Qu'est-ce que cela signifie ?

De nombreuses entreprises se disent êtredonnées.Dans cet article, nous allons creuser ce que signifie ce concept et voir quelles sont les étapes pour y parvenir.

Data drived : Définition

Il y a plusieurs coureurs permettant de définir ce qu'est être data-drived. Mais ce que ces coureurs ont en commun est qu'on va parler de maturité de l'entreprise au niveau de la donnée. Une entreprise data-drived est donne une entreprise qui a mis la donnée à tous ses échelons et va notamment prendre toutes ses décisions à l'aide de la donnée.

Nous allons définir la maturité data à plusieurs niveaux. Une entreprise au niveau 1 sera data-drived au niveau basique tantis qu'une entreprise au niveau 5 sera à 100 % data-drived. Voici les 5 niveaux de maturité data qu'une entreprise peut avoir. Il y a une hiérarchie entre ces niveaux :

• Reporting : Capacité à visualiser les données
• Analyser : Capacité à louer plus en profondeur dans la donnée pour comprendre pourquoi tel phénomène se produit
• Optimiser : Optimiser les processus en apportant des connaissances grâce à la data
• Empower : Donner le pouvoir aux employés en appuyant les outils et la connaissance pour faire des analyses
• Innover : Utiliser la data pour innover dans des produits et transformer l'organisation

1- Rapports

Le reporting est la première étape d'une entreprise axée sur les données. Cette étude va permettre de poser les fondations futures d'une entreprise data-drived.

A ce moment, on agit qu'on veut construire une organisation data-drived : Excel et Google sheets doivent disparâtre. La prorogation des feuilles de calcul création plus de confusion qu'autre choisi. La première étape va donner est de mettre en place des outils de reporting.

Faire des tableaux de bord

On va donner voir mettre en place des premières récupérations de données de gestion plus processée. On va donner choisir quelle donnée sur collection, commenter la collection et où sur la stocke. Le but va être de construire des tableaux de bord, appels par tous destableaux de bordl'identificateur des premières tendances.

Pour créer des tableaux de bord, on va découvrir quels sont les moyens principaux dont on a besoin, qu'on appelle- Oui.Ces KPI devront être pertinents et avoir de la valeur. Ce qui va conduire le management ou non à investir en profondeur dans la data.

Commencer à insérer une culture data

A cette étape là, si les décisions prises sont largement basées sur l'intuition, certains interlocuteurs ne sont pas que peu sensibles aux chiffres donnés dans les rapports. Certains séront même sceptiques face aux méthodes présentées et efficaces de passer à une organisation où le rationnel doit être là où précédemment était la personne avec le plus haut salutaire ou le plus haut échelon hiérarchique.

Il est important aussi à ce moment-là de bien définir les questions auxquelles on soushaite répondre. C'est une tâche qui parait simple mais qui nécessite en fait de passer beaucoup de temps : de gestion générale en data, il est important de bien définir le problème pour que l'on puisse choisir les meilleurs outils pour y répondre. Et à ce stade de maturité, cela servira surtout à définir les bonnes méthodes.
C'est-à-dire

2- Analyseur

Une fois qu'on a construit les premiers tableaux de bord, à ce moment on va vouloir aller plus loin dans l'analyse. On va garantir avoir besoin de collecter plus de données pour faire des analyses plus pertinentes.

A ce moment-là, la donnée collectée commence à être de différentes sources. La question de la qualité de la donnée va commencer à se poser. Il faut donc commencer à mettre en place des outils de suivi de la qualité de la donnée.

Une professionnalisation de la collecte de la donnée

La difficulté associée au fait d'avoir de nouvelles sources fait que la collecte de données va maintenant devoir être plus traitée. Données sur l'infrastructure La gestion d'intégrer les données, la stocker sera standardisée. De plus, les data savants devront aller chercher plus d'outils pour améliorer leurs analyses.

Dans le même temps, les tableaux de bord doivent de plus en plus de sophistiqués.

Commencer à diffuser une culture data dans l'entreprise

A ce stade, certains employés ne font pas partie de l'équipe data - les employés les plus intégrés par la data - pourront commencer à apprendre des connaissances basiques en data. Le management quant à lui commence à être convaincu qu'il faut insuffler à toute l'entreprise une culture data-drived mais n'a pas encore tous les outils, la connaissance et les méthodes pour le faire.

La réussite dans la partie reporting doit servir de moteur pour continuer le reste de l'organisation, notamment ceux qui ne sont pas cette culture là et pour qui ne changent pas leur maniere de travailler.

Là où le reporting se focalise exclusivement sur le passé, on utilise l'analyse pour commencer à mieux comprendre le passé et en faire des actions pour préparer comment va se passer le futur.

3- Optimisateur

A cette étape, on va commencer à optimiser les processus business à l'aide de la data.

