1 - Avoir la bonne vision stratégique

Avant de mener toute opération liée à la donnée (et de manière générale toute transformation dans l'entreprise), il convient d'abord d'avoir une vision stratégique précise de cette dernière. Cela passe initialement par une compréhension précise du potentiel de la data pour l’ensemble de la chaîne de valeur. 

Tout commence par une veille d’informations, et on ne saurait que trop vous recommander de jeter un œil aux archives du HUB Institute dans ce domaine. Que vous soyez décideur dans l’industrie, dans le secteur bancaire, adepte de la relation client, ou responsable RH…, tous métiers et secteurs confondus sont affectés de près ou de loin par la donnée comme le résumerait Alec Ross, ex-conseiller de Barack Obama :

Ceux qui maîtrisent la data créeront les industries du futur.

Une fois convaincu du potentiel de la donnée et de sa viabilité , il s’agit de se poser les bonnes questions et surtout dans le bon ordre. Partir bille en tête dans la mauvaise direction vous ralentira beaucoup (dans le meilleur des cas). Ce qui fait écho au mantra d’Emmanuel Vivier, cofondateur du HUB Institute :

En matière de transformation digitale, il ne suffit pas d’avancer dans le même sens que tout le monde, il faut aussi aller à la même vitesse. Dans le cas contraire, vous risqueriez de chuter tout autant que si vous n’aviez pas bougé.

2 – Ma culture d’entreprise et son organisation sont-elles adaptées ?

Nombre de directions des ressources humaines vous le diront aujourd’hui, réussir une transformation (digitale ou non) cela passe essentiellement par l’humain.

Vos équipes doivent comprendre et s’approprier le potentiel des technologies data driven que vous adoptez pour ne pas entrer en résistance avec elles. Votre organisation doit être alimentée en "skills" (hard et soft) passant par le recrutement de nouveaux talents ou la formation constante des collaborateurs actuels.

Parallèlement, les modes de travail évoluent pour doter les entreprises de l’agilité nécessaire pour faire face à la rapide mutation des technologies et usages et être capable d’innover tout aussi vite.

Bon nombre de sociétés ont déjà adopté des modèles organisationnels "projet" ou une ressource n’est plus affectée ad vitam æternam à sa business unit (hiérarchiquement verticalisée) mais à une mission spécifique au sein de l’entreprise. Des modes de travail très inspirés des process internes des champions américains de la data que sont Google, Amazon, Zappos…

Cette transformation culturelle de votre organisation doit être menée par un chef d’orchestre qui s’incarnera le plus souvent en la personne du Chief Data Officer (CDO).

Pour Roland Koltchakian, spécialiste Customer Experience chez Oracle France : "Si le CDO est plutôt un profil « sachant » et qui a vocation à bien comprendre et maîtriser le socle technologique et analytique d’une stratégie data driven, il a également vocation à être le porteur et le catalyseur d’un processus de transformation plus profond et qui doit permettre d’agir sur la culture et l’organisation de l’entreprise afin de l’aligner avec les exigences du modèle data driven."

Bien entendu, le CDO ne peut réussir seul et devra trouver le bon modèle de collaboration avec la DRH pour s’assurer de l’accompagnement humain de cette transformation, mais aussi de sa DSI "afin de réussir le pari de l’industrialisation des cas d’usages, au-delà de l’étape de test et d’expérimentation."

Dans un second temps, le rôle du CDO peut-être complété par l’intervention d’un Data Protection Officer (DPO) qui accompagne cette transformation data driven par des réflexions sur la gouvernance dans un contexte légal stricte (RGPD en Europe).

3 - Quel est mon patrimoine de données ?

Que vous le sachiez ou non, vous avez déjà accès à une très grande quantité de données. En effet, le contexte actuel peut se voir résumé à une très forte diversité des sources et du type de données générées.

Désormais, la naissance de nouvelles solutions telles que les algorithmes autoapprenants et l’intelligence artificielle transforme tous les assets business en sources de données exploitables (du ticket de caisse des retailers aux sons produits par les machines des usines, passant par les smartphones des consommateurs…).

Il s’agit d’avoir une lecture structurée et globale de ce capital d’informations, de prendre en compte toutes les typologies et sources de données (structurées ou non structurées1, first – second - third party2) pour vous permettre de tirer profit du potentiel de chacune (sociodémographique, transactionnelle, comportementale, géolocalisée, open source…) et encore plus loin : de leur croisement pour produire des insights encore plus précis.

Roland Koltchakian, vous recommande ensuite de les classer en fonction de différentes dimensions :

• Données CRM nominatives versus données web anonymes
• Données volatiles versus données persistantes dans le temps
• Données sémantiques publiques issues des réseaux sociaux
• Données externes versus données propriétaires

"Si le digital offre donc de nouvelles opportunités de croissance et de conversion en permettant d’exploiter de nouveaux types de données, cette opportunité s’accompagne néanmoins d’un risque d’entropie. La démarche de structuration du patrimoine de données permet d’apporter une réponse efficiente à ce problème."

4 – À quels cas d’usages peuvent répondre ces données ?

Pour Roland Koltchakian, il ne fait aucun doute que "si l’on prend le temps de se pencher sur les caractéristiques des projets de transformation data driven qui ont réussi à délivrer de la valeur, nous ferons indiscutablement le constat que la majorité de ces projets ont été pensés, guidés et mis en œuvre via une approche par cas d’usages."

En effet, s’il ne répond pas à un besoin spécifique et clairement identifié en amont (résolution de pain points, support d’un projet…) votre usage de la donnée ne générera pas de valeur. D’aucuns évoquent ainsi le "complexe du gadget."

"Or en marketing digital, les réalités liées à de nouveaux comportements et choix de consommation ainsi que la nouvelle domination des offres plateformes sur des pans entiers de marchés traditionnels contribuent à démultiplier les possibilités de cas d’usages."

Roland Koltchakian, spécialiste Customer Experience chez Oracle France, rappelle qu’il s’agit de penser la nature et les impacts de ces cas d’usages sur la chaîne de valeur marketing : entre aide à la décision stratégique, connaissance client et activation contextualisée sur l’ensemble des canaux, écrans et processus.

Bien sûr, le potentiel de la data ne s’arrête pas à la simple sphère du marketing et d’autres usages peuvent lui être trouvés sur la chaîne de valeur étendue de votre entreprise : de la conception de nouvelles offres produit / service ou encore la réduction des pain points dans les processus de travail de vos propres collaborateurs…

Les cas d’usages potentiels foisonnent si bien que, plus que de les identifier, votre principal enjeu sera de parvenir à les prioriser.

"Sur cette question structurante, l’utilisation d’une matrice de priorisation¹ en 2 grands axes : "Impact Business" et "Complexité de mise en œuvre" est  un excellent outil qui continue de faire ses preuves."

¹ : Elle peut s'inspirer d'une matrice de Kraljic, très utilisée pour réaliser des analyses de portefeuille achats.

5 – Quelle infrastructure adopter ?

D’après IDC, la sphère mondiale de données passera de 33 zettaoctets en 2018 à 175 Zo d’ici 2025. Plus encore, les cadres de plus en plus renforcés sur les usages de la donnée vont pousser les entreprises comme la vôtre à renforcer leur gouvernance en matière de data pour s’assurer de leur traitement dans les règles, les incitant de plus en plus à internaliser des solutions de stockage et de management plutôt que de passer par des prestataires tiers.

Si vous deviez stocker cette quantité de données sur des blu-ray, il vous en faudrait une pile d’une hauteur vous emmenant de la Terre à la Lune… 33 fois.

- Dave Reinsel, Senior Vice President d’IDC.

Le choix de votre infrastructure de données est donc primordial arrivé à ce niveau de réflexion et, étant donné la pléthore de buzzwords et d’acronymes techniques qui existent sur le marché (entre DMP, RCU, MDM, CDM et désormais CDP pour customer data platform), il peut s’avérer cornélien.

Roland Koltchakian, conseille de s’intéresser avant toute chose au concept de data lake. Celui-ci offre "une synthèse intéressante" en matière de gestion étendue de données en permettant de stocker et de traiter toute typologie de données, indépendamment des nombreuses sources qui s’offrent à vous (structurées et non structurées, chaudes et froides, liées à l’IoT ou à la production industrielle, données d’usage, d’étude et d’analyse, mécanismes d’intégration de machine learning…)

Le Data Lake peut être cette solution technologique permettant d’apporter une réponse tangible aux défis que le digital nous impose en matière de gestion de données et de prédiction des évènements et des comportements.

Au fil de votre maturité en matière de data, il pourra ensuite être possible de migrer vers des outils plus adaptés à des enjeux spécifiques tels que les Customer Data Platform (CDP) qui offrent à leurs utilisateurs professionnels une vision 360 degrés de l’ensemble des données liées à un client spécifique. On notera d’ailleurs que celles-ci s’appuient sur des architectures de data lake.

6 – Comment puis-je créer de la valeur avec ces données ?

Une fois votre patrimoine compris, le cadre insfrastructurel et organisationnel mis en place, vous voilà en mesure de valoriser ces fameuses data.

La valoriser, c’est notamment  réussir le déploiement industriel de vos nouveaux produits, services et solutions générés par l’exploitation de la donnée.

"Il devient alors possible de développer de nouvelles formes d’intelligence marketing et d’intelligence économique afin d’alimenter l’ensemble des filières métier au sein d’une entreprise." Roland Koltchakian, prend notamment l’exemple assez connu du premier distributeur américain, Walmart, qui se sert de ces leviers data driven depuis déjà des décennies afin d’ optimiser sa filière d’achat et ses marges auprès de ses fournisseurs industriels.

Au-delà de ces nouveaux produits / services, qui donnent à la data une valeur indirecte, cette dernière peut être valorisée directement, notamment par le développement de projets 2nd Party Data.

La question de la valorisation des données d’une entreprise repose essentiellement aujourd’hui sur la monétisation et le partage des données.

Roland Koltchakian rappelle ainsi qu’en 2017, 30% des nouveaux businesses aux Etats-Unis se sont créés autour de la vente ou la monétisation de la donnée. Si le RGPD Européen complexifie quelque peu ces pratiques, cela n’en reste pas moins la preuve pour tirer le plein potentiel de la donnée il convient de laisser courir la rivière plutôt que de l’isoler derrière des barrages.

Une logique qui tend à se renforcer avec l’émergence, dans de nombreux secteurs, des alliances data driven (telles que Gravity dans les médias).

Principes directeurs du 2nd Party Data :

Avantages du projet :

• Coûts d'entrée attractifs
   
• Prise en charge du processus d'onboarding des data off line
   
• Organisation spécifique des données
   
• Segmentation des données
   
• Flexibilité du pricing et du modèle économique

Options technologiques pour héberger le projet :

• Data private marketplace
   
• Plateforme DMP