Les stratégies data tracent un parcours de l’origine à la destination

Il y a une scène dans Mission Impossible : Rogue Nation où Tom Cruise est accroché à l’extérieur d’un jet alors qu’il a décollé. Et même si, oui, il y va, il n’est pas vraiment à bord ou en contrôle. Certains responsables data se sentent comme ça. Il ne suffit pas d’établir des objectifs, ou la destination, dans cette métaphore. La stratégie data doit fournir un plan de vol pour s’assurer d’y arriver, à temps, dans le respect du budget et, bien sûr, en toute sécurité à bord. 

En effet, votre stratégie data part de vos ambitions, de vos objectifs commerciaux. Cependant, le voyage ne concerne pas seulement la destination. Après avoir défini les objectifs, où vous voulez aller, vous devez évaluer où vous êtes actuellement en tant qu'organisation. Cela nécessite un fort sens des réalités. Ce point de départ permettra d’identifier l’itinéraire et ce qui vous attend tout au long du parcours. Ensuite, vous aurez une carte pour vous rendre à la destination que vous souhaitez.

Lors de récents ateliers stratégiques avec nos clients, nous nous sommes concentrés sur l’évaluation de quatre domaines : l’accès aux données, les capacités d’analyse et d’IA, la structure organisationnelle et la culture et la communication. 

Comme nous le savons tous, il n’y a pas de stratégie d’IA sans stratégie data, alors commençons avec les données. Pour mieux comprendre la réalité actuelle des données d’un client, nous posons une série de questions : 

• Avez-vous accès à toutes vos données internes ?
  • Avez-vous démantelé les silos de données de vos applications, systèmes ou unités commerciales ? 
  • Avez-vous structuré vos données non structurées pour qu’elles soient utilisables ? 
• Partagez-vous des données avec vos partenaires ou clients ? 
• Utilisez-vous des fournisseurs de données ou une marketplace pour obtenir des données externes ? 
• Êtes-vous sûr que vos données sont protégées et que leur utilisation est conforme à la réglementation ?

Avec l’explosion de l’intérêt et de l’adoption de l’IA, la capacité à accéder à des sources de données étendues et diversifiées et à les gouverner est encore plus impérative. La diversité des données atténue les risques d'hallucination et de biais.

Cependant, la façon dont le socle data a été conçu et géré ne dépend pas seulement des données ou de la technologie elle-même. Une autre série de questions explore les utilisateurs, les processus et les éléments organisationnels de la réalité actuelle : 

• Avez-vous les bonnes données, compétences analytiques et techniques ? 
• Où résident les données et capacités d’analyse au sein de votre entreprise ? 
• Vos équipes sont-elles organisées et équipées pour une collaboration réussie ? 
• Avez-vous identifié et hiérarchisé des cas d’usage ou des initiatives d’analyse et d’IA ?
• Êtes-vous en mesure de fournir des informations et des applications de données aux utilisateurs métiers ?
• Comment mesurez-vous actuellement l’impact de vos projets de données et d’analyse ?
• Faites-vous de l’évangélisation des données, éduquez-vous l’entreprise et construisez-vous une culture data ? 
• Mesurez-vous et communiquez-vous l’impact des données sur l’activité ?

Ces questions ne sont certainement pas exhaustives et les réponses à chacune d'entre elles peuvent être complexes. Par exemple, l’évaluation des talents existants soulève la question de savoir où renouveler les compétences ou embaucher. Tout aussi complexe est l’organisation des données. Elle peut être centralisée, décentralisée, avec la forte probabilité d’un modèle hybride entre les deux. Le bon milieu est lorsque les données restent distribuées dans l’ensemble de l’entreprise, mais sont coordonnées grâce à une solide gouvernance des données et des processus pour identifier et prioriser leur utilisation. 