Collecteur encore et toujours de la data

Il va être important de continuer à collecter de la donnée à ce stade. On commence à arriver à de l'aide à la personnalisation de l'expérience. Donc ce qui va être important c=est de collecter de la donnée de comportement et d=achat pour être capable de proposer cette personnalité.

De plus, pour choisir ou non de collecter de nouvelles données, il faut maintenir système se poser la question de son utilisation. On ne va plus chercher à seulement apprendre de la connaissance avec ces données, mais plutôt chercher à en faire des actions directes vendant de ces données.

Une évolution des compétences

Là où avant il n'y avait besoin principalement que de data engineering et de data mining - pour récupérer la donnée et l'analyse, les nouveaux besoins nécessaires de nouvelles compétences, notamment en machine learning. Avec cela, on va pouvoir utiliser les données passées pour faire des modèles pour mieux prédire le futur. Sur le passage deAnalyseà laprévision. Les personnes qui détentent les compétences en analyse et celles qui détentent les compétences en prévision ne sont généralement pas les mêmes. Il faut aussi se préparer techniquement pour être capable de faire ces prédictions.

On va aussi essayer de se rapprocher de plus en plus du temps réel.

Sortir la donnée de l'équipe data

A ce stade, on se pose la question de comment faire en sorte que la data ne soit plus une affaire seulement de l'équipe data mais qu'elle concerne le quotidien de tous. La data doit alors devenir une composant intégré de la stratégie de l'entreprise.
C'est-à-dire

4- Pouvoir

Maintenant qu'on sait visualiser la donnée, l'utiliser pour faire des analyses, faire des prévisions, qu'on convainc le management et une partie employée que la donnée devait être au cœur des processus et des décisions de l'entreprise, on peut avoir envie de se dire que c'est l'entreprise qui est totalement dictée par des données. Mais non, c'est en fait à ce moment qu'il faut accélérer. En venant par collectioner de plus en plus de données provenance de sources externes et les analyser, les utiliser pour améliorer les modèles de prévision.

La question à se poser maintenant est : comment faire pour que tout le monde dans l'entreprise utilise la donnée ? Autres éléments :

• Technique, être capable d'ouvrir faciliter la donnée pour qu'elle se diffuse mieux dans l'entreprise
• Ancien tous les employés à utiliser les outils de base d=analyse de la donnée, qu=elle peut ce qu=on utilise durenseignements commerciaux en libre-service. Les questions fondamentales ne doivent plus arriver chez l'équipe data, les personnes doivent avoir les outils pour y répondre par elles-même.
• Vérifier que les outils produits par l'équipe data peuvent bien être utilisés par tout le monde dans l'entreprise. Et ensuite, vérifier que tout le monde les utiliser effectivement
• Trouver les bonnes compétences pour aligner les personnes ayant un emploi business et les personnes ayant un emploi technique.

A ce stade, tout le monde dans l'entreprise doit prendre la décision de ses décisions en se basant sur de la donnée. La plupart des personnes doivent maintenir être optimistes vis-à-vis de son utilisation au quotidien.
C'est-à-dire

5- Innover

C'est là qu'une entreprise est totalement dictée par des données. Le fait d'avoir tout optimisé dans l'entré prise lui donne un avantage concurrentiel sur ses concurrents. La donnée est devenue le plus important de l'entréprise si bien que dans certains cas, le business model de l'entréprise peut se retrouver transformé axé sur la donnée.

Si on prend l'exemple d'un Google, la donnée sera essentielle pour adresser les publicités les plus pertinentes aux utilisateurs. Google va donner pouvoir vendre sa publicité plus chère car elle rapporte plus à ceux qui paient cette publicité.

A ce stade tout passe par la data, on va se servir de cette data pour innover de la bonne gestion

De nouvelles sources de données

A ce stade, on continue toujours de collecter de nouvelles sources de données. Cela peut être par exemple des données non structurées : image, son, vidéos, ...

De nouvelles compétences

De nouvelles compétences Vont devoir émerger. Pour innover, il y a besoin en interne de personnes avec un esprit d'entreprise. Pour innover, il faut être au niveau, vivant en avant, de la recherche académique. Il va donc être pertinent de recruter des chercheurs, avec un doctorat en Data Science ou en informatique.

Pour aller sur de nouveaux business, la data sera au cœur de la décision. Racheter un concurrent, aller sur un nouveau marché ? La data permettra de répondre à cela.

Automatiser une partie de l'équipe data

Maintenant qu'une brute partie de l'entreprise a été automatisée par l'équipe data - pour que chaque travail sur son corps de métier de base - pourquoi ne pas automatiser l'équipe data ? L.Intérêt : Passer le moins de temps possible sur les tâches répétitives et intéressantes pour se concentrer sur la tâche la plus importante. Souvenir vous-en, on en a parlé au début : définir correctement les problèmes qu'on peut répondre en posant les bonnes questions.