Le cycle de vie d’un cas d’usage data

Août 2, 2022 | Data Management

L’approche par cas d’usage permet de répondre à des problématiques métier concrètes de manière simultanée. Cette approche peut se montrer très performante si elle est bien orchestrée, non seulement au début, mais tout au long de la vie des cas d’usage.

Un cas d’usage 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.

Nouveau call-to-action

Nous vous livrons dans cet article la vision de DataValue Consulting sur les actions à réaliser tout au long du cycle de vie d’un cas d’usage data.

Voici ci-dessous, une vision du cycle de vie global du cas d’usage :

Le cycle de vie d’un cas d’usage data

Comme il est possible de le voir sur ce schéma, le développement de cas d’usage passe par deux grandes phases : l’instruction et le déploiement, que nous vous détaillons ici.

La phase d’instruction des cas d’usage data

La première étape est la collecte des cas d’usage.

Le sourcing des cas d’usage est réalisé à partir des problématiques métiers (pain points, axes d’améliorations identifiés lors de questionnaires ou ateliers), de l’environnement existant (KPI, tableaux de bord…), et des projets digitaux et informatiques qui affecteront les cas d’usage.

À savoir, qu’en moyenne, les entreprises développent une cinquantaine de cas d’usage. Une ETI peut graviter autour d’une trentaine, et les grands groupes démarrent par une quarantaine pour en déployer jusqu’à 200/400 dans les 5 à 10 ans à venir.

Selon l’enquête menée par DataValue Consulting sur les Priorités Data 2022, seul 25% des décideurs affirment avoir plus de 9 cas d’usage en production, alors que plus de la moitié sont équipés d’une plateforme data. Cela démontre que la gestion d’une multitude cas d’usage data n’est pas évidente, surtout lorsqu’ils ne sont pas tous à la même phase de développement. D’où l’importance de clarifier au mieux la collecte de cas d’usage avec, par exemple, un catalogue de cas en définissant et en partageant les rôles et les responsabilités associées.

La seconde étape est la qualification des cas d’usage. Il s’agit de prioriser les cas d’usage et de les intégrer à une feuille de route. Cette priorisation s’appuie sur des modèles de scoring et deux matrices, une de maturité et une de faisabilité. Ces outils permettront de mieux percevoir le résultat attendu et l’effort qu’inclus chaque chantier pour définir une liste de cas d’usage prioritaire.

Un cas d’usage peut être dépriorisé à la suite des arbitrages de budget ou de planning. Il faut en gérer l’archivage de manière à le ressortir lors des comités stratégiques pour le traiter ultérieurement.

Une fois la priorisation définie grâce à la matrice de faisabilité, il faut passer à la partie “Déploiement”.

    La phase de déploiement des cas d’usage data

    La phase de déploiement peut aussi être séparée en deux temps : le traitement du cas d’usage, puis le passage en mode récurrent.

    Le traitement des cas d’usage commence par leur mise en œuvre, qui sollicite 4 composantes majeures :  

    • Le Data Management, qui assure la cohérence, la qualité et la sécurité des données nécessaires à la mise en œuvre du cas d’usage.
    • Le choix de la plateforme data qui accueillera les cas d’usage doit être réalisé en fonction des besoins (temps réel, hybride, etc) et de la maturité de l’organisation. Attention à ne pas acheter les outils avant d’avoir identifié les cas d’usage.
    • La gouvernance des données installe un cadre autour de la gestion des données (rôles, règles, responsabilités, projet d’acculturation data).
    • La gestion du delivery pour faciliter la mise en production de cas d’usage avec des ressources, des budgets et des plannings.

    S’en suit le monitoring qui démarre par une phase d’initialisation où il s’agira de récupérer l’ensemble de l’historique des données. Enfin la phase de déploiement se clôturera par le passage au mode récurrent.

    Conclusion

    La roadmap de cas d’usage data ne doit pas être une feuille de route figée, mais agile. Elle devra s’adapter en fonction des actualités de l’organisation quitte à reprioriser certains cas ultérieurement. L’essentiel est d’inscrire la mise en place des cas dans une démarche data-driven.

    Pour mettre en place un processus performant, il faut que le cycle de vie des cas d’usage soit explicitement défini (en fonction des spécificités et des besoins de chaque organisation), que les rôles et responsabilités de chacun soient compris et partagés et que les acteurs du projet soient bien informés et impliqués dans la démarche.

    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