand les seconds y montrent un faible intérêt ou engagement. Les cahiers des charges que nous recevons sur ce type de projet se résument bien souvent au besoin de disposer d’une solution de reporting en complément d’une solution métier. Ceci conduit à la mise en œuvre de solutions en silo qui ne valorise pas l’ensemble des données de l’organisation.
Quels sont alors les enjeux d’une plateforme de gestion de données (Plateforme Data Science) ?
- Casser les silos et intégrer des données structurées ou non, homogènes ou hétérogènes, issues de différentes sources internes et externes : logique de Data Lake (lac de données),
- Rendre unique et non équivoque chaque donnée afin de pouvoir adopter un langage commun et les mettre à disposition de toute l’entreprise, tout en respectant la confidentialité et la sécurité des données les plus sensibles,
- Mettre en qualité les données afin d’en reconstituer une vision exhaustive et complète, par exemple du premier contact avec un client jusqu’à la facturation et la mesure de sa satisfaction,
- Centraliser les référentiels dans une logique MDM (Master Data Management),
- Structurer la mise en œuvre des différents niveaux d’intelligence et de traitements appliqués aux données (logique de Data Lake, stockage brut puis de transformation / enrichissement des données),
- Organiser l’analyse des données dans une logique « Analytics » / « Data Science ».
La mise en œuvre d’une plateforme de gestion de données permettra d’aider à centraliser l’expérience, d’identifier les données récurrentes et fréquemment exploitées pour le pilotage de l’entreprise, mais aussi d’analyser les signaux faibles grâce au volume de données captées (web, réseaux sociaux, centres de contacts, …).
Plusieurs solutions techniques existent sur le marché, mais la réussite de ce type de projet passe avant tout par un changement de mentalité au sein de l’entreprise, permettant à tous les acteurs de prendre conscience de la portée stratégique des données.
Grant Thornton accompagne les organisations dans la gestion des projets tant d’un point de vue fonctionnel que technique. Pour en savoir plus sur notre offre de services Pilotage de la performance.
