Lors de la réalisation du baromètre des priorités data 2022, nous avons eu l’occasion de questionner des décideurs sur leur stratégie data. Il s’avère que la moitié d’entre eux n’ont pas de stratégie data claire et partagée. Cela se traduit par une certaine lenteur dans l’exécution de la feuille de route data et par l’apparition de surcoûts. La cause de ces difficultés ? Un manque de coordination et de convergence entre les parties prenantes de la feuille de route de la stratégie data (IT, directions générales, directions métier…).
En quoi la stratégie data est-elle la déclinaison de la stratégie d’entreprise ?
Depuis Davos en 2012, la data est considérée comme une vraie classe d’actif économique au même titre que les devises ou l’or, elle doit donc être gérée comme un asset. De nombreuses initiatives ont été prises et de nombreux projets data ont vu le jour dans tout secteur d’activité, quelle que soit la taille de l’entreprise. 10 ans plus tard, il y a eu des réussites et des échecs. Nous voyons aujourd’hui que les échecs sont principalement dus au manque de vision, d’organisation et de stratégie. Avant d’aller plus loin, revenons au sens même de la stratégie.
La stratégie d’entreprise
On peut définir la stratégie d’entreprise comme « l’ensemble des choix fondamentaux qui déterminent le succès ou l’échec d’une entreprise » (Xavier Fontanet). Elle se base sur trois pierres angulaires : l’information, la technologie et la psychologie.
- Information : pour imaginer une stratégie, il faut disposer d’informations et de connaissances : les connaissances du marché, la connaissance des clients, les informations produits, leur cycle de vie, le suivi des tendances…
- Technique : il faut être capable de réaliser une étude de marché, et maitriser les techniques financières ou encore les techniques d’analyse.
- Psychologie : pour faire émerger une bonne stratégie, il faut également de l’audace et de l’intuition. On peut être amené à prendre des décisions et des orientations risquées et difficiles.
La stratégie data
On peut définir la stratégie data comme l’ensemble des actions et des choix fondamentaux qui permettent à l’entreprise de créer, gérer et valoriser son patrimoine informationnel et de réussir sa transformation vers l’entreprise Data Centric.
La stratégie data se base aussi sur 3 pierres angulaires : l’asset data, l’organisation et la gouvernance, ainsi que les usages.
- Le capital informationnel (asset data) se doit d’être clairement identifié. Cela concerne toutes les données qui impactent les activités de l’entreprise, qu’elles soient des données internes ou des données externes.
- L’organisation et la gouvernance doivent permettre de mener à bien la stratégie data. Il faut s’assurer de disposer des compétences et des savoir-faire nécessaires, de répartir les rôles / responsabilités et de mettre en place des processus propres à l’exploitation de la donnée.
- Les usages représentent la finalité d’une plateforme data, ils permettent de valoriser les données et de créer de la valeur.
Ces trois piliers s’appuient sur un socle technologique. La construction d’un asset data nécessite l’utilisation d’outils pour gérer les pipelines de données, pour assurer le stockage autant que l’exploitation des données… L’organisation et la gouvernance s’appuient sur des processus, mais également sur de nombreux outils de gestion. De l’analytique simple, à la data science, les usages s’appuient, presque sans exception, sur des offres technologiques déjà matures.
La stratégie data concerne toute la chaine de valorisation de la donnée au sein de l’entreprise.
- L’identification des pain points et des cas d’usage métier,
- La conception des solutions en architecture et infrastructure,
- La mise en œuvre des solutions et plateformes,
- La consommation de la donnée.
Tous ces éléments doivent être anticipés et figurer dans la stratégie data.
La stratégie data au service de la stratégie d’entreprise
Pour résumer, la stratégie globale de l’entreprise intègre des enjeux et objectifs qui seront déclinés en sous objectifs pour les différentes entités. On va alors définir une stratégie data qui cherche à mesurer et à atteindre ces objectifs. La stratégie data se base sur des cas d’usage qui sont priorisés en fonction de leur ROI et de leur simplicité de déploiement. L’ensemble des cas d’usage reposent sur un socle d’accélérateurs composé de 4 briques :
- L’organisation : la méthode de travail, les talents, la structure ;
- Le portfolio d’initiatives et de projets ;
- Les assets : les données, les technologies ;
- L’écosystème : les partenaires, les éditeurs, les intégrateurs.
L’écosystème est un facteur décisif dans une stratégie data, quelle que soit la taille de l’entreprise ou de la DSI, et elle ne peut être menée seule. La stratégie data doit définir les partenariats à mettre en place avec des éditeurs et des intégrateurs pour réussir la mise en œuvre de ses projets data.
Comment générer de la valeur avec des cas d’usages concrets ?
Aujourd’hui, pour rester compétitif, toute entreprise doit construire un portefeuille de cas d’usage (à minima 25 à 30 cas d’usage en moyenne). Les « standards » sont de plus en plus élevés en termes de connaissance client et de sécurité informatique. Les cas d’usage doivent être de plus en plus sophistiqués.