Lors d'un atelier récent avec une grande administration portuaire, le modèle distribué mais coordonné était l'objectif final fixé. Elle avait déjà commencé une transformation data avec une équipe data centralisée et un soutien solide de la direction. Cependant, l’entreprise dans son ensemble se composait de plusieurs unités commerciales à travers le monde et de nombreuses filiales et multiples partenaires avec lesquels les données devaient être partagées. Les nouvelles exigences en matière d’IA ont ajouté plus de complexité. L’équipe s’est demandé comment y parvenir efficacement et à grande échelle. 

L’équipe data a continué à faire face à plusieurs défis majeurs, notamment : 

• Comment savoir quelles données nous avons dans l’ensemble de l’entreprise ? 
• Pouvons-nous décrire nos données de manière cohérente et significative ? 
• Comment acquérir les données externes dont nous avons besoin ? 
• Pouvons-nous collaborer dans un écosystème de données plus large ?
• Comment l’entreprise peut-elle découvrir les données et y accéder plus facilement ? 
• Comment fournir les informations requises aux bonnes personnes ? 
• Comment gérer les coûts avec une meilleure visibilité et un plus grand contrôle ?

Ces questions reflètent les besoins d’un vaste écosystème visant à devenir davantage axé sur les données. Le thème sous-jacent de ces questions est la coordination. 

« La victoire vient de la recherche d'opportunités dans les problèmes », a observé Sun Tzu, l'ancien guerrier et stratège chinois. Et c’est aussi vrai pour la tech que pour la guerre. Oui, les données sont considérées comme un atout. Beaucoup pourraient considérer cela comme un défi (et cela peut l’être). Mais l’opportunité consiste à les utiliser et générer de la valeur. C’est là que vous devez vous assurer d’aligner ces opportunités sur vos objectifs commerciaux en établissant un socle adapté.

Trois piliers sont nécessaires pour cela : la plateforme, les processus qui régissent son utilisation et ses utilisateurs. Ce socle permet de fournir des informations exploitables pour toutes les activités organisationnelles ou tous les cas d’usage de manière efficace et évolutive.

Ce socle nécessite de rassembler les données, pas nécessairement physiquement, mais dans une plateforme intégrée qui facilite un accès bien gouverné pour l’exécution de bout en bout des analyses et des projets d’IA. La plateforme s’étend de l’ingestion à la fourniture d’informations et à l’impact, en passant par la gouvernance et les opérations. En savoir plus sur Snowflake.com.

Ici, nous allons simplement mettre en évidence quelques fonctionnalités clés. Premièrement, tous les types de données doivent être pris en charge : structurées, semi-structurées et non structurées, ainsi que les données qui résident à travers les clouds ou même sur site. De plus, il n’est pas seulement question de données internes. Le socle data doit permettre la collaboration avec des partenaires externes et des clients afin de faciliter les cas d’usage communs et de garantir l’accès à des sources tierces pour une vision plus complète de votre entreprise. 

La notion de produits de données est un autre élément clé d’une stratégie data solide. Un produit de données peut être les données provenant d’une application ou d’un processus à source unique, ou un agrégat de plusieurs sources de données pour fournir une vue composite, telle qu’une vue client ou produit à 360 degrés. Les produits composants seront combinés pour former différents produits de données et pour répondre aux besoins des différents utilisateurs. Cela nécessite une coordination et un mécanisme de découverte et d’accès, comme les références de Snowflake et la Marketplace. Bien sûr, la forme réelle d’un produit de données peut aller des données elles-mêmes à une simple interface ou un outil d’aide à la décision, en passant par une application native intégrant une logique métier. Le choix dépend du cas d’usage et de l’utilisateur final. La plateforme doit prendre en charge tous les cas d’usage et utilisateurs finaux.

Évidemment, ce n’est pas tout, et ce qui est inclus dans la plateforme est une grande partie de la stratégie data... mais ce n’est pas la seule partie.

Une stratégie data complète abordera les rôles et responsabilités de tous les collaborateurs. Une organisation data-driven signifie que tout le monde a un rôle à jouer. 

