Transformez vos données en moteur de croissance : le modèle du volant d'inertie

Dans le monde hyper-compétitif d'aujourd'hui, les entreprises ne s'appuient plus uniquement sur des décisions instinctives ou l'intuition ; elles dépendent d'analyses basées sur les données pour rester agiles et prendre des décisions rapides et intelligentes. Cependant, les données seules ne sont pas la solution ; elles sont le catalyseur pour créer un élan sur une roue d'inertie métier et technologique : un modèle où les données orientent les décisions, les décisions orientent les actions, et ces actions créent de la valeur, propulsant l'entreprise vers l'avant dans un cycle auto-renforcé.

Dans un précédent article, j'ai utilisé un modèle pour expliquer comment les données pouvaient franchir les frontières des applications et des domaines pour apporter une valeur croissante au niveau organisationnel.

Voici une synthèse du développement de l'article : l'axe des X concerne l'augmentation de la certitude de la décision corrélée à son approvisionnement, et l'axe des Y la diffusion des données corrélée à sa demande.

Dans cet article, j'utilise YAML (Yet Another ModeL - sic) pour déterminer comment une culture de la donnée, la technologie et l'organisation peuvent activer un effet de volant d'inertie d'un point de vue technologique et commercial conjoint.

À la fin, vous obtiendrez des informations exploitables sur l'analyse et la mise en œuvre efficace de ces principes au sein de votre propre organisation.

Description du problème

Dans le monde de l'analytique, les données ont un potentiel considérable pour stimuler la valeur métier en générant des informations exploitables. Cependant, elles sont fréquemment instrumentalisées pour répondre à un problème particulier au sein d'un domaine d'activité spécifique (ici le domaine d’activité représente un espace problème).

Pour illustrer ceci, regardez dans le monde digital: la solution à un problème est en général implémenté sous la forme d’un service qui expose une donnée: la solution est le service (ou le produit logiciel), la donnée n’est considérée que comme un outil, un by-product.

Étant donné que les données sont généralement traitées comme un outil pour répondre à des défis business isolés, elles dépassent rarement les frontières de leur domaine. Cela limite leur capacité à contribuer à des solutions technologiques plus globales ou à créer de la valeur pour l'ensemble de l'entreprise.

Les données se heurtent à un plafond de verre qui bloquent leur évolution (telle que représentée dans le modèle précédent) : elles peinent à sortir de leurs applicatifs pour apporter de la valeur aux domaines. Casser ce plafond de verre est nécessaire pour exploiter cet eldorado de la donnée, que ce soit dans le monde de l'analytique ou de l’intelligence artificielle.

Ce désalignement provient souvent des silos organisationnels. Ainsi, les équipes de données et les équipes métier fonctionnