GUIDE PRATIQUE
Une entreprise orientée vers les données est une entreprise où chaque personne cherche à améliorer un ensemble cohérent d’indicateurs clés de performance (ICP) qui sont reconnus comme importants pour l’entreprise. Les employés interagissent avec les données et prennent des mesures visant à améliorer ces ICP, et tous les niveaux de l’entreprise utilisent les données pour soutenir la prise de décision dans leur partie de l’activité.
Les processus de gestion manuelle des données encombrants ne suffisent plus pour répondre aux besoins des entreprises modernes. Les utilisateurs professionnels ont besoin d’un accès immédiat aux informations pertinentes, et pour ce faire, l’infrastructure de données doit pouvoir évoluer rapidement.
La nécessité d’une plus grande agilité des données a révélé deux problèmes. Tout d’abord, l’ancienne approche de l’entreposage des données était coûteuse et gourmande en temps et en ressources, et fournissait souvent des informations incomplètes. Deuxièmement, les approches de première génération du Big Data étaient destinées aux utilisateurs hautement techniques qui codaient et produisaient des requêtes complexes à la main.
Les signes indiquant que votre entreprise n’a pas d’architecture de données moderne sont l’incapacité à gérer plusieurs sources de données et cas d’utilisation analytiques, l’incapacité à faire évoluer les volumes de données et les utilisateurs, et la nécessité de ressources spécialisées pour prendre en charge des pipelines de données complexes.
Une architecture de données moderne est centrée sur l’entreprise, adaptative et suffisamment flexible pour répondre à tous vos cas d’utilisation. Elle doit utiliser l’intelligence artificielle (IA) et l’apprentissage automatique (ML) pour automatiser les tâches manuelles, ainsi que pour utiliser l’évolutivité et la sécurité inhérentes au cloud computing.
La plupart des applications et des solutions analytiques d’entreprise n’ont jamais été conçues pour fonctionner ensemble, ce qui rend difficile le partage de données et d’informations au-delà des frontières organisationnelles. Sans une architecture de données moderne, les utilisateurs professionnels peuvent passer des semaines à créer des rapports simples sur plusieurs systèmes, souvent avec des erreurs et des incohérences en raison d’un manque de connaissances techniques et de compréhension des données impliquées.
Pour résoudre ce problème, de nombreuses entreprises ont investi dans des logiciels d’intégration de données complexes, ce qui nécessite que des équipes d’ingénieurs de données hautement qualifiés développent et maintiennent les flux de données.
L’utilisation de l’IA et de l’apprentissage automatique pour automatiser l’intégration des données est conçue pour transformer cette approche gourmande en temps et en ressources grâce à la capacité de détecter automatiquement les relations entre les éléments de données, d’affiner les données et de créer une couche sémantique.
La frustration des utilisateurs professionnels par rapport aux analytiques centralisées et gérées par les services informatiques a entraîné une prolifération de l’utilisation des outils de découverte des données sur ordinateur. Bien que cela ait augmenté l’autonomie de l’utilisateur final, cela s’est fait au détriment de la création de silos de données qui entraînent des incohérences analytiques et un risque de mauvaises décisions commerciales.
En fournissant des données en tant que service (DaaS), les équipes informatiques centralisées peuvent fournir une version partagée de la vérité dans toute l’entreprise, ainsi que l’autonomie nécessaire pour étendre ces définitions centralisées afin de traiter les cas d’utilisation locaux et les sources de données.
La fourniture de DaaS repose essentiellement sur une plateforme multi-tenant d’intelligence décisionnelle et d’analytique déployée dans le Cloud, qui permet la fourniture de tenants analytiques virtuels. C’est la nature virtuelle de ces données qui permet aux équipes centralisées de fournir un ensemble de données uniques et gouvernées tout en permettant aux équipes décentralisées de connecter et d’enrichir ces sources avec des données périphériques, sans affecter d’autres groupes.
Par définition, une entreprise orientée données doit avoir comme vision le fait que chaque personne ait un accès facile aux données dont elle a besoin pour prendre des décisions. Cela signifie la fourniture d’une gamme d’interfaces utilisateur différentes adaptées pour répondre aux connaissances et aux compétences des utilisateurs, ou des analyses intégrées dans des applications où les utilisateurs passent la majeure partie de leur journée. Cela signifie que les collaborateurs de première ligne peuvent facilement voir les informations et que les analystes de données peuvent combiner leurs propres données avec les données de l’entreprise. Cela signifie que les « data scientists » peuvent rechercher des ensembles de données pertinents dans un catalogue de lacs de données, et que les développeurs disposent d’API flexibles pour intégrer l’analytique dans les applications métier.
