LIVE ACADEMY #4 Comment démocratiser l’utilisation des données dans votre organisation
CR du webinar du 27 mai 2021 - Paradoxalement, si le numérique a entraîné une explosion du volume de données disponibles, seule une minorité d’entreprises parviennent aujourd’hui à être réellement “data driven” et à déployer l’analytique à grande échelle. Disposer de données en grande quantité est un atout, encore faut-il savoir les transformer à l’échelle de l’entreprise en informations puis en connaissances activables. L’accès aux données et à leur interprétation ne doit pas être limité à quelques décisionnaires. Dès lors, comment démocratiser l’utilisation des données dans votre organisation ? Au cours du Live Academy, nos experts Selima et Nidhal ont partagé leurs convictions et quelques clés pour instiller dans votre organisation une véritable culture de la data, notamment à travers l’un de ses piliers, la data literacy.
> Vidéo du Live Academy « Culture Data » (replay)
> Slides
//www.slideshare.net/slideshow/embed_code/key/nHYyHKhoM7qIWe
1.Importance de la donnée
Ces dernières années, de nombreux freins au big data ont quasiment disparu. De petites structures, pas seulement des startups, misent aujourd’hui sur ce type de stratégie pour gagner en performance et en compétitivité.
Trois chiffres illustrent la pertinence de ces approches :
- Pour plus d’un dirigeant sur deux (54%), l’analyse de données améliore la prise de décision
- La productivité des entreprises “Data driven” est 5 à 6% supérieure à celle des autres entreprises
- 65% de la population mondiale possède une mémoire visuelle. Bien représenter la donnée en facilite l’analyse et l’interprétation.
Dans l’entreprise, il est possible d’établir de très nombreux indicateurs et de produire de très gros volumes de données, plus ou moins complexes, plus ou moins pertinentes. Pour véritablement créer de la valeur à partir de ces données, il sera utile d’avoir une approche structurée s’appuyant à la fois sur la qualité des données, des principes de gouvernance et quelques principes clés de Data literacy.
2.Bien utiliser la data
Comment savoir sur quelles données s’appuyer pour prendre des décisions qui vont impacter la vie de l’entreprise ? Une donnée se définit comme un élément brut (un chiffre, un objet, un fait) qui doit être interprété et mis dans son contexte. Il faut pouvoir l'analyser, le comprendre pour pouvoir mettre en place un système de décision, un système d'interprétation intéressant, permettant d’en sortir de la valeur.
Il y a au moins 5 leviers à travailler pour pouvoir assurer derrière une mise en valeur des données :
- Cartographier : lister les données disponibles afin de pouvoir les maîtriser et comprendre leur cycle de vie.
- Gouvernance : créer une organisation et pouvoir animer une communauté autour des données pour les mettre au centre de l'entreprise.
- Qualité : disposer de données de qualité, pertinentes est un aspect trop souvent négligé mais néanmoins indispensable. Les causes d’une mauvaise qualité des données peuvent être diverses : erreur humaine, absence de règles définies pour la qualité de données, manque de contrôles implémentés dans le SI, défaillance technique, manque d'intégrité et de cohérence des contrôles sur l'écosystème global.
- Analyse et visualisation : créer des dashboards qui permettent de mieux monitorer et de créer plus de partage autour de l’analyse de données contribue à renforcer la confiance tout en facilitant la prise de décision.
- Acculturation : L’analyse de la donnée améliore la rapidité et la qualité du processus de prise de décision. Il y a cependant une condition : il faut qu’existe dans l’entreprise une stratégie unique, et pas des stratégies isolées et disparates, pour identifier les perspectives et que chacun puisse être capable de faire en permanence le lien entre la collecte des données et l’activité globale de l’entreprise.
3.Gouvernance de la donnée
Pour initier dans votre entreprise, une véritable gouvernance et maîtriser la qualité de vos données, il vous faudra vous intéresser à trois aspects en particulier : quoi, qui, comment ?
4.Créer une définition 360 de la donnée (le “quoi”)
Afin de créer une vision 360 de la donnée, on va chercher à comprendre la donnée en intégrant ses différentes origines, natures, facettes.
- La première source de données, ce sont les informations métiers : il s’agira d’indiquer les règles métiers, les normes pouvant être mises en place pour contrôler et monitorer la qualité des données, structurer, maîtriser l'information que l'on va propager.
- Deuxième source, les informations techniques : il s’agira de cartographier les informations de ce type (data tagging, reporting APIs, profiling info…) en précisant leur emplacement dans le SI de l'entreprise, le type de données, les règles de qualité standard que l'on met en place...
- Enfin, dernière source de données : les informations opérationnelles comme le linéage et la traçabilité de la donnée. Quels chemins emprunte la donnée dans le SI ? Qui la consomme ? Ces informations sont indispensables afin de pouvoir déterminer et sécuriser les accès à la donnée.
