Cette affirmation a vu le jour il y a une dizaine d’année, à l’aube de l’expansion du commerce électronique et la domination des géants de l’internet sur l’économie mondiale.
L’expression « or noir » est apparue avec la découverte du pétrole. Elle découle de l’or jaune qui est un métal symbole de richesse et sous-entend que le pétrole est une ressource précieuse. La couleur noire fait référence bien entendu à la couleur du pétrole.
Et par analogie, dire que la donnée est l’or noir du 21èmesiècle, nous pousse à imaginer toute la richesse que l’humanité pourra extraire en explorant les gisements des données qu’elle possède.
Alors, une course effrénée à la découverte de cette richesse est lancée par la majorité des entreprises, soucieuses de ne pas rater le virage stratégique, pour identifier et explorer les gisements des données et dans la foulée les transformer en richesse.
Cependant plusieurs questions se posent et restent sans réponses évidentes, plusieurs obstacles se dressent et empêchent la réalisation du rêve de transformation des données en richesse.
Que veut dire réellement cette expression ? Comment une entreprise peut réellement transformer ses données en richesse ? Quelles sont les données dont on parle ? Où se trouvent les gisements dont l’entreprise peut prétendre explorer ? Quels sont les coûts pour extraire la valeur des données ? Comment, avec quels moyens et en combien de temps les entreprises pourront profiter de cette richesse ?
Les données personnelles produites sur internet sont devenues des richesses capitales qui viennent accompagner le développement de nos sociétés. Ce sont des données disponibles, accessibles et de très bonne qualité dans le sens de l’exactitude et de la fraîcheur, car elles sont produites par les internautes eux-mêmes à travers le web, les réseaux sociaux, mais surtout et de plus en plus à travers les objets connectés, ce que nous appelons l’Internet des objets ou IdO (mobilités, transports, domestiques, …)
Mais les organisations privées et publiques regorgent aussi de données accumulées depuis des dizaines d’année avec l’apparition de l’informatique et surtout depuis l’informatisation de masse des systèmes d’informations à partir des années 90. En revanche ces données sont éparses, hétérogènes, polyglottes et souvent incertaines et constituent malgré tout une richesse inexploitée à sa juste valeur.
Le grand défi de nos organisations pour transformer la donnée en richesse est de comprendre le mécanisme qui consiste à faire l’état des lieux des données internes, identifier les liens avec les données externes pour créer des nouvelles offres de biens ou services répondant aux attentes réelles et utiles de la société.
Les nouvelles entreprises nées de l’économie digitale ont l’ADN structuré autour des données, elles sont profondément organisées autour des objets data qu’elles manipulent, elles sont par essence « Data oriented », l’infrastructure de leur SI est née autour de la donnée, elles sont par genèse capables de profiter de la croissance des données, elles possèdent les processus de collecte, de stockage et de manipulation qui leur permettent de croître en intégrant des nouvelles sources de données mais aussi en ajoutant des nouveaux services après analyse scientifique des données qu’elles possèdent. Ces entreprises tirent leurs épingles de la richesse du 21èmesiècle.
POURQUOI LA MAÎTRISE DE LA DONNÉE EST DEVENUE UN ENJEU ÉCONOMIQUE ?
Il s’agit en réalité de maîtrise de l’information déduite des données. En effet, posséder une grande quantité de données élémentaires sans avoir les moyens de les transformer en informations exploitables pour l’action ne sert à rien. Et nous savons depuis l’aube des civilisations que la maîtrise de l’information donne un avantage inestimable à celui qui la possède.
Les données élémentaires sans un cadre d’analyse donné n’ont pas de sens, par exemple dire que la température est de 5°C n’a pas un intérêt tel quel si nous ne l’exploitons dans un contexte donné. 5°C est une température froide dans le désert africain tandis que c’est une température chaude dans la plaine sibérienne en Mars.
Plus la quantité et la diversité des données élémentaires sont importantes et plus l’analyse pour en déduire une information pertinente est grande, à condition qu’elles soient exploitables dans sa forme et dans sa qualité.
Une fois que la production de l’information à partir des données est maîtrisée dans une organisation et pour l’utiliser dans le cadre économique il devient alors nécessaire de comprendre comment elle pourra influencer et modifier favorablement le comportement des acteurs économiques en interactions avec les processus de l’organisation. Les clients, les fournisseurs, le personnel etc.
Par exemple si une entreprise souhaite satisfaire un client alors il est nécessaire de bien comprendre son besoin pour lui proposer le service le plus adapté. Pour bien comprendre et cerner son besoin il est nécessaire de collecter le maximum d’informations sur lui et principalement sur son environnement.
