Entreprise Data-Centric : on ne casse pas tout !

Voici la dernière réflexion concernant les chantiers de l’entreprise Data-Centric : le maintien du traditionnel référentiel d’indicateurs. Pourquoi finir par ce sujet ? Parce que bâtir une stratégie Data-Centric n’est pas une fuite en avant qui oublierait l’état des lieux réel de l’organisation.

Une stratégie Data se met en place en se basant sur un historique. Dans cet héritage de l’organisation, il y a généralement un socle Data à maintenir et à renforcer. C’est le traditionnel référentiel d’indicateurs. Or, le risque de le voir délaissé par des utilisateurs lassés de leur BI traditionnelle est fort. Ils se jettent avec envie sur les nouveaux usages self-services mais peuvent oublier de faire perdurer les indicateurs partagés au niveau de l’entreprise. Si aucune gouvernance n’a été mise en place, chacun peut créer son propre référentiel d’indicateurs. Il va s’ensuivre une apparition, en surcouche du système d’information siloté, d’une couche d’indicateurs qui, eux aussi, seront silotés.

Le risque du « à chacun son chiffre »

On peut alors assister à un comité de direction où, au moment de prendre une décision étayée, chacun des participants arrive avec « son chiffre ». Il est, en effet, fréquent de voir apparaître différentes valeurs pour un indicateur aussi important que le chiffre d’affaire ou le nombre de clients. La discussion des dirigeants peut alors s’articuler sur les règles de calculs, chacun voulant défendre « son » chiffre. La décision étayée et partagée devient impossible.

Lors de la rédaction de la stratégie Data, nous recommandons donc d’utiliser la BI traditionnelle comme socle de base du référentiel d’indicateurs. Bien entendu, les participants du programme BI ne peuvent en rester au pilotage des indicateurs. Ils doivent participer à l’élargissement du périmètre de l’utilisation de la donnée. Et être ainsi des catalyseurs du passage de la BI à la stratégie Data. Cette transformation permet d’éviter le syndrome de la page blanche. Une entreprise n’écrit pas sa stratégie Data sans prendre en compte son histoire. Elle hérite en général d’un référentiel d’indicateurs qu’elle doit maintenir pour stocker et partager toutes les règles communes.

Le référentiel d’indicateurs partagés va donc prendre toute sa place au sein d’une nouvelle cartographie Data beaucoup plus large. On peut traiter cette complexité par la mise en place d’une plateforme de cartographie des données. Celle-ci permet un suivi du voyage de la donnée et une connaissance partagée des règles métier.

La maîtrise de ce référentiel d’indicateurs limite les impacts négatifs de deux sujets « serpents de mer », malheureusement rarement complétement gérés : la sécurité et l’intégrité de la donnée tout au long de la chaîne de valeur.

La qualité de la donnée

La qualité des données reste un sujet de la stratégie Data à surveiller de près. La qualité du référentiel d’indicateurs (mais aussi de toute la chaine de la donnée) va dépendre de la qualité des données de base et de leur traitement. Le scope de la qualité des données est très large et concerne une palette de notions assez diverses : l’exactitude, la « fraîcheur », l’accessibilité, l’intelligibilité, la complétude et enfin la cohérence.

Une bonne gestion permet de standardiser, nettoyer, enrichir et enfin dédupliquer toute donnée servant de base aux différents usages. Cette qualité des données doit suivre toute la chaîne de valeur : des données brutes à leur utilisation finale.

La sécurité

L’ouverture de la donnée à diverses utilisations et la démocratisation de son usage dans l’entreprise donnent quelques sueurs froides aux responsables sécurité. Qui dit démocratisation de l’utilisation dit multiplication des points de fuite potentiels. Nous voyons alors deux types de réaction : ceux qui durcissent violemment les règles de sécurité et ceux qui priorisent l’utilisation business au dépend d’une sécurité bien adressée.

Les événements donnent aléatoirement raison aux uns ou aux autres. Une organisation pourra ainsi mettre en place un fort levier de création de business sans prendre en compte la confidentialité des données, mais cela pourra être suivi d’une fuite de données délétère pour son image de marque.

Le flux d’informations quotidien nous nourrit d’histoires de pertes, de vols ou d’utilisations « limites » de données. Elles sont souvent accompagnées d’explications plus ou moins savoureuses de la part des dirigeants. L’importance de cette communication illustre bien en quoi la donnée est un asset à forte valeur pour les organisations. C’est pourquoi elles consacrent une énergie importante à la sensibilisation des collaborateurs sur l’utilisation qu’ils ont de leurs données. En effet, bien plus qu’une mise en place d’outil de sécurisation, la bonne gestion de la sécurité passe par deux piliers :  la culture de la Data et sa gouvernance efficace.

