Stratégie de données : cinq pièges à éviter


Pour exploiter de façon structurée les volumes exponentiels de données à leur disposition, les entreprises déploient des stratégies de gouvernance de données. Elles inventorient ainsi les sources d’informations exploitables, améliorent la qualité des données, facilitent leur partage et leur valorisation au sein de l’organisation. 

L’objectif de la stratégie de données est bien sûr d’alimenter le pilotage opérationnel, d’éclairer des décisions stratégiques ou de détecter des opportunités de croissance. Mais, même avec une vision claire, quelques oublis ou excès d’évidence peuvent dégrader la performance d’une gouvernance de données. Voici donc cinq pièges à éviter dans le cadre d’un tel projet. 

Cantonner la stratégie aux données les plus récentes

collecte des données Le premier travers serait d’orienter la gouvernance exclusivement sur des données récemment produites ou acquises par l’entreprise. Certes, celles-ci représentent déjà des volumes importants. Elles sont aussi les plus évidentes à cartographier, car ancrées dans le quotidien des collaborateurs. Mais s’en tenir à ces seules données limite les possibilités d’analyse en profondeur.

Les données historiques restent essentielles pour analyser l’évolution de l’activité, la performance d’une catégorie de machines ou déterminer ce qui est source de valeur. Beaucoup d’algorithmes d’Intelligence Artificielle reposent d’ailleurs sur des apprentissages basés sur des données accumulées au fil du temps. Dans le cadre d’une stratégie de données, il est donc important de capitaliser sur ces data plus anciennes.  

Cela demandera peut-être de “retourner” extraire de l’information d’une vieille base de données, ou depuis la version N-1 de l’ERP. Mais le jeu en vaut la chandelle. Prenons l’exemple de produits dont les composants subissent de fortes variations de coûts. Disposer de données actualisées aidera à ajuster le prix de vente de ces produits en temps réel. Mais pouvoir analyser, sur le temps long, à l’aide de données historiques, l’impact de ces périodes de volatilité sur les marges, évitera peut-être des répercussions trop violentes sur les prix afin de rester compétitif. 

Ignorer les données brutes ou non-structurées

Les données brutes et non structurées sont aussi un gisement d’informations précieuses. Quelques fiches Excel, peaufinées pendant des mois par un directeur logistique sur son PC, peuvent ainsi receler un savoir-faire précieux. De même, les fichiers logs des visites sur un site Internet ou des commentaires clients envoyés en vidéo fourmillent d’informations utiles. Les ignorer dans le cadre d’une stratégie de données serait donc une erreur préjudiciable.

Ce type de données reste toutefois plus difficile à cartographier et à intégrer dans une logique de collecte standardisée. Elles nécessitent un travail de repérage, avec une évaluation de leur intérêt pour l’organisation. (La coopération entre les métiers et l’équipe en charge de la gouvernance est ici cruciale – voir plus bas). 

Une fois identifiées et jugées pertinentes, ces données non structurées vont demander un travail spécifique de collecte, de tri, de raffinage avec des outils dédiés, pour être rendues exploitables. Ici, la solution Gathering Tools pourra être un soutien précieux à la stratégie de données : elle aidera à consolider des informations dispersées dans des fichiers tableur. 

 

 

Laisser les silos de données dicter la stratégie

Un des objectifs majeurs de la stratégie de données demeure la mutualisation d’informations à l’échelle de l’entreprise. Dans les faits, avant sa mise en place, les métiers auront déjà accumulé leurs propres données, formant ainsi des silos de data étanches et cloisonnés. Laisser cette situation perdurer s’avère contre productif.

En effet, certaines données essentielles de l’organisation – produits, clients, fournisseurs, prix… gagnent à être stockées et disponibles dans un référentiel unique.  Avec cette approche, appelée Master Data Management, l’entreprise évite des doublons et des incohérences sur des données clé. Elle bénéficie d’un référentiel établi selon des processus de collecte homogènes et sécurisés, ce qui garantit la qualité et l’intégrité des données à disposition des collaborateurs. 

Enfin, ce “regroupement” des données facilite leur partage et leur valorisation, avec davantage de possibilités d’analyse, de corrélation. Par exemple, un service marketing pourra croiser les données des activités de support/SAV avec des enquêtes marché pour améliorer l’expérience client ou une offre de services. 

Ne pas impliquer les métiers dans la stratégie de données

collecte des donnéesIl y a donc beaucoup à gagner à ne pas laisser les métiers collecter et stocker les données à leur guise. Mais cela exige une certaine discipline de leur part : abandon de leurs silos de données, changement d’habitudes quant à leurs outils de collecte et logiciels dédiés, participation à un effort d’inventaire pour l’ensemble de l’organisation… Gathering Tools peut ici être exploité pour structurer des workflows de remontées de données à partir d’un existant Excel, sans changement radical pour les utilisateurs

Sans l’adhésion des métiers, une stratégie de données risque donc de faire long feu. Il est crucial qu’ils en comprennent les enjeux et les bénéfices. La clé pour les impliquer : la pédagogie et des échanges réguliers avec les équipes en charge de la stratégie data. Les enjeux portent sur la qualité et le partage des données, et donc la précision des indicateurs, du reporting et le pilotage de la performance qui en sont issus. Les bénéfices se mesurent en pertinence de décision, en compétitivité, en capacité à améliorer l’offre et à créer de nouveaux services.   

Ne pas analyser la performance de la stratégie de données

Déployer une stratégie de données, c’est se placer dans une logique d’amélioration continue. 

Pour éviter que cette stratégie de données apparaisse comme figée, peu agile et sclérosante, les équipes de data management se doteront d’une feuille de route, avec des points d’étapes, une évaluation des résultats. Elles mesureront l’élargissement progressif des catégories et l’augmentation des volumes de données qu’elles gèrent. Le taux d’adhésion des métiers, d’adoption des outils, d’exploitation des informations feront l’objet d’ indicateurs de suivi spécifiques. 

Mais plus largement, la performance de la stratégie de données s’évaluera à l’aune des bénéfices concrets pour l’entreprise : précision et rapidité de mise à disposition des indicateurs, capacité de reporting global et gain de performance opérationnelle (par exemple pour un rapport RSE), capacité à informer les clients, à anticiper la demande, création de nouveaux services basés sur les données. 

Avec des indicateurs pour mesurer l’efficacité de leur “politique data”, les responsables de la stratégie de données apparaîtront comme les premiers ambassadeurs de la valorisation de la donnée. Une façon de donner l’exemple et d’éviter de passer pour des cordonniers mal chaussés. Sur le long chemin de la stratégie de données, qui requiert une grande attention et beaucoup de pédagogie, ce sera toujours un piège de moins.