Plus le périmètre de la connaissance du client est large et plus l’analyse du besoin est efficace. Et la plus efficace des connaissances est celle liée aux valeurs, aux croyances et aux émotions. Nous savons depuis longtemps que l’action d’un être humain est guidée par des besoins et par des émotions pour répondre à des valeurs et croyances.
Jusqu’à l’apparition des réseaux sociaux, il était difficile de collecter de manière industrielle les connaissances sur les goûts, les préférences et les croyances des consommateurs. Les entreprises pouvaient uniquement appliquer des modèles statistiques sur les caractéristiques descriptives et structurées des personnes (âges, adresses, diplômes, catégories professionnelles…).
Cependant depuis l’apparition des nouvelles applications et les réseaux sociaux les entreprises peuvent collecter des données structurées et non structurées (goûts, états émotionnels, déplacements, vidéos, images,..) qui permettent de déterminer les groupes d’appartenance sociaux économiques des consommateurs. Ces groupes d’appartenance déterminent les besoins les plus intimes des personnes et donc les moyens pour les satisfaire.
L’entreprise qui arrive à construire une connaissance intime des besoins de ces clients augmente sa capacité de les fidéliser et de s’adapter à leurs attentes actuelles et futures. De même ce processus de connaissance des besoins et d’adaptation de l’offre s’applique aux fournisseurs, aux produits et aux employés. Plus l’entreprise maîtrise les données et plus elle est agile dans son adaptation aux enjeux sociaux économiques.
La donnée devient le centre des réflexions stratégiques. Ce sont les organisations dites « Data centric » ou « Data oriented ».
Pour réussir une transformation data centric les entreprises doivent développer 3 aptitudes :
- La mise en place d’un répertoire de données sophistiquées supporté par un programme de gouvernance de données.
- L’intégration de compétences pointues en analyse des données (data scientists).
- Développement de la mentalité de vendeur/conseiller.
Mais quelle est la situation des entreprises de l’économie traditionnelle ? Réussiront-t-elles la transformation pour rentrer pleinement dans l’ère du numérique et profiter de la richesse promise ?
Malheureusement les entreprises aujourd’hui sont confrontées à des obstacles opérationnels qui les empêchent d’entamer le virage et rentrer pleinement dans l’ère du data centric.
Elles sont souvent confrontées à des questionnements sur:
- La nature du patrimoine de donnés de leurs organisations, le type de modèle conceptuel de données
- Ou se trouvent leurs données et sous quelle forme
- Qui les utilise, quand et pourquoi
- Comment améliorer leur qualité, les explorer et les transformer en un capital d’entreprise
Il est fondamental et nécessaire de mener une réflexion de fond sur la maîtrise et la gouvernance des données si les entreprises veulent pleinement profiter des avancées technologiques en matière de digitalisation et de transformation numérique.
Il y a en effet 3 catégories pour qualifier les entreprises de l’ancienne économie.
La première catégorie regroupe les entreprises qui ont les moyens humains et financiers pour investir dans une transformation profonde de leur business model, en général ce sont les entreprises qui ont une domination dans un ou plusieurs secteurs d’activité avec un rayonnement internationale.
Ces entreprises rencontrent principalement des problèmes liés au manque de connaissance des données existantes dans les différents systèmes, à la qualité qui n’est pas au rendez-vous et à l’absence de la responsabilité des données dans le cycle vie des processus. Aussi l’inertie engendrée par la taille de l’entreprise, le niveau de compétence analytique et l’absence de l’agilité organisationnelle constituent un enjeu de taille qui devient dans certains cas un obstacle infranchissable.
La deuxième catégorie regroupe les entreprises qui ont accès aux nouvelles technologies de l’information en termes d’équipements et de compétences mais les coûts nécessaires pour réaliser une transformation digitale constituent un investissement irréalisable sans mettre en danger la viabilité économique de l’entreprise.
La troisième catégorie regroupe les entreprises qui n’ont pas la capacité matérielle et humaine pour profiter des innovations des nouvelles technologies et sont condamnées à utiliser les services des entreprises du numérique qui engrangent une partie importante de leur marge opérationnelle.
Par exemple les hôtels autonomes qui utilisent les plateformes de réservation tel que Hotel.com ou Expedia ou autres tout en reversant des frais importants pour chaque réservation induisant une chute de leur rentabilité. C’est le prix à payer pour ne pas disparaître.
COMMENT ORIENTER LA STRATÉGIE DES ENTREPRISES VERS UN FOCUS SUR LA DONNÉE ?