La plupart des stratégies data incluent un tableau RACI pour identifier les personnes responsables, consultées ou informées sur les différentes tâches. Mais la stratégie data doit également tenir compte du rôle de chacun dans l’ensemble de l’entreprise, et pas seulement de ceux qui sont déjà familiers avec les données.  Devenir data-driven nécessite une transformation culturelle qui s’étend de l’atelier à la direction. Après tout, tout le monde participe à la collecte, à la protection ou à l’utilisation des données. En fait, ceux qui capturent les données sont souvent négligés, comme la caisse ou le technicien sur le terrain. Et ce type de changement nécessite plus qu’un mégaphone. Votre stratégie data doit inclure une stratégie de communication pour évangéliser et éduquer tous vos collaborateurs.

Un CDO m’a dit un jour que le D dans CDO ne signifiait pas « données » mais plutôt « diplomatie ». Une des clés du succès dans ce rôle – et dans l’exécution d’une stratégie data – est de coordonner les parties prenantes clés et les exigences potentiellement contradictoires, souvent avec des ressources limitées. Cela nécessite des politiques et des processus transparents. 

• Qui a accès à quelles données ou à quelles fins ? 
• Comment les exigences de la plateforme seront-elles déterminées ? 
• Comment les produits de données seront-ils définis, développés et déployés ?
• Comment les exigences et l’utilisation des produits de données seront-elles coordonnées entre plusieurs utilisateurs ? 
• Comment les produits et projets de données seront-ils priorisés ? 
• Comment les ressources seront-elles allouées ? 
• Comment les résultats seront-ils mesurés ? 
• Et, en définitive, comment les investissements en cours seront-ils décidés ? 

La mise en place de ces directives et garde-fous assure la bonne exécution de la stratégie data. La politique et les processus établissent la transparence. Les gens savent où ils en sont et comment aller de l’avant, et font confiance au processus. 

Le processus et la politique sont souvent considérés comme relevant de la gouvernance des données. Mais il est important de considérer la gouvernance de manière large, et pas seulement en ce qui concerne la sécurité des données, la confidentialité et la conformité. Il s’agit des opérations et, en fin de compte, de la transformation de l’entreprise. 

D’un point de vue opérationnel, des processus transparents permettent de coordonner les besoins et les ressources, comme les données ou les opérations d’IA, en définissant les étapes : de la découverte des besoins et de la coordination des investissements au suivi et à la mesure de l’impact. Par exemple, une stratégie data doit inclure un processus de hiérarchisation des cas d’usage, en fonction des objectifs stratégiques de l’entreprise et de la faisabilité de l’effort. Ce processus suggérera les prochaines étapes et l’exécution réelle de la stratégie. 

Dans un prochain eBook Snowflake, de nombreux responsables data dédiés à l’IA de clients Snowflake nous expliqueront comment ils ont mis en œuvre des stratégies d’IA efficaces et évolutives, notamment les enseignements tirés et les meilleures pratiques. Suivez nos actualités pour en savoir plus !

Au final, votre stratégie data doit commencer par vos objectifs de destination et tracer votre parcours à partir de la réalité actuelle. Mais nous ne pouvons pas seulement nous téléporter d’un endroit à un autre. Nous devons créer la plateforme pour y parvenir, mettre en place les processus et les politiques pour utiliser efficacement cette plateforme et apprendre à tout le monde comment l’utiliser. Cela comprend l’évaluation de l’organisation des équipes, les rôles et responsabilités de chacun, et l’élaboration d’un plan pour communiquer en permanence dans l’ensemble de l’entreprise. 

Nous le savons tous, mais cela ne fait pas de mal de le répéter. Pour ceux qui aspirent à être data-driven, une stratégie data ne concerne pas seulement la technologie mais aussi les utilisateurs et les processus (jusqu’à ce que nous devenions réellement autonomes). Sans routes ni règles, les conducteurs vont provoquer des collisions et des embouteillages. Une stratégie data doit tout mapper.