Bienvenue dans l’ère de la transformation numérique !
Chaques semaines dans le monde, nous voyons fleurir de nouvelles initiatives Smart Cities, Smart Factories ou Smart Buildings, des applications de plus en plus intelligentes au service du progrès, des véhicules de plus en plus autonomes et nous découvrons l’usage de façon toujours plus innovante de tous types d’appareils connectés, capteurs, caméras, détecteurs, drones etc...
Les disciplines du Data Analytics, épaulées par les technologies du Cloud, de l’IoT et de l’Intelligence Artificielle, offrent l’opportunité aux entreprises et aux habitants des villes, de tendre vers plus de performance, plus de simplicité et un meilleur niveau de confort ou de sécurité.
En effet, les progrès de la physique, des mathématiques, de la mécanique, de la biologie et des technologies digitales, impactent toutes les industries et tous les aspects de notre vie.
Analyse Prédictive
Aujourd'hui la précision des données et la confiance que l'entreprise peuvent leur accorder est un vrai défi. Fort de l’évolution des technologies matérielles et logicielles qui permettent de traiter des données en temps réel, quels que soient leurs volumes, leurs formes ou leurs origines, l’enjeu est maintenant de répondre à la question “Que va-t'il se passer ?”.
Pour y parvenir, il est essentiel de garder à l’esprit qu’il ne faut pas se focaliser sur l’environnement technologique au détriment du contexte métier et des enjeux stratégiques de l'entreprise. Les données et les applications employées ne représentent pas à elles seules la solution, mais constituent la palette d’outils qui permettent de la mettre en oeuvre. Le coeur du projet réside bien dans les enjeux métiers et les objectifs de développement que l’entreprise se fixe.
La Data Science au service de l’entreprise
La Data Science regroupe le data engineering, des méthodes scientifiques, mathématiques, statistiques, des techniques de computing avancées. Elle est en mesure de renforcer tous les projets informatiques d’entreprise. Elle offre des outils et des méthodologies innovantes indispensables pour prendre de meilleures décisions business, mais également pour aller jusqu’à l'analyse prédictive. Cela peut se traduire par l’optimisation des processus de production ou de chaînes logistiques, l’anticipation et la réduction du turn-over, ou la mise en place de procédures de maintenance préventive par exemple.
Les bons ingrédients
Il est crucial de comprendre que le propos n’est pas d’avoir une stratégie data, mais bien d’avoir une stratégie d’entreprise qui s’appuie sur la stratégie data. Une fois cette stratégie mise en place et partagée, les ingrédients indispensables à la réussite du projet data sont bien identifiés. Ils incluent notamment :
- S’entourer des bonnes personnes ayant les bonnes expertises,
- Définir des objectifs business claires et calculer les ROI attendus,
- Étudier et présenter des business cases,
- Maîtriser les outils, les solutions et les architectures data,
- Identifier les points de complexité technologiques,
- Itérer sur les actions de gestion de la résistance au changement,
- Garantir la qualité des processus de management et de gouvernance.
Mais la liste n’est pas exhaustive.
Garantir la qualité des données
Le défi des données de mauvaise qualité ou trop pauvres, est encore le principal obstacle qui freine les Data Scientists. Ils passent entre 60% et 80% de leur temps à formater, nettoyer et parfois à requalifier les données.
Une des clés pour révéler l'intelligence des données réside donc dans la capacité des équipes data à en garantir la qualité. Cela inclut des mécanismes tels que la vérification de leur validité, cohérence, intégrité, précision, pertinence, accessibilité, cycles de vie, niveau de mise à jour, processus de monitoring, formats, standardisation, etc...
ROI et Monétisation
Les décideurs doivent établir la stratégie de l'entreprise avant de lancer les projets data. Ils doivent être guidés par le retour sur investissement qu’ils comptent retirer de leur stratégie data. Ensuite, l'entreprise doit aller plus loin et considérer les moyens de monétiser ses données, et étudier un business modèle permettant de les exploiter au mieux. Les anglo saxons disent : “Put Data At work”.
Au delà de leur utilisation dans les processus de prise de décisions, l'entreprise peut vendre ou partager des données, les intégrer dans des nouveaux produits ou de nouveaux services. C’est là que se révèle leur intelligence.
Valeur dans le contexte métier
L’intérêt croissant que portent les entreprises aux données a progressivement créé de nombreux nouveaux métiers au sein des équipes IT : Chief Data Officer, Data Protection Officer, Data Analyst, Data Engineer, Data Miner, Data Architect, Data Scientist, Master Data Manager, Data Steward … Il n’en reste pas moins qu’au delà de l’importance de ces experts Data, toute la valeur des données ne peut pas être exprimée sans l’implication des spécialistes métiers qui détiennent la connaissance non seulement des informations mais aussi et surtout, de leur valeur dans l’écosystème métier auquel elles appartiennent.
Conclusion
Aujourd’hui, de plus en plus d'entreprises s'engagent sur le chemin de la transformation digitale, pour autant, nombre d'entre elles ne sont toujours pas en mesure de lier l’exploitation avancée des données à la stratégie de leur entreprise.
Il y a un fort enjeu dans le choix et l’intégration des solutions d’entreprises qui permettront de valoriser le capital data.
Par Frédéric Jacquet, Responsable innovation chez Talan Solutions