C’est un changement d’état d’esprit global accompagné par un changement profond dans l’organisation et des processus opérationnels. Chaque employé doit orienter son esprit vers la collecte d’information sur son environnement.
Tous les canaux de communication de l’entreprise doivent être orientés vers la collecte et le traitement des informations : centres d’appels téléphoniques, les sites web, les agences, les opérateurs, mais surtout et principalement les réseaux sociaux qui produisent des informations importantes utiles à la compréhension des sentiments et des états émotionnels des clients.
L’objectif de cette collecte est de connaître tout sur les clients : Style de vie, Préférences financières, Démographie économique, comportement de consommation, connaissance historique et surtout l’évolution des besoins en fonction de tous les éléments collectés.
En combinant la connaissance interne détenue par les entreprises ainsi que la collecte intelligente de l’information externe permettra de transformer la donnée en un véritable capital, une force de création de valeur.
LA DATA GOUVERNANCE AUTOUR DU CDO
C’est le chemin à emprunter pour orienter l’organisation vers le data Centric.
Pour affronter ces défis une politique et une stratégie centrale doivent être mises en place pour donner une cohérence globale à la transformation et accompagner le mouvement vers la digitalisation de l’action globale des organisations.
Cette digitalisation de la donnée a fait émerger des nouveaux métiers parmi eux le CDO qui est le responsable de la gouvernance des données et de leur utilisation en tant qu’actifs de l’entreprise afin de les valoriser au mieux.
Un CDO sert de catalyseur pour l’implémentation d’une digitalisation d’une approche orientée donnée.
Parmi les objectifs d’un CDO nous pouvons citer :
La construction d’un dictionnaire de connaissance de la donnée.
Comme nous l‘avons vu précédemment, les données sont partout et sous plusieurs formats et servent plusieurs contextes. Un des objectifs est de construire et centraliser un dictionnaire de données qui décrit de manière unique et pour chaque donnée sa définition, son emplacement et son format. Les règles des gestions appliquées dans les différents systèmes.
Cette connaissance se traduit principalement par la mise en place d’un dictionnaire de données et modèle conceptuel.
Le CDO est le responsable de ces livrables, son principal rôle est d’être le garant de leur exactitude, de leur exhaustivité et de leur disponibilité ainsi que leur diffusion au sein de l’entreprise.
Cette diffusion de la connaissance est utile pour les métiers et pour les services informatiques.
Mise en place d’une organisation de gouvernance de données.
Elle consiste à définir et intégrer dans les organisations opérationnelles des data steward (responsable) de la donnée. Ces nouveaux rôles ont pour objectifs de garantir la diffusion des bonnes pratiques de traitement des données (création, modification, consommation). Ainsi la connaissance de la donnée dans son cycle de vie est diffusée partout dans l’organisation et avec les mêmes définitions.
Conception et implémentation d’un programme d’amélioration de la qualité.
Le CDO doit définir les objectifs de qualité de données et mettre en place l’ensemble des moyens technologiques, processus et organisationnels pour les atteindre. La qualité est un processus continu et ne peut pas être considérée comme une action à mener one shot.
Mise en place des standards d’accès, de consommation et de rétention.
De plus en plus des organismes de contrôle et de régulation imposent aux entreprises du secteur financier d’implémenter des procédures de sécurités pour garantir une traçabilité totale durant tout le cycle de vie de la donnée. Une cohérence et une harmonisation des procédures sont à mettre en place au niveau global pour être en conformité avec les lois. Sachant que ces lois sont spécifiques à chaque pays et évoluent régulièrement et rapidement il faudra être à jour pour ne pas commettre des infractions.
Mise en place d’un support à la résolution des problèmes de données.
Ce service permet de supporter les différents consommateurs des données dans la résolution des problèmes liés à leur définition ou leur qualité. Un gain en productivité et en efficacité est indéniable.
Rationalisation des outils de gestion de la donnée.
Définir et implémenter une architecture applicative cible qui rationalise et harmonise les outils de gestion des données de références.
Devenir un centre de compétence autour de la donnée
En modélisation de données, en architecture de données et en technologie de traitement de la donnée, définir et implémenter une architecture applicative cible qui rationalise et harmonise les outils de gestion des données. Ce centre de compétences pourra aussi accompagner les métiers dans la réalisation des initiatives en mode agile avant les phases d’industrialisations faites par les IT.
Devenir un centre d’innovation digital pour l’implémentation de la Big Data
Développer les compétences autour de la big data pour travailler sur les innovations digitales.
