L’intelligence artificielle et la data science ont le vent en poupe. Cependant, les enjeux liés à ces sujets sont parfois difficiles à cerner pour les néophytes, comme c’est le cas de nombre de décideurs en entreprise.
Les choses changent cependant et les managers ont aujourd’hui conscience de l’importance d’analyser les données de l’entreprise.
« 87 % des décideurs pensent que la data est une source de croissance, selon une récente étude menée par Yougov pour Tableau software. »
Une autre idée reçue très répandue parmi les décideurs est que les projets data sont des projets purement techniques. Il n’en est rien, et nous allons voir dans cet article que les décideurs (et managers plus largement) ont un rôle essentiel à jouer dans ce type de projet
Des projets transversaux nécessitant une implication forte des décideurs
Les projets data ont la particularité d’être souvent transversaux au sein d’une entreprise, ce qui se traduit par de nombreuses collaborations et de nombreux échanges entre différentes équipes, qui peuvent être source de difficultés.
Les décideurs, garants de la collaboration entre les équipes
Ce constat est visible lorsqu’on observe l’organigramme d’une entreprise ayant déjà un pied dans ce domaine : l’équipe data est souvent à part, car difficile à intégrer. Elle interagit en effet avec beaucoup d’équipes différentes au gré des projets.
Par conséquent, il est essentiel que l’équipe data ait l’appui de la Direction pour pouvoir mener des projets dans ce contexte où les relations hiérarchiques sont peu claires (et parfois changent même d’un projet à l’autre) et donc promptes à beaucoup de frictions.
Une autre clé importante lors d’un projet data est d’impliquer l’ensemble des parties prenantes (équipes internes et clients) dès le début du projet. Car un manager mis sur le tard devant le fait accompli peut très bien devenir un frein au projet.
Une erreur à éviter : considérer que le problème est purement technique
Une erreur classique, comme nous l’avons dit en introduction, est de penser qu’un projet data est un projet purement technique. Or, dans ces projets, 30 % du travail seulement serait technique. La majorité du travail serait en réalité due à la gestion de projet, au management ou encore à la communication autour de ce projet.
Un projet data abordé avec une vision purement technique ne dépassera probablement jamais l’étape de « POC » (pour « proof of concept », donc prototype). Cette première étape est justement la seule étape majoritairement technique, tandis que les phases suivantes (pilote, mise en production…) impliquent beaucoup d’équipes et de compétences différentes.
Les décideurs, facilitateurs pour accéder aux données et aux ressources
Une équipe data, pour mener son travail, a évidemment besoin d’exploiter les données et ressources de l’entreprise. Or, il est parfois difficile d’y accéder.
Participer à la mise en place d’une gouvernance des données
En effet, les données collectées revêtent parfois un caractère confidentiel et stratégique. Pour pouvoir accéder à ces différentes ressources, il est nécessaire de contacter la DSI. Se lance alors un processus administratif, souvent long, devant être répété à chaque nouvelle demande.
Évidemment, il y a une bonne raison pour rendre l’accès aux données compliqué : la sécurité. Cependant, une bonne manière de simplifier ce processus sans sacrifier la sécurité est de mettre en place une gouvernance des données.
Il s’agit d’un ensemble de conventions, de règles et de processus décrivant notamment :
- qui est responsable de quelles données ?
- qui peut accéder aux données ou les modifier ?
- quels sont les outils et comment y accède-t-on ?
- comment l’organisation assure-t-elle la sécurité des données stockées ?
- ...
Cette gouvernance permettra de fluidifier le travail de l’équipe data.
La data, à mi-chemin entre la R&D et le développement (informatique)
Beaucoup de managers pensent que les experts datas et les développeurs (informatiques) font un travail similaire. Or, ce n’est pas le cas !
Certes, développeurs et experts data partagent des outils numériques et un écosystème de technologies. Cependant, le travail d’un expert data doit être vu comme de la R&D. En effet, le résultat en data est toujours incertain et les experts data testent en permanence de nouvelles idées, comme en R&D.
De fait, lorsqu’on se lance dans un projet data, il est important d’avoir des attentes réalistes. Cette opinion, publiée dans la Tribune, montre bien le manque d’alignement qui peut exister entre les attentes et la réalité.
Il y a donc de nombreuses raisons pour pousser le data manager à s’impliquer pleinement dans un tel projet. En particulier, il faut oublier certaines idées reçues, sinon, les projets ont peu de chances d’aboutir.
Avant tout, il faut garder en tête que la data n’est pas une finalité en soi. C’est un outil complexe et demandant beaucoup d’investissement, il est donc primordial d’avoir une idée claire de vos besoins business.
