Qu’est-ce qu’un cas d’usage data et comment bien le choisir ?

Juil 26, 2022 | Data Management

L’explosion du volume de données donne l’opportunité aux organisations de faire de la data un puissant levier stratégique (améliorer l’expérience client, optimiser les processus, innover …). Néanmoins, l’industrialisation de cas d’usage data implique une vision et une organisation pensées en amont.

Dans cet article, nous vous partageons la méthodologie du cabinet de conseil DataValue Consulting pour vous aider à définir les cas d’usage data qui pourront améliorer votre activité et identifier ceux qui apporteront le plus de valeur à votre organisation.

Nouveau call-to-action

De la vision data-centric à la réalisation des cas d’usage data

Plusieurs étapes à suivre sont nécessaires pour converger vers une organisation data-centric.

Démarche Data-Centric

La définition de la vision a pour objectif d’identifier les usages finaux auxquels doivent répondre la donnée (souhaite-t-on avoir une vision unifiée du client, améliorer les processus internes ou même accroître l’efficience opérationnelle ?). L’objectif étant de se questionner en amont pour structurer les objectifs et la stratégie.

Il faut dans un second temps lister avec précision les différents cas d’usage data, ou autrement dit, l’ensemble des projets générateurs de valeur et de retour sur investissement pour l’organisation.

Cette étape est divisée en deux parties :

  • La phase d’instruction qui permet de définir les objectifs d’un cas d’usage, le ROI attendu, l’entité concernée, le time-to-market nécessaire pour sa mise en œuvre, etc.
  • La phase de mise en œuvre qui implique d’arbitrer sur le choix des plateformes, des architectures et des ressources.

Les 5 familles de cas d’usage data

Avant d’approfondir les différentes typologies de cas à mettre en place, rappelons la définition d’un cas d’usage data :

« Un cas d’usage data est un chantier adressant un périmètre défini de la data pour répondre à un besoin métier de manière concrète afin de démontrer la valeur par l’exemple »

Pour vous accompagner dans l’identification de vos cas d’usage data, DataValue Consulting a identifié 5 familles distinctes en fonction des enjeux principaux que peuvent rencontrer les organisations :

organisation data-centric
  • L’innovation permet d’accélérer la création de nouveaux produits, services ou usages pour développer la stratégie concurrentielle (scoring d’appétence, analyse prédictive, etc.),
  • L’amélioration de l’expérience et de la connaissance client à travers une donnée client unifiée, est essentielle pour croître (personnalisation, optimisation du parcours client, recommandations intelligentes, segmentation par personae, etc.),
  • L’excellence opérationnelle porte sur l’optimisation des processus métiers
    afin que les opérationnels puissent se concentrer sur leur cœur de métier (scoring fournisseur, amélioration des processus de fabrication, optimisation du parcours d’achat…). S’il existe plus d’une centaine de cas d’usage data dans cette famille, ces derniers nécessitent une implication forte de la part des directions métiers pour leur création et leur mise en place.
  • La maîtrise des risques porte essentiellement sur les cas d’usage autour de la lutte contre la fraude et la prévention des risques pour des organisations qui gèrent des données sensibles (banque, assurance, secteur public, santé, etc).
Cas d'usage - Renforcer la lutte contre la fraude avec la data science
  • L’agilité opérationnelle qui permet de favoriser la transversalité des collaborations au sein de l’organisation afin d’accroître la culture data-centric.

Quels sont les critères de sélection des cas d’usage data ?

Les 4 critères de sélection d’un cas d’usage data

  • Simplicité : un cas d’usage simple à réaliser doit intervenir avant un cas d’usage complexe à ROI élevé. L’objectif est de donner un résultat concret très rapidement.
  • Disponibilité des informations : il faut en amont apprécier la qualité de données afin de mieux percevoir la complexité du cas d’usage.
  • ROI financier estimé : même si celui-ci est moindre, mais que le cas d’usage est simple à mettre en place et que les informations sont disponibles, alors il faudra prioriser le cas.
  • Facilité de déploiement : tout ce qui fait preuve d’une certaine complexité organisationnelle (recrutement, formation, comités, internationalisation, etc) devra être dépriorisé́.

5 conseils pour garantir des bénéfices rapides sur les cas d’usage data

Dans une logique de ROI rapide, voici quelques conseils pour réussir la mise en place et le déploiement de vos cas d’usage data au sein de votre organisation :

  • Ancrer la transformation dans le concret en proposant des cas d’usage au ROI rapide. L’objectif étant de favoriser l’adhésion des usagers et la pérennité de la démarche.
  • Lotir finement les chantiers en évitant les cas d’usage complexes nécessitant beaucoup de données, et donc l’intervention de plusieurs métiers. Il faut présenter rapidement les bénéfices de la démarche pour garder une certaine dynamique.
  • Le déploiement à l’échelle des cas d’usage (sur des entités à l’international par exemple) peut être un bon indicateur pour s’assurer de leur valeur.
  • Initier un portefeuille d’opportunités en adaptant en permanence la transformation data aux priorités métiers. En travaillant l’ordonnancement des cas d’usage sur une roadmap de 3 ans, il sera possible de gagner entre 6 à 9 mois sur votre planning, un temps considérable permettant de se concentrer sur des cas plus complexes.
  • Une approche itérative vous permettra d’adresser l’ensemble des aspects de la transformation dans la logique d’une mise en œuvre progressive des évolutions permettant de se concentrer sur des cas plus complexes.

Conclusion

La mise en place des cas d’usage data doit s’inscrire dans une démarche data-driven.

Le sourcing de ces derniers devra être réalisé en fonction de vos problématiques métiers, de votre environnement existant et des projets digitaux en cours.

De l’identification à leur mise en œuvre, un cas d’usage simple à réaliser (qualité des données, sourcing des informations…) devra toujours intervenir avant un cas d’usage complexe à ROI élevé.

Une fois les cas d’usage data identifiés, il vous faudra construire votre feuille de route en suivant une méthodologie en 5 étapes.

Nos ressources

Livre Blanc

Mise en œuvre d'une stratégie 
de qualité des données 

Livre Blanc

Feuille de route d'une stratégie
de Data Management 

Baromètre annuel de la data

Les priorités des décideurs
data en 2022 

Share This