Tous ces éléments permettent d'avoir cette vision 360 et améliorent la confiance en la donnée. Souvent les entreprises ne font pas ce travail et du coup, elles ne connaissent pas leurs données. Or la vue 360 permet de garantir la qualité des informations et des données.
5.Définir les rôles et les responsabilités autour de la donnée (le “qui”)
La gouvernance devra également s’appuyer sur l’attribution de rôles et de responsabilités dans la gestion des données. Cette organisation a plusieurs avantages : chacun en fonction du rôle qui est le sien est le garant de la qualité des données et du respect des règles et normes définies.
Cela permet également d’identifier plus rapidement la personne sur laquelle on peut s'appuyer et que l’on peut contacter s'il y a des questions, s'il y a une demande d'accès, s'il y a des requêtes autour de la donnée… Il y a quelques rôles standards mais pas de rôles type à appliquer. Ils seront à préciser en fonction de l'entreprise, de son type d'organisation.
6.Mettre en place une organisation adaptée (le “comment”)
Dernier pilier indispensable à la gouvernance : les process et le modèle d’organisation pour structurer l'utilisation de la donnée. Plusieurs types de modèles sont possibles dont les 3 principaux "centralisé, décentralisé, fédéré" mais de plus en plus, de nouveaux types apparaissent qui sont beaucoup plus spécifiques à des produits.
Il convient de noter qu’aussi bien au niveau des rôles que des process et de l’organisation rien n’est figé. La définition de la gouvernance de données doit être adaptée au type de l'entreprise, à sa taille, à sa maturité, à son ambition. C'est un processus qui se fait sur une certaine période, pour être sûr de mettre en place quelque chose de cohérent, qui ne soit pas disruptif, par rapport à l’existant de l’entreprise. Par ailleurs, le modèle n'est pas figé, il faut être agile : de plus en plus, on se rend compte que les modèles proposés doivent s'adapter en fonction de l'évolution et du niveau d'acculturation à la data.
La gouvernance permettra de mettre en place un modèle opérationnel d'entreprise. Les données, par leurs différentes facettes que nous venons d’évoquer, font travailler ensemble le métier et l'IT. C’est pourquoi on parle vraiment de modèle d'entreprise qui unifie le travail de l'IT et du métier, deux acteurs majeurs pour alimenter et construire cette vision 360 de la donnée et une organisation adaptée.
7.La data literacy, pilier d’une véritable culture data
Un chiffre, une donnée peut faire l’objet de multiples interprétations et donc entraîner des analyses divergentes. C’est pourquoi, lorsqu’on parle de culture data, il est indispensable de se doter d’outils, de techniques, de pratiques qui permettent de limiter les biais d’interprétation. C’est tout l’objet de ce qu’on appelle la “data literacy”.
La Data literacy, c'est la capacité à lire, écrire et à communiquer les données dans leur contexte. C’est donc :
- comprendre leurs sources, leur structuration, comment elles sont construites
- connaître les méthodologies d'analyse et éviter les biais d'interprétation
- savoir appliquer ces méthodologies d’analyse dans des cas d'usage métier et business
Pour mettre en place la data literacy et être “data literate”, il faut travailler sur 2 grands axes :
Un premier axe est de respecter la donnée, c'est-à-dire savoir reconnaître son importance, sa valeur, enlever toute suspicion par rapport à l'intérêt d'utiliser des données. Cette suspicion, nous la rencontrons fréquemment lors de nos interventions au sein des entreprises. On aura aussi toujours le souci de chercher de nouvelles données, de nouvelles sources de données, de combiner les données de manière à créer des indicateurs qui vont permettre de résoudre les problématiques business.
Un deuxième axe est de suspecter la donnée, c'est-à-dire connaître les risques de biais et d’erreurs dans les analyses, être conscient des problèmes de qualité de données et essayer constamment de les résoudre.
Au final, être data literate, c'est être attentif à la donnée qui nous entoure, savoir l’analyser et la représenter et être vigilant quant à l'utilisation de cette donnée.
8.Les différents types d’analyses de données
Pour pouvoir représenter et utiliser la donnée, il est possible de s’appuyer sur différents types d'analyses en fonction de l’objectif recherché. A chaque analyse son ambition. On part de l'analyse descriptive simple qui va décrire ce qui s'est passé (combien ? quand ? où ?) et permettre de restituer les données via des reportings ou du self-service Business Intelligence jusqu’à l'analyse cognitive en passant par le prédictif et le prescriptif. Les rôles aussi évoluent en fonction du niveau d’analyse : on commence avec le data visualiseur et on termine avec le data scientist qui va appliquer des méthodes de modélisation statistique prédictive, de causalité.
9.Rendre la donnée plus accessible avec la représentation visuelle
Pour que la donnée soit utile, il faut qu’elle soit restituée à l’issue d’une analyse et donc partagée et aisément compréhensible. Pour cela, on va s’appuyer sur le visuel mais pour bien visualiser les données, il est nécessaire de se poser une série de questions, nous en avons sélectionné quatre principales :
Comment choisir le bon graphe pour la bonne donnée ? Est ce que je suis en train de faire des comparaisons ? Est-ce-que je souhaite mettre en évidence des relations de la distribution ? Est ce que j'ai des évolutions dans le temps ou pas ? Ces interrogations vont me permettre de choisir le graphe adéquat. Généralement, en tant que data visualiseur, on essaie un ou plusieurs graphiques avant de trouver celui qui répond le mieux au besoin.
