« Qui ne mesure, guère ne dure.«
Proverbe français
Nous sommes en plein coeur de la quatrième révolution industrielle. Une révolution reposant sur la généralisation du numérique et la recherche de gains de performance incrémentaux (Pourquoi l’intelligence artificielle ? Pour faire plus avec moins). Ces gains de performance peuvent être réalisés de différentes façons, avec l’aide ou non d’intelligences artificielles, mais nécessitent forcément l’analyse de grandes quantités de données. Aujourd’hui, une attention très forte est accordée aux dérives potentielles de l’intelligence artificielle ou à l’éthique des algorithmes ; peut-être trop forte, car les débats qui en découlent brouillent la compréhension d’un enjeu primordial pour les entreprises : la gestion et la maitrise des données.
Dans un contexte économique où le secteur tertiaire représente les 3/4 des emplois, la donnée est la matière première de la recherche de compétitivité (Les grands secteurs de l’économie française). Un contexte qui n’est pas spécifique à la France, puisque les métiers de service représentent plus de 71% des emplois dans l’UE (Tableaux de l’économie française).
Dans ce contexte, il est absolument anormal que la majorité des entreprises accordent si peu d’importance à la data : La moitié des entreprises exploite moins de 25% de la donnée collectée et analysée. Pourtant, les pratiques de Business Intelligence (BI) ne sont pas neuves, elles datent des années 90 et de la généralisation des ERP permettant de centraliser les données de production. Le problème est que les données sont maintenant éparpillées entre différents outils, et surtout qu’il y a bien plus de données disponibles à l’extérieur qu’à l’intérieur des entreprises. Avoir une vision complète de son secteur d’activité est donc bien plus complexe qu’avant, mais essentiel pour maintenir ses parts de marché et crucial pour espérer gagner en compétitivité.
Il y a donc une réelle nécessité pour les entreprises de reprendre le contrôle de leurs données et de monter en puissance sur l’exploitation des données externes pour :
- enrichir la connaissance client et la compréhension des parcours d’achat ;
- surveiller la concurrence directe et indirecte de plus près ;
- améliorer l’impact des campagnes de communication et de publicité ;
- optimiser les circuits de distribution (choix des canaux et priorisation) ;
- maximiser la performance des opérations commerciales ;
- baisser les coûts de production (notamment en optimisant l’utilisation des ressources et la consommation des matières premières) ;
- améliorer la qualité des produits ou des services ;
- analyser de façon plus fine la satisfaction et l’impact des actions de fidélisation…
Comme vous pouvez le voir avec cette liste non exhaustive, il existe d’innombrables utilisations de la donnée, des applications qui ne se limitent pas à la segmentation des consommateurs ou à la personnalisation des publicités, mais dont tous les métiers internes d’une entreprise peuvent bénéficier. Certes, les données ont toujours été présentes en entreprise, mais nous parlons ici d’une exploitation à l’échelle industrielle des données par l’ensemble des collaborateurs. Ceci implique à la fois un changement de mentalités (prises de décisions), de façon de travailler (automatisation, arbitrages…) et une évolution des outils (quand vous devez traiter des jeux de données multidimensionnels de sources hétérogènes, les tableaux croisés dynamiques d’Excel montrent vite leurs limites).
N’allez pas croire que l’achat de licences et la formation de quelques collaborateurs-clés à un nouveau logiciel suffisent. Pour pouvoir opérer un tel changement de paradigme, il y a un réel travail de fond à effectuer : La data literacy ou la culture de la donnée, le prochain enjeu de nos sociétés. La datalphabétisation de vos collaborateurs est un réel projet d’entreprise et une nécessité dans un contexte concurrentiel très tendu (La France est le 3ème pays européen le plus datalphabétisé).
La data literacy (littératie des données en français) est un sujet qui impressionne, mais tous les collaborateurs n’ont pas besoin de devenir des data scientists, ils doivent en revanche connaitre les fondamentaux : identifier les différents types de données, faciliter sa collecte et sa vérification, l’analyser de façon pertinente (en ayant conscience des biais), la partager selon des règles (pour éviter leur corruption)… Il est ainsi tout à fait pertinent de définir différents niveaux de maitrise à associer à des fiches de poste.
Bien évidemment, tout ceci ne peut se faire dans l’improvisation, il convient de définir un programme complet reposant sur des jalons :
- Faire de la pédagogie auprès des équipes pour diminuer l’anxiété latente des collaborateurs et leur faire prendre conscience des enjeux ;
- Identifier les sources internes / externes et leur disponibilité ;
- Cartographier les ressources à disposition (compétences internes et prestataires, outils déjà utilisés…) ;
- Lister les usages prioritaires (les projets les plus pertinents, ceux qui qui deviendront les premiers quick wins servant de référence pour motiver les troupes) ;
- Définir une stratégie spécifique à la data (objectifs et KPIs, ressources et organisations, niveaux de responsabilités…) ;
- Procéder à une montée en compétences des collaborateurs avec un principe d’évaluation / certification (data literacy, data fluency…) ;
- Déployer de nouveaux outils (capture, enrichissement, transformation, exploitation, visualisation, partage…) et accompagner les collaborateurs dans leur autonomisation.
Comme précisé plus haut dans cet article, passer à une culture de la donnée est un projet d’envergure qui nécessite un minimum de ressources et un engagement fort du CODIR. C’est néanmoins une étape obligatoire pour toute entreprise soucieuse de préserver sa compétitivité, une transition intrinsèquement liée à la transformation digitale, et un facteur-clé de succès de l’accélération numérique.