Pour y parvenir, une entreprise doit investir dans une plateforme d’intelligence décisionnelle et d’analytique qui prend en charge un grand nombre d’options et de styles de diffusion d’informations, allant des rapports extrêmement précis aux tableaux de bord réactifs, ainsi qu’à la découverte des données ad hoc et aux appareils mobiles. En outre, la capacité à créer des informations générées par des machines à l’aide de l’IA devient de plus en plus importante pour améliorer la productivité des utilisateurs et découvrir les facteurs cachés liés aux performances de l’entreprise.
Les analyses intégrées dans les applications métiers devient une approche éprouvée afin d’améliorer considérablement la valeur analytique pour les utilisateurs finaux, en particulier les utilisateurs non techniques. En supprimant le besoin de passer à un outil ou une application analytique distinct, les utilisateurs professionnels peuvent prendre des décisions éclairées au sein du processus de gestion sur lequel ils travaillent actuellement, en rationalisant la prise de décision et la facilité d’accès aux données.
Un autre avantage des analyses intégrées est que les fournisseurs de logiciels d’applications d’entreprise peuvent fournir des modèles de données, des tableaux de bord et des rapports prédéfinis, ce qui permet aux entreprises orientées vers les données d’économiser des mois de travail et d’accélérer considérablement le délai de valorisation des analyses.
L’un des plus grands obstacles pour devenir une entreprise orientée vers les données n’est pas la technologie, mais la culture de prise de décision au sein de l’entreprise. Des années d’expérience nous ont appris que deux choses sont essentielles à la création d’une culture orientée vers les données : une initiative descendante pour utiliser les données afin de favoriser la prise de décision et le fait de faire travailler l’ensemble de l’entreprise sur les mêmes données, indicateurs et objectifs.
Pour y parvenir, il est important de concevoir des analytiques en gardant à l’esprit les résultats commerciaux, afin que les personnes se concentrent sur les indicateurs les plus critiques pour leur rôle. Une approche descendante conduit à un ensemble de mesures interconnectées qui déterminent les choses les plus importantes pour les cadres dirigeants.
Une fois que les indicateurs clés ont été définis, les entreprises doivent ensuite identifier les points d’action : il s’agit des attributs commerciaux les plus influents qui peuvent être ajustés afin d’améliorer un indicateur. Il doit s’agir de choses qu’une entreprise peut changer, et non des conditions du marché, par exemple, et qui peuvent presque toujours être décrites en termes de personnes, de produits (ou de services) et de processus.
La dernière étape de la transformation axée sur les données est lorsque votre entreprise commence à réaliser la valeur du partage de données en dehors de l’entreprise avec les clients, les fournisseurs et les partenaires. Les deux approches les plus courantes impliquent soit la monétisation des données pour créer de nouvelles sources de revenus, soit la fourniture d’analytiques à valeur ajoutée sur votre produit ou service principal qui différencient votre offre sur le marché, améliorant souvent la fidélité des clients en même temps. Il va sans dire qu’il est également tout à fait possible de combiner les deux approches.
Bien sûr, la création d’un produit analytique est probablement un nouveau concept pour votre entreprise. La bonne nouvelle, c’est qu’il existe de nombreux conseils pratiques disponibles pour vous aider, souvent tirés des entreprises orientées vers les données qui ont déjà suivi les six étapes. Un produit analytique typique nécessite une analyse de rentabilité, une stratégie de commercialisation, un développement et enfin, un lancement de produit.
Comme indiqué au début de ce guide pratique, une entreprise orientée vers les données est une entreprise où chaque personne qui prend des décisions a accès aux données dont elle a besoin quand elle en a besoin.
Pour concrétiser cette vision, les entreprises doivent passer par une série d’étapes, dont la création d’une base de données solide avec une architecture de données moderne et flexible à l’aide des technologies de l’IA et de l’apprentissage automatique afin d’automatiser les processus manuels de gestion des données gourmands en ressources. Fournir un modèle de données en tant que service dans l’ensemble de l’entreprise permet d’offrir cette version unique et insaisissable de la vérité tout en accommodant les équipes décentralisées et leurs données périphériques.
Une fois les données en place, les entreprises doivent s’assurer qu’elles disposent des interfaces appropriées pour tous leurs utilisateurs, indépendamment de leurs compétences techniques et de leurs connaissances en matière de données. Les tableaux de bord et les rapports utilisés doivent se concentrer sur les indicateurs commerciaux les plus importants, et une culture descendante de prise de décision basée sur les données, activée à tous les niveaux. Enfin, les entreprises orientées vers les données monétisent toute la valeur de leurs données en les partageant en toute sécurité en dehors de l’entreprise.