Magazine - 10 conseils pour que votre entreprise devienne (vraiment) Data-driven
Magazine|septembre 26, 2019

Magazine - 10 conseils pour que votre entreprise devienne (vraiment) Data-driven

Une entreprise devient data-driven quand l’ensemble des salariés est capable de piloter ses décisions sur la base d’une donnée fiable, accessible et compréhensible. La donnée devient un élément omniprésent dans les systèmes d’information actuels mais reste pourtant difficile à récupérer, analyser et déchiffrer pour les collaborateurs et les entreprises qui prennent encore (principalement) leur seul instinct ou bon sens comme facteur de décisions.
Tentons de voir ensemble comment transformer ceci !

NB : nous n’aborderons pas les problématiques légales dans cette infographie, mais nous mentionnons néanmoins ici que la donnée doit être régularisée via la loi E-Privacy.

Téléchargez l’intégralité de notre magazine dédiés aux experts UX et retrouvez tout les interviews:

 

 

Par Julien Brunel, Consultant Web Analytics, et Quentin de Carné, Senior Consultant Data & Digital Strategy • Sutter Mills.


ORGANISATION

1.

Un passage nécessaire du vertical à l’horizontal : favoriser la coexistence des métiers et de la technique…

Prendre en compte les nécessités de chacun dans la gestion des projets amène les entreprises à casser les silos historiques entre les directions métiers et techniques. Les équipes projets travaillent de plus en plus en plateau agile, cohabitent et comprennent les attentes des autres.

2.
…et donc créer une véritable gouvernance. Si la donnée est à tout le monde, qui en est responsable ?

Outre les instances de gouvernance transversales mises en place (pour partager l’information et prendre les décisions) l’écriture de principes directeurs de collecte, d’utilisation et de stockage de la donnée deviennent nécessaire. Par exemple, si je prends la décision de transformer une donnée ou de l’effacer, qui cela va-t-il impacter ? Ai-je le droit de le faire ?

3.

La gestion des deadlines : du temps court métier au temps long technique.

L’urgence habituelle du métier (atteinte des objectifs, exactitude nécessaire des budgets, etc.) prédomine encore largement sur la faisabilité technique des projets digitaux et leur délai de réalisation. Les chiffrages budgétaires en amont des projets doivent prendre en compte la complexité, souvent minimisée, des tâches techniques et ne pas réduire à tout prix les délais afin de ne pas voir le budget dépasser, voire exploser, par la suite …

Banner - blog 3


OUTILS

4.

Un outil ? Non, un moyen pour réaliser les objectifs.

Halte à l’équipement intempestif d’outils si le besoin métier et la nécessité technique ne sont pas clairement identifiés. Définissez vos objectifs business en premier lieu, puis prenez en considération les contraintes techniques de votre écosystème. Le besoin d’outil sera alors une évidence, son choix largement simplifié, et les dépenses inutiles sans doute évitées.

5.

« Make or Buy » : choisir son combat… et son métier !

La réponse ne doit pas se trouver uniquement dans la dimension économique mais dans une vision long terme. Maintenir et faire évoluer une solution customisée pose souvent problème. Sans parler des tentations, souvent nombreuses, de détournement des outils pour couvrir un besoin alors que ça n’en est pas le but. Mieux vaut vous équiper d’un outil déjà existant, paramétrable et optimisé plutôt que de vous lancer dans le développement long, coûteux et souvent non pérenne d’un outil custom.

6.

Rationaliser pour simplifier, économiser et suivre le rythme.

Au sein d’un grand groupe, la maîtrise de l’intégration des outils data peut parfois l’emporter au détriment des spécificités locales. Toutefois, la centralisation du nombre d’outils utilisés ne doit pas se faire au détriment des usages spécifiques des filiales. Un équilibre est donc à trouver entre réduction des coûts, une volonté de centralisation et un besoin de flexibilité pour les équipes locales.

7.

Pas de décisions data-driven sans data quality.

« Complétude, conformité, fraîcheur, exactitude & validité » sont pour nous les cinq piliers de la data qualité. Cela se traduit par la mise en place d’outils, d’un lexique commun et d’une grammaire partagée auprès de l’ensemble des filiales. Ainsi les analyses réalisées (au niveau du groupe ou des filiales) se fondent sur des données fiables et peuvent aboutir à des décisions argumentées et factuelles.

Banner 2 - blog


MÉTHODOLOGIE

8.

Piloter… enfin ses investissements et son entreprise.

Il est temps de limiter le nombre de KPIs suivis dans les tableaux de bord et reportings. Le trop est l’ennemi du mieux pour suivre ses données et mieux vaut suivre régulièrement un nombre limité de KPIs que d’en afficher une liste exhaustive qui ne sera pas analysée dans le détail.

9.

Si la data est si importante… alors elle doit être traitée comme telle !

Un principe à retenir : collecte, transformation & distribution. À chaque étape, la donnée doit respecter des standards de qualité comme explicité plus haut. La distribution d’une donnée non transformée (sans analyse, sans croisement ou sans visualisation) n’a en l’occurrence pas de sens d’un point de vue métier.

10.

L’industrialisation porte ses fruits à moyen-long terme.

Dans une optique de coût global et d’efficacité long-terme, il est important de travailler sur la mise en place d’un processus d’industrialisation des demandes. Le temps perdu aujourd’hui en décalant le rendu d’une requête sera très largement rattrapé demain lorsque ce travail sera réutilisable par d’autres équipes. La mise en place d’un service dédié à la distribution des données aux métiers permet ainsi de passer à la vitesse supérieure vers l’ère du data-driven marketing.

 

LE MOT DE LA FIN

Make data meaningful for people & business

À l’heure de l’avènement de la donnée, les décisions ne peuvent plus être prises uniquement sur des instincts. Il est temps de construire et de maintenir une culture de la data au sein de votre entreprise !

Retrouvez le magazine de l'expérience digitale
2020 dans toute son intégralité !
Télécharger le magazine
Auteur
Julien Brunel & Quentin de Carné

Julien Brunel, Consultant Web Analytics, et Quentin de Carné, Senior Consultant Data & Digital Strategy de Sutter Mills.

data benchmark
Voyez votre classement