La DSI fournit des indicateurs et des nouvelles sources de données

La DSI doit donc veiller à ne pas perdre de vue ces deux missions de base : la sécurité et l’intégrité de l’information. Son portefeuille s’élargit. En collaboration avec le Chief Data Officer, elle fournit le référentiel d’indicateurs mais aussi toutes les sources de données nécessaires aux différents usages. C’est ainsi qu’elles créeront le plus de valeur. Ainsi, d’après le Gartner, les organisations qui offrent aux utilisateurs l’accès à un catalogue organisé de données internes et externes créeront deux fois plus de valeur commerciale que les autres.

Une bonne gestion du référentiel de données permet de focaliser les équipes sur des tâches à valeur ajoutée

Le maintien du traditionnel référentiel d’indicateurs comme asset de l’entreprise permet de focaliser les équipes sur des sujets plus créateurs de valeurs pour la BI. En effet, comme le programme BI doit intégrer la stratégie Data globale de l’organisation, il doit aussi s’ouvrir à différentes tendances novatrices.

La « cloudification »

La nécessité de rendre les analyses disponibles et de répondre aux enjeux de mobilité accompagnés d’une volonté de baisser les coûts d’infrastructure ouvrent le chapitre de la BI dans le cloud. De nombreuses organisations ont transféré une partie de leurs applicatifs vers le cloud et utilisent déjà un environnement hybride.

La Business Intelligence ne reste pas en dehors du spectre de la « cloudification », même si l’obligation de la proximité entre la donnée et le service empêche une vision Data As a Service. De nombreux services concernant la donnée sont déjà accessibles en SaaS et ce marché ne va faire qu’augmenter. Cet enjeu ne peut s’adresser que via une analyse détaillée des risques et profils. Chaque organisation devant trouver la stratégie Cloud qui lui est la plus appropriée.

L’utilisation d’agents conversationnels et de recherches en langage naturel

Avec l’avènement de services fonctionnant en langage naturel, les utilisateurs désirent pouvoir interagir avec leur BI comme ils interagissent déjà avec nombre de services. La technologie des agents conversationnels est mature. Il est donc déjà possible d’intégrer une surcouche en langage naturel permettant de questionner son outil de Business Intelligence sur la valeur d’un indicateur ou sur une tendance.

Pour garantir une bonne intégration, le référentiel d’indicateurs doit servir de sous-couche fiable et fournir des informations valides ! D’après le Gartner, d’ici 2020, la génération en langage naturel et l’intelligence artificielle seront une caractéristique standard de 90 % des plateformes de BI modernes.

Pas de transformation digitale sans stratégie Data

Dans le sillon des GAFA qui ont réussi à faire de la valorisation de la donnée un business model très rentable, les entreprises ont pris conscience de la valeur potentielle des données. Véritables sous-couches fondatrices de toutes les transformations digitales, les stratégies Data se multiplient au sein des entreprises. Ces dernières ont pris conscience que la transformation digitale ne concernait pas seulement les services (moteurs) qu’on voulait fournir à ses clients, partenaires ou collaborateurs, mais aussi la Data qui les fait tourner (pétrole).

Malheureusement, encore aujourd’hui, je vois de nombreuses structures qui mettent toute leur énergie à inventer de nouvelles interfaces de leur expérience client en oubliant le cœur : la connaissance de ce dernier via les données collectées. Et pourtant il n’y a pas de de transformation digitale sans stratégie Data. Le parallélisme entre ces deux réalités peut s’imager par l’apparition symétrique des deux rôles Chief Digital Officer et Chief Data Officer au cours des dernières années.

Animation de la transformation grâce à la culture de la valeur de la donnée

La stratégie Data comme la transformation digitale touchent l’élément le plus important de l’entreprise : l’être humain. Elles doivent donc s’animer de concert avec une forte animation de la culture de la valeur de la donnée au sein de l’organisation.

Une stratégie Data s’initie par le top management et se réalise transversalement au sein de l’organisation. Pour qu’elle s’incarne au sein de l’organisation, cette dernière doit renforcer sa culture Data. Oui, votre Data a de la valeur car elle représente et matérialise ce que sont vos clients, partenaires et collaborateurs pour vous. Et prendre soin de ses données, c’est matérialiser sa volonté d’être customer-centrique.