Pour aider nos clients dans la formalisation de la stratégie data, nous mettons à leur disposition un portefeuille de cas d’usage structurés en 5 grandes familles (Innovation, Expérience et connaissance client, Excellence opérationnelle, Maitrise des risques et Agilité opérationnelle). Cette base permet de les aider à faire émerger des cas d’utilisation de la data et d’en tirer de la valeur.
- Innovation : ces cas d’usage visent à développer de nouveaux produits et services, de nouvelles offres, ou même de nouveaux packagings. Ce sont des utilisations qui bénéficient notamment aux équipes R & D et marketing.
- Expérience et connaissance client : les données sont exploitées à des fins d’ultra personnalisation, d’optimisation du parcours client, ou encore pour réaliser des recommandations intelligentes. Ces cas d’usage sont essentiels pour assurer l’acquisition de nouveaux clients et leur fidélisation.
- Excellence opérationnelle : la donnée peut également servir à optimiser les processus, les achats ou encore le choix des fournisseurs. Des cas d’usage permettent d’améliorer les performances humaines, logicielles et naturelles. Cette famille d’usage est centrale lorsqu’on est en présence de chaines de fabrication, de suivi de la qualité et des commandes en temps réel…
- Maitrise des risques : ces cas d’usage vont servir à détecter des fraudes, à prévenir des risques, à sécuriser le système d’information… Ils sont de plus en plus présents dans les stratégies data, surtout dans le domaine bancaire ou encore dans l’assurance.
- Agilité opérationnelle : les équipes devront s’approprier les cas d’usage déployés. Cela demande une certaine réflexion dans l’ordonnancement de la feuille de route, mais il y a aussi des actions d’acculturation à mettre en place. Un programme d’acculturation se compose de formations, de sensibilisations, d’actions de communication, et d’un suivi rigoureux de l’évolution de la culture data.
La construction de la roadmap data est un travail qui dure entre 6 et 8 semaines. Cette roadmap décrit, budgète, priorise, planifie et estime le ROI de chaque cas d’usage.
Quelle approche méthodologique adopter pour définir sa stratégie data ?
Pour élaborer une stratégie data, il n’y a pas vraiment de méthodologie standard, cela dépend du contexte et de la maturité de chaque entreprise. Néanmoins, des questions fondamentales doivent systématiquement être posées.
1. Avoir une vision
-
Comment la data peut-elle impacter votre business ? Comment en tirer de la valeur ?
- Quelles opportunités (offres, valeurs, modèles économiques…) génère-t-elle ?
2. Évaluer l’avantage concurrentiel
- Comment la data affecte-t-elle votre positionnement sur le marché ?
- Comment êtes-vous positionnés dans votre secteur d’activité et par rapport à vos concurrents ?
3. Prioriser les investissements
- Quelles sont les opportunités cohérentes avec votre stratégie commerciale, votre ambition et vos capacités actuelles ?
- Dans quel ordre les faire et les poursuivre ?
4. Établir une roadmap
- Quelles sont les cibles, les échéanciers et les responsabilités pour chacun de vos projets ?
- Quels budgets et compétences sont nécessaires pour atteindre la cible ?
5. Estimer l’effort (gap analysis)
- Quelles lacunes dans les capacités, l’organisation et les systèmes, doivent être comblées pour gagner ?
- Quelles sont les forces et faiblesses de votre système d’information ?
- Quel est le niveau d’acculturation data actuel ?
Toutes les réponses à ces questions apporteront des pistes précieuses pour construire une stratégie adaptée.
La démarche de DataValue Consulting
La démarche de DataValue Consulting est conçue pour apporter la rigueur et l’expérience nécessaire à la réussite d’une stratégie data. Bien que la mise en œuvre soit personnalisée en fonctions de votre situation, nous retenons sept étapes clés dans notre démarche.
Nos clients étant tous à des niveaux d’avancements différents, nos équipes s’adaptent pour pouvoir intervenir dans tout type d’environnement.
Nous pouvons intervenir pour construire une feuille de route complète à partir d’une feuille blanche. C’est le cas dans des entreprises où il n’existe pas encore de stratégie data claire et où le SI data est siloté et obsolète.
Il y a d’autres situations où des initiatives et des projets sont en cours, mais ils sont réalisés de manière disparate dans les différentes directions sans être liés par une vision et une stratégie commune. Nous intervenons alors pour élaborer une stratégie data et organiser les initiatives existantes pour qu’elles convergent vers une même cible.
Il peut également arriver qu’une entreprise ayant une bonne stratégie data fasse appel à nos équipes pour leur regard externe et leur retour d’expérience. Ce type de prestation permet aux entreprises de challenger le plan existant et d’identifier de nouveaux cas d’usages pertinents.