Big Data : comment passer de la stratégie à la mise en œuvre

Big Data, Stratégie et mise en oeuvre, Jean-David Benassouli, Accenture

La donnée est le moteur de la transformation digitale : la mobilité, les réseaux sociaux ou les objets connectés produisent énormément de données. Si les concepts et les atouts de l’exploitation du Big Data sont désormais bien connus, des freins demeurent pour mettre en œuvre les projets. Les identifier est la première étape pour les lever.

Le Big Data est une opportunité pour toute l’entreprise, pour les directions métiers comme pour la direction informatique. Les métiers y voient un outil efficace pour innover, optimiser les coûts de production, améliorer leur connaissance du client et interagir plus rapidement avec lui. Les départements informatiques peuvent, grâce au Big Data, réduire les coûts opérationnels, accroître la flexibilité pour lancer des projets et redimensionner certaines plateformes.

Les entreprises génèrent de plus en plus de données mais ne disposent pas de beaucoup plus de budget ! A investissement constant, les technologies Big Data permettent de réduire significativement les coûts liés aux tâches de reporting et de collecte de données, et d’augmenter d’autant les investissements en analyse de ces données : l’analytique et ses modèles prédictifs produisent plus de valeur que la simple connaissance client, issue de la collecte des données.

Partager les données pour les exploiter

Malgré ces atouts, la mise en œuvre des projets Big Data s’avère plus complexe qu’il n’y paraît, notamment dans les grandes entreprises. Les freins proviennent d’abord des organisations historiques, qui n’incitent pas les différentes directions à travailler ensemble. Or, pour exploiter tout le potentiel du Big Data, les données doivent être partagées. Mais il existe couramment des silos étanches entre direction informatique et directions métiers, et entre les différentes directions métiers.

En réalité, les attentes sur le Big Data des directions métiers et informatique diffèrent. La direction informatique se concentre souvent sur le prisme technologique en associant au Big Data une rupture technologique réelle et de nouvelles solutions pour réduire ses coûts, résoudre des problèmes de volume et de performance ou construire des systèmes basés sur des interfaces plus souples, donc plus agiles. Les directions métiers, elles, attendent du Big Data de nouveaux cas d’usage autour de la donnée ou des réseaux sociaux, par exemple pour optimiser la connaissance du parcours client sur le web, pour analyser les sinistres dans l’assurance, pour travailler à la montée en gamme des achats… Par ailleurs, les projets passant par les directions informatiques sont souvent vus comme chers et longs par les directions métiers, qui  recherchent l’opportunité de lancer des projets rapidement. De leur côté, les directions informatiques voudraient aussi regagner la confiance des directions métiers par le biais des projets Big Data et s’efforcent parfois d’être pro actives sur les cas d’usage.

Il ne faut pas négliger un deuxième silo, celui qui sépare les différents métiers eux-mêmes. Une base de données qui rassemble tous les actes de vente, tous les contacts clients est utile à toutes les directions : vente, marketing, supply chain… Or, pour des raisons d’organisation ou de leadership, les métiers ne partagent pas facilement leurs données.

Réconcilier les différentes visions du Big Data et construire une approche qui inclut DSI et Métiers s’avère une première étape indispensable. Par exemple, au cours d’une mission, nous avons ainsi réuni sur un projet Big Data la direction Clients et la direction Réseau, qui n’avaient pas l’habitude de travailler ensemble. Elles exploitent désormais différemment la même plateforme : la direction Clients l’utilise pour la digitalisation globale des processus clients et pour consolider une vision à 360° des interactions omni canal des utilisateurs ; la direction Réseau a construit un aperçu en temps réel du statut du réseau pour le rendre plus fiable et accélérer la résolution d’incidents.

Le mot clé pour déployer tout le potentiel du Big Data est donc : décloisonner grâce à de nouvelles organisations, une nouvelle gouvernance. Des postes de Chief Data Officer ou Chef Digital Officer se créent, ainsi que des entités analytiques transverses à l’entreprise.

Sécurité, agilité, nouveaux métiers

Pour mettre en œuvre un projet de Big Data, il faut tenir compte de sujets collatéraux. La sécurité, notamment, est extrêmement importante. Les crispations sont fortes quand on rassemble les données : comment les sécuriser, comment les crypter ? Des solutions existent.

L’agilité est primordiale, les projets de Big Data devant être conçus dans une approche test and learn : avec ou sans business case, un pilote rapide est lancé et l’expérimentation démontre s’il faut étendre le projet en profondeur et en largeur.

De nouvelles compétences sont à intégrer : le data scientist doit être expert en mathématiques, en technologie et aussi un expert métier. L’architecte Big Data a des compétences de plus en plus pointues : beaucoup de technologies émergent sur ce marché, chacune répondant à un besoin précis. L’expert en data visualisation est indispensable pour mettre en forme l’essentiel des données et les communiquer.

Particularités sectorielles et géographiques

Par ailleurs, tous les secteurs d’activité ne sont pas égaux devant le Big Data.

Certains secteurs génèrent historiquement beaucoup de données, comme les banques, les compagnies d’assurance, les opérateurs télécoms ou la grande distribution. Les technologies permettent désormais d’analyser plus de données, qu’autrefois ils produisaient sans les utiliser. Chez les opérateurs télécoms par exemple, il est possible d’enrichir les bases existantes avec des données d’appel, les données de zapping des boxes…

Parmi les secteurs qui génèrent historiquement beaucoup de données, certains en exploitent de nouvelles, issues de technologies digitales. Les compagnies d’assurances veulent toujours affiner leur évaluation du risque ; des boîtiers inclus dans les voitures peuvent enrichir leurs données sur le comportement des conducteurs, comme la corrélation entre la façon dont ils freinent et les accidents.

Utiliser le Big Data peut aussi faire émerger de nouveaux business modèles. Un exemple : les gestionnaires de centres commerciaux analysent désormais les données recueillies par les boitiers Wi-Fi pour optimiser la connaissance des parcours clients. Ainsi, il est possible d’ajuster les valeurs locatives des surfaces commerciales en fonction des flux de clients.

Aux Etats-Unis, l’organisation des GAFA (Google, Apple, Facebook, Amazon) s’est construite sur la production et l’exploitation des données. En France, nous avons quelques « champions », comme BlaBlaCar ou Criteo. Mais des freins sont à lever dans beaucoup d’entreprises : outre l’absence de croissance et le manque de capitaux, la culture est peu favorable au test and learn, aux projets à cycle court, aux organisations fluides. Un changement de gouvernance et de culture est en marche pour faire face à la transformation numérique et exploiter tout le potentiel du Big Data.




  • Retrouvez-nous sur les réseaux sociaux
  • Twitter
  • Youtube