Encore aujourd’hui beaucoup de dirigeants partagent leurs données essentielles via des Excel, quelques bases de données maison, dans des documents Word, quand ce n’est pas via des listes manuscrites. Trop, très peu utilisent des techniques avancées d’analyse de données. Cette situation, heureusement, est en voie de changement rapide. On voit apparaitre de nouveaux types de dirigeants ‘C’: Chief Data Officers, Chief Analytics Officers, and Chief Performance Officers. 

A quoi ressemblent les organisations ‘data-driven’ ?

On les reconnait à plusieurs indices:

· Elles développent des modèles mathématiques et des algorithmes d’analyse prédictive leur permettant d’améliorer significativement leur performance opérationnelle.

· Elles instaurent un changement de culture organisationnelle dirigée vers une prise de décision basée sur des données concrètes (data based). Elles réussissent en donnant à chaque département et à chaque fonction les compétences et les outils nécessaires à une meilleure compréhension et à une meilleure utilisation des données.

· Elles créent un ensemble d’outils et de gabarits (portails, tableaux de bord, cartographies, etc.) pour répandre la littératie numérique à travers l’entreprise.

· Organisationnellement, chacun de leurs départements a un coordonnateur des « données » (modèles, coûts, budgets, contrats, demandes, ventes, qualité, etc.), responsable de les inventorier, de les créer et de les partager de façon transparente et rapide.

Un modèle de maturité

Chaque entreprise aura son parcours unique, mais, au plus haut niveau, elles ont en commun une culture qui valorise les données et leur utilisation et qui alloue, de façon prioritaire, des ressources à la création de programmes, de mesures et d’outils d’analyse avancés.

Le modèle ci-dessous décrit le parcours générique suivi par toute entreprise dans sa quête d’une plus grande maturité dans sa capacité à produire et à partager des données. Des données ouvertes et transparentes en sont la fondation.

1. Capturer et publier 

Le premier niveau de maturité dans l’excellence analytique est la collecte et le partage de données utiles et facilement utilisables par tous les usagers, à tous les niveaux, dans l’entreprise.

Lancer un programme de données ouvertes n’assure pas automatiquement la qualité de celles-ci. Mais leur exposition au plus grand nombre possible d’utilisateurs suscitera des réactions et des commentaires d’amélioration de la part de ceux-ci. La publication en elle-même sera une source d’amélioration, en encourageant le plus grand nombre à faire des doubles vérifications de leur complétude et de leur exactitude. De plus cela créera rapidement un appétit pour plus de données.

Une politique de « données ouvertes » démontrera l’engagement de la direction et  permettra d’en énoncer les objectifs et les standards. Une telle politique articulera le calendrier et le processus de publication et de mise à jour, délimitera les rôles et responsabilités, définira les données à partager ouvertement, tout comme celles à diffusion restreinte (pour raisons de confidentialité, ou de sécurité). Une telle politique devrait indiquer clairement que toute donnée est, par défaut, partageable. Des procédures d’audit et de mesure de qualité doivent être établies, de même qu’une stratégie de mise en place de la politique.

2. Polissage

Le deuxième niveau de maturité bâtit sur les fondations du premier, en visant à améliorer la qualité des données (polissage). À ce stage de maturité la collecte et la publication de données est routinière et leur volume s’accroit rapidement, ce qui entraine un intérêt et une utilisations accrus.

La disponibilité d’un large volume de données d’une grande diversité rend possible l ‘utilisation de techniques analytiques et de prise de décisions « data-driven », ainsi que l’appariation d’une culture des données. Les outils sophistiqués se propagent et créent de la valeur.

3. Analyse

Avec de grands volumes de données de grande qualité disponibles les décideurs peuvent commencer à en faire des analyses sophistiquées, à la recherche de patrons répétitifs et de nouvelles compréhensions.

De plus on peut utiliser ces nouveaux éclairages à des fins prédictives. L’analyse prédictive sur des données historiques et en temps réel permet de prédire des événements futurs, afin de prévenir ceux qu’on préfère éviter.

À ce stage les habilités des analystes, coordonnateurs et scientifiques des données se sont fortement développées, alors même qu’une disponibilité accrue de ces données accroit le momentum d’analyse avancée.

4. Optimiser

Au niveau le plus élevé l’utilisation des données est présente et optimisée à travers toute l’organisation. La culture en place non seulement accepte, mais embrasse l’utilisation des données, lesquelles font maintenant partie intégrale de la prise de décisions à tous les niveaux.

L’analyse devient rapidement transversale, alors que le travail s’organise maintenant autour de processus d’affaires plutôt que par silos fonctionnels.

À ce haut niveau de maturité les dirigeants adoptent une approche décisionnelle centrée client. Leur démarche s’articule sur la recherche préalable de fait plutôt que sur la démonstration a posteriori d’opinions préconçues.

En somme

Est-ce que le chemin vers l’excellence analytique est facile? Bien sûr que non; pas plus que toute transformation organisationnelle.

Comme le disait John Kotter, l’expert universitaire du changement: “En réalité, même les efforts de changement réussis sont désordonnés et pleins de surprises.” Et pourtant une approche analytique centrée-données offre la meilleure promesses d’un meilleur alignement des ressources et des besoins.