La data est de plus en plus considérée comme un asset stratégique. Est-elle pour autant «the new gold» ou «the new oil»? En réalité, la data est utilisée depuis de nombreuses années dans des secteurs comme le retail. Des développements techniques facilitent toutefois aujourd’hui l’exploitation de cette information toujours plus importante.
Lier la data aux objectifs business
La data n’est pas un objectif en soi, mais plutôt un enabler pour atteindre les objectifs que s’est fixés l’entreprise. «Il s’agit, dans un premier temps, de définir ce qu’elle souhaite faire avec ces données et comment y parvenir. Deux objectifs sont dominants. D’une part, améliorer les nouveaux business models, produits et marchés qu’on souhaite explorer et, d’autre part, optimiser les processus internes et réduire les coûts», précise Kurt Cogghe, Head of BU Data Driven chez Ordina. Une fois ces objectifs définis, il est important de les lier à des cas d’usage. «Avec l’approche data driven et l’IA, il est nécessaire d’effectuer plusieurs tentatives pour qu’une ou deux réussissent. Il faut donc analyser tous les cas d’usage et réaliser des essais. Les firmes utilisant cette approche ont plus de chances de réussir.» L’intelligence artificielle est-elle dès lors considérée comme efficace dans toutes les situations? «Nous cherchons encore à l’utiliser de manière plus efficace et à identifier les cas d’usage qui sont utiles. C’est le cas du ‘computer visioning’. En effet, l’IA permet de traiter beaucoup plus d’informations.»
Il s’agit, dans un premier temps, de définir ce qu’elle souhaite faire avec ces données et comment y parvenir. Deux objectifs sont dominants. D’une part, améliorer les nouveaux business models, produits et marchés qu’on souhaite explorer et, d’autre part, optimiser les processus internes et réduire les coûts.
Exploiter cette ressource grâce au Data Office
Pour exploiter, déterminer et financer l’utilisation de cette data de manière stratégique, de nombreuses entreprises recourent au data office se trouvant au C-Level. «Nous parlons de CDO: Chief Data Officer ou Chief Digital Officer. Nous voyons que cela fonctionne.» Une des principales questions des entreprises est de savoir où mettre en place ce data office et comment le structurer au sein de l’organisation. «S’il se trouve dans le département IT, l’accent sera davantage mis sur le fait d’exécuter les fonctions et non sur la réflexion et l’examen des business cases.»
Privilégier une approche multidisciplinaire
Pour Ordina, l’Intelligence Artificielle, le Dev Ops et le machine learning doivent être liés. «Dans nos structures, le data officer ou data scientist agit sur la value chain. Nous consommons la data grâce à la data science, les algorithmes et l’IA pour obtenir des cas d’usage pour beaucoup plus forts. Cette data est idéale pour faire le pont entre l’IT et le business.»
Ordina propose dans ce contexte cinq propositions business pour permettre aux entreprises d’améliorer leur fonctionnement grâce à la data: l’accélération digitale, l’organisation data driven, les plateformes business et la compliance cybersécurité. La High Performance Team désigne quant à elle la méthode utilisée. «Le thème central de notre accompagnement est la ‘data driven organization’, ou comment, pour une entreprise, intégrer la data dans sa stratégie. Nous souhaitons donc offrir tous les data services dans un portfolio intégré. Nous partons de cette ‘data driven organization’ ou d’une proposition business pour établir avec le client ce portfolio.»
Le thème central de notre accompagnement est la ‘data driven organization’, ou comment, pour une entreprise, intégrer la data dans sa stratégie.
Outre son approche globale développée autour de la donnée grâce à la data ops, la data visualisation, la data science ou encore l’enterprise data management, Ordina peut compter sur son Insights Academy. «Toutes les personnes que nous engageons suivent un parcours de 12 semaines pour apprendre à mettre en place le layout de base et ainsi disposer du même niveau de compétences pour accompagner et apporter de la valeur aux clients.» Pour chaque projet, il s’agit donc avant tout d’un travail d’équipe. Une équipe qui réunit, par exemple, des data ingénieurs ou des spécialistes de la data visualisation.
L’entreprise a par exemple accompagné l’OVAM (organe public de traitement des déchets en Belgique) pour visionner de manière plus efficace les déchets sur la route grâce à l’IA et au machine learning. «Nous avons réalisé une étude avec des caméras et l’IA pour identifier plus facilement où se trouvent les déchets. Il n’est pas possible de réaliser cela de manière isolée, car nous avons besoin d’une infrastructure forte pour visionner les nombreuses images. Il s’agit d’une approche globale.»