Stratégie Data

Quel futur système pour répondre aux nouveaux besoins analytiques, à l’orientation Customer Centric et aux nouveaux usages plus prédictifs et plus personnalisés ? En fonction des cas d’usages, nous vous accompagnons dans la conception de votre future architecture Data : vision cible, trajectoire, choix des technologies... vous disposez d'une feuille de route détaillée pour exploiter les données afin de répondre aux défis de demain.
Contactez-nous

Pourquoi avoir une stratégie data

L’arrivée de nouveaux concurrents digitaux, l’évolution des besoins clients, la peur d’être disrupté, la recherche de performance… nombreuses sont les raisons qui peuvent pousser une entreprise à se digitaliser, à investir dans le Big Data et dans l’Intelligence Artificielle (IA). Les directives sont lancées : « Il faut qu’on devienne data driven« , « On doit mettre de l’IA dans nos process« . La volonté est là, mais de nombreuses sociétés n’arrivent pas à se transformer.

Et pourtant, les initiatives ne manquent pas. Chaque service lance des Proof Of Concept (POC). Le Marketing, la DSI, la Finance… Mais beaucoup de POC ne passent pas à l’étape suivante d’industrialisation et de  mise en production. Ce ne sont pas pour des questions de moyens financiers ou de technologies : c’est avant tout une question d’humain.
La peur et l’incompréhension sont les premiers freins qui peuvent bloquer une entreprise dans sa transformation digitale. Parce qu’une culture data ne peut pas s’imposer du jour au lendemain, il faut expliquer, évangéliser, sensibiliser, former et rassurer. La data doit rester au service de l’humain.

Avoir une stratégie data, c’est définir une vision cible de votre architecture de pilotage dans sa dimension applicative (Data Lake, Data Warehouse, fonctionnalité de reporting, d’analyse et de data science et intégration avec vos système opérationnels source ou client) mais aussi organisationnelle (rôles, compétence, gouvernance). Cette vision doit être au service de vos besoins métiers actuels et futurs.

Sans une feuille de route claire, étapes par étapes, basée sur des objectifs pragmatiques, des projets data vont se multiplier, au risque de faire exploser les coûts de maintenance tout en trahissant in fine la promesse de cohérence et de transversalité.

Comment ne pas se tromper

95 % des entreprises considèrent que les principaux obstacles à l’adoption du Big Data et de l’Intelligence Artificielle sont liés à l’humain et aux process de leur entreprise.
Plus précisément, le manque de vision de l’organisation et d’agilité arrivent en tête de classement.
Comme nous le répétons souvent : la technologie n’est pas le sujet prioritaire.

Tout doit partir des cas d’usage : quels sont les besoins métiers, exprimés et sous-jacents, qui seront les utilisateurs de la nouvelle solution déployée, quels impacts sur leur activité au quotidien, quelles nouvelles perspectives ? Ces cas d’usages doivent ensuite être priorisés pour que le premier lot du projet délivre rapidement de la valeur. L’adhésion au projet se joue sur les première semaines. Il est donc important de démontrer l’intérêt de la démarche le plus tôt possible, dans un esprit collaboratif guidé.

Mettre en place une stratégie data ne se limite donc pas à identifier les sources de données, penser une architecture pour stocker ces données, les normaliser et construire une gouvernance des données. C’est une démarche d’accompagnement global des métiers dans la transformation de leur façon de piloter leur activité.

Nos missions de Stratégie Data

Nous accompagnons les Directions Générales, les Chief Data Officer, les Directions Digitaux à créer leur stratégie data et à la mettre en place. Nous intervenons dans des contextes très différents avec des niveaux de maturité data variés : soit très en amont quand une entreprise réfléchit à comment devenir data driven, soit en cours de transformation digitale quand une entreprise a déjà expérimenté plusieurs POC data et qu’elle souhaite à présent structurer sa démarche, son architecture, ses équipes et son organisation.

A l’issue de la mission, voici quelques exemples de livrables :

  • Audit de la maturité data actuelle et identification des opportunités
  • Collecte des besoins métier collectés et priorisation
  • Architecture Data
  • Architecture applicative et choix technologies
  • Gouvernance des données : rôles et responsabilités
  • Dictionnaire des indicateurs clefs
  • Roadmap de déploiement avec lotissement