L’évolution du système d’information décisionnel existant est un challenge de taille pour les organisations souhaitant déployer de nouveaux cas d’usage de gestion et d’analyse de données.
Généralement, les problématiques se situent dans le passif du système d’information existant. Il peut être dépassé technologiquement, souffrir d’une obsolescence des pratiques ou même d’un manque de gouvernance.
Alors en quoi un audit du système d’information est essentiel pour faciliter son évolution ? Quels sont les facteurs de déclenchement d’un tel projet ? Par où débuter ce chantier ?
L’évolution du système d’information pour accélérer les projets data
Les organisations sont soumises à de nombreuses contraintes extérieures qui impliquent de faire évoluer les systèmes d’information pour accueillir de nouvelles applications :
- Durcissement des réglementations impliquant une meilleure gestion des données : normes fiscales (IFRS), le règlement européen sur la protection des données (RGPD), le Bâle pour le secteur bancaire, les normes de qualité pour le secteur pharmaceutique, etc.
- Environnement de plus en plus concurrentiel impliquant d’innover : nécessité de gagner en compétitivité en se différenciant par une expérience client de qualité, une capacité d’innovation, etc.
De nombreuses contraintes internes agissent également en ce sens :
- Délai d’obtention des données de plus en plus long, notamment par les métiers,
- Faiblesse de l’information disponible,
- Volonté de déployer de nouvelles méthodes de travail basées sur des analyses de données,
- Des données manuelles localisées dans des fichiers Excel.
L’ensemble de ces pressions, internes et externes, poussent les décideurs à faire évoluer leur système d’information afin qu’il permette de répondre aux besoins de plus en plus variés des métiers.
Déployer des projets data dans un SI existant : comment faire ?
Une évolution progressive
La déploiement d’application data aura plusieurs impacts organisationnels, humains et technologiques. C’est pourquoi, ce projet doit faire l’objet d’une feuille de route structurée.
Méthodologie pour déployer des cas d’usage data :
- Recenser et prioriser les cas d’usage data avec les directions métiers. Cette étape permet de disposer d’une vision macro du périmètre du projet.
- Choisir et déployer progressivement sa plateforme de données au sein du système d’information existant.
Pour réussir cette phase de déploiement, il faut anticiper les impacts de la plateforme de données sur le SI existant. L’objectif étant d’intégrer progressivement les cas d’usage dans le SI existant, sans « tout casser ».
> À LIRE AUSSI : Méthodologie pour identifier et prioriser les cas d’usage data
Les impacts métiers
Les impacts métiers peuvent être de plusieurs natures :
- La production de plus d’informations (détail factures, IoT…),
- La production de plus de rapports (Fusacq…),
- La mise à disposition de nouvelles fonctionnalités d’analyse (algorithme, machine learning…),
- L’ouverture à plus d’utilisateurs notamment externe comme les fournisseurs augmentant le nombre de demande,
- Le support de plusieurs usages enrichissant la consommation traditionnelle.
Les impacts techniques
Il y a également des impacts techniques à ne pas négliger :
- L’architecture technique (opération massive de migration vers le cloud, acquisition/upgrade de serveurs, dimensionnement…),
- L’architecture logicielle (acquisition/upgrade de logiciels, évolution de l’existant),
- Les systèmes opérationnels (évolution du SI, ajout de nouvelles sources de données…)
- Les moyens humains avec des équipes qui tendent à changer rapidement (charges d’évolution du SID/data lake/data warehouse, compétences requises…),
- L’exploitation du système (nature et fréquence des traitements, modes d’administration…).
En tant que cabinet de conseil et d’intégration en data, nous conseillons d’opter pour des évolutions progressives à travers une cohabitation de la nouvelle plateforme de données avec le SI existant. Cela permettra de déployer concrètement de nouveaux cas d’usage afin de créer une adhésion au projet.
Audit de son système d’information décisionnel
Afin d’anticiper la démarche de transformation du SI, il est important d’analyser l’existant. Pour cela, nous nous basons sur un audit structuré autour de 5 familles de critères :
- L’architecture,
- Les hommes,
- La technologie et l’exploitabilité,
- Les données,
- Le métier.
Voici ci-après la méthodologie prescrite par DataValue Consulting pour effectuer l’analyse du système d’information décisionnel existant :
Nous y trouvons :
- La composante métier: pour lister les cas d’usage et développer une plateforme de données performante, il faut assurer un alignement entre la stratégie, les processus et les indicateurs. Cela implique également d’observer les problématiques de qualité, de gouvernance et de sécurité des données.
- Les données: cela concerne la sélection et l’anticipation de la volumétrie des nouvelles sources liées aux nouveaux cas d’usage, la maîtrise de la qualité de données avec les indicateurs adéquats, la gouvernance avec la connexion entre les sources, etc.
- La technologie et l’exploitabilité: cela revient à se poser les questions de l’écarts de connectivité entre les systèmes, des coûts de stockage, d’une migration vers le cloud, etc.
- Les hommes : il s’agit de la gestion du changement et l’acculturation des équipes. Dans la roadmap de la DSI, il faut se projeter à moyen terme, définir les besoins de recrutement et les compétences associées. Dans le cadre de la gouvernance de la donnée, il y a également la définition de rôles et responsabilités pour ne pas créer de rigidité et de complexité lors de la mise en place de premier cas d’usage.
- Les architectures : il s’agit des arbitrages relatifs à la migration vers le cloud, l’intégration de la plateforme de données dans l’architecture d’entreprise, etc.
L’analyse de l’existant à travers ces 5 familles doit se traduire par une grille de scoring qui permet d’élaborer une première roadmap de projet data avec les coûts associés, les liens entre les divers projets, la timeline (3 à 6 mois par projet en général), etc.
L’objectif étant d’aborder cette évolution sur 3 ans pour intégrer de manière fluide tous les cas d’usage qui pourraient apparaître.
La rédaction vous conseille
> Bonnes pratiques pour intégrer sa plateforme data au SI existant
> Stratégie Data : comment élaborer sa roadmap data ?
