Le terme « DATA » évoque souvent « Big DATA », phénomène décrit à la fin des années 2000 généralement avec les 3V - Vélocité, Volume, Variété. Une décennie plus tard et avec les possibilités d’accumuler et de traiter massivement les données, le V de Valeur est venu compléter la liste posant la question de la finalité : Quelle valeur en tirer ? Et comment en dériver un avantage compétitif ? Pour certains acteurs de la Silicon Valley, ces questions ont trouvé une réponse dans un modèle économique reposant essentiellement sur l’analyse de données. Aujourd’hui la DATA en tant que matière première donne lieu à une concurrence acharnée entre différents acteurs mondiaux pour se positionner sur les applications de l’IA et les chiffres sont éloquents : 1/3 de la croissance mondiale depuis 2014 a été généré en exploitant les données et certains acteurs de la donnée ont connu une croissance de revenus entre 2018 et 2019 à 2 chiffres (Alphabet, YouTube…). Dans ce contexte, la réponse aux réglementations et aux normes (RGPD, BCBS 239…) impose une prise de recul pour comprendre comment tirer le plus de valeur possible des données tout en respectant ces obligations, d’où la nécessité de repenser de façon holistique la stratégie DATA au niveau l’entreprise.
Une stratégie DATA doit se construire grâce à un triptyque alliant objectifs métier, conformité et capacités technologiques. Cette stratégie doit d’abord répondre à des objectifs métier qui concernent souvent le pilotage, l’aide à la décision, une meilleure compréhension des clients et des opérations fiabilisées tout en donnant à l’entreprise une direction. Ensuite, elle doit être conforme by design, c’est-à-dire intégrer les obligations réglementaires concernant les données dès la genèse de leur exploitation. Enfin, une stratégie DATA pertinente doit tenir compte des possibilités technologiques existantes (dans l’entreprise et au-delà, en termes de collecte, stockage, exploitation…) ainsi que des potentiels liés à la R&D et l’innovation pour une projection à plus long terme. Afin de soutenir cette stratégie, il convient de créer et d’animer une gouvernance transverse de la donnée et de faire en sorte de s’affranchir des silos de l’entreprise.
La définition d’un rôle de « référent DATA » permet à l’entreprise de se doter d’un relais et de pouvoir exploiter pleinement les travaux de collecte et d’agrégation des données réalisés par les différents départements pour :
– Intégrer les notions de qualité de données au sein des processus existants,
– Définir un référentiel de données afin de partager une taxonomie commune, promouvoir la collaboration et disposer de la traçabilité de la donnée,
– Normaliser la donnée en utilisant un cadre flexible afin d’épargner le travail de préparation nécessaire aux recoupements ou aux analyses croisées,
– Renforcer le panel d’outils d’analyses pour répondre à un maximum de cas d’usage (statistiques, rapports, Machine Learning…),
– Faciliter l’accès aux données et les tester plus rapidement pour être capable de discerner celles qui apportent de la valeur en fonction de l’objectif recherché ou du cas d’usage,
– Porter un cadre d’expérimentation accélérant le passage du prototype à l’outil industrialisé pour un apport de valeur plus rapide,
– Concevoir et diffuser une politique d’usage éthique de la donnée dans le respect des réglementations et des droits des personnes.
Renforcer la gouvernance et la gestion de la donnée est un prérequis pour l’entreprise avant de convertir le « Big DATA » en « Smart DATA », i.e. de monétiser les données grâce à leur exploitation directe ou leur combinaison dans les domaines tels que :
– les services : croissance des marges, lutte contre la fraude, gestion du risque client… ;
– les opérations : optimisation des processus par identification des inefficacités, remédiation ; automatique et maintenance prédictive, cyberdéfense, mesure de l’impact environnemental ;
– la connaissance client : détection des besoins et des tendances de consommation, interactions augmentées ;
– la compétitivité : identification de nouvelles opportunités ou de nouveaux business modèles ;
– le pilotage : pilotage de la performance de l’entreprise, allocation dynamique et raisonnée des ressources, pilotage du portefeuille de changement.
Malgré les différents travaux engagés par de nombreux acteurs au cours de la dernière décennie, les pratiques en matière de gestion et d’exploitation des données sont perfectibles. À titre d’exemple, une étude de 2015 d’Iron Mountain indiquait alors que seuls 4% des entreprises étaient en mesure d’exploiter la valeur de leurs données ou que plus de 16% n’avaient pas la pleine connaissance des données qu’elles possédaient. Au-delà d’une gouvernance dédiée, il est aujourd’hui prioritaire de prendre en compte la vision et les objectifs métier, l’intégrité, la sécurité et la confidentialité des données et d’intégrer les enjeux éthiques pour une valorisation optimale des données.
Plus d’informations sur