Un élément aussi important toujours dans ce choix de graphique, c'est de pouvoir mettre en application les règles du visual literacy ou du design de dashboard. Cela permet au moment où l’on restitue la donnée, de la restituer de manière à ce que l'œil humain puisse l'interpréter d'une manière très rapide et très pertinente.
Comment choisir le bon graphe pour le bon niveau de précision ? En fonction de l’information que l’on souhaite communiquer, certains graphiques seront plus pertinents et plus faciles d’utilisation.
Quels éléments choisir pour la bonne représentation ? Chaque élément peut être interprété d'une manière différente et peut apporter un message différent. Il faut donc travailler sur les éléments de position, sur la forme, sur la taille de la représentation, sur les couleurs, l'épaisseur des traits et les types de lignes dans notre représentation
Comment bien organiser les éléments de visualisation dans un même graphique ? Les graphiques doivent être alignés, le choix des échelles pertinent. Il conviendra également par exemple d’utiliser des codes couleurs similaires par des graphiques qui véhiculent la même information.
Les réponses à ces différentes questions faciliteront l'utilisation de vos dashboards que ce soit par un décideur qui va lire le reporting ou la visualisation en 30 secondes, ou par celui qui au contraire, va prendre le temps de faire du drill down, de l'analyse détaillée. Ils auront chacun devant les yeux des éléments qui faciliteront la lecture et l'interprétation de la donnée.
Au-delà de savoir représenter la donnée, il faudra également être vigilant à son interprétation en évitant les biais. C’est là qu’intervient la notion d’acculturation ou comment favoriser l’émergence d’une véritable culture data dans l’organisation.
10.Instiller une véritable culture data
L'acculturation à la data au sein de votre entreprise et chez vos collaborateurs, c'est vraiment le premier pas vers une transformation de l'entreprise pour la rendre Data driven. Mais développer cette culture va bousculer des manières de faire, des manières d'analyser, des manières d'interpréter et de prendre des décisions. Ceci va créer un changement culturel et un changement de mindset au sein de l'entreprise.
Les organisations doivent favoriser l’émergence de pratiques qui encouragent à l'utilisation des données avec un fort soutien à l'utilisation d’éléments factuels dans la prise de décision. Pour pouvoir mettre en place cette acculturation au sein de l'entreprise, nous pouvons reprendre l’image de l’iceberg. Il y a la partie visible, qui se modifie assez rapidement et puis il y a une partie qui est vraiment plus profonde et qui est difficile à faire évoluer.
Pour mettre en place ces pratiques, il faut travailler sur les parties visibles de l'iceberg : les rôles et organisations, les communautés de partage de connaissance, comment insuffler ces changements de comportements et d'interactions entre les différents collaborateurs au sein de l'entreprise.
Mais la partie difficile, cachée de l'iceberg, c'est vraiment toutes les structures inconscientes auxquelles on s'est habitué depuis des années, à ne pas utiliser les données dans notre apprentissage ou nos prises de décisions par exemple. Il s’agira de faire évoluer ces structures inconscientes pour changer l'état d'esprit et la confiance dans les données.
Selon nous, il est possible de déceler 7 étapes pour devenir data literate et partager une même culture de la donnée :
- Définir une vision et fédérer les personnes autour de cette vision
- Communiquer sur le pourquoi de la mise en place de cette Data Literacy
- Évaluer vos compétences actuelles
- Former vos collaborateurs à la data literacy et à la data de manière générale
- Développer et entretenir des communautés autour de quelques thématiques et technologies (Data visualisation, Data science, Data Gouvernance, Microsoft Azure, Power BI ou AWS etc…)
- Fournir l’accès aux données, donner la possibilité à vos collaborateurs d'utiliser des ressources techniques pour tester de nouvelles choses.
- Suivre l'évolution de l'adoption de la data literacy, mesurer, répéter les communications, la road map, la vision.
Ces éléments représentent quelques-unes de nos convictions pour mettre en place la data literacy. Il est préférable de commencer petit avant de passer à l'échelle. Dans cet esprit, il sera pertinent de rafraîchir les discussions sur la data literacy à fréquences régulières, tous les 6 mois par exemple ou bien de créer des sessions autour du sujet et d’encourager vos collaborateurs à faire des talks, des présentations pour l'entreprise. Un autre des leviers importants est la formation de vos collaborateurs.
11.Acquérir les fondamentaux d’une véritable culture data
Chez OCTO Academy, nous avons à cœur de partager l'expertise de nos consultants. Nous développons avec eux des formations pour justement vous accompagner dans la compréhension de la donnée et vous permettre de développer une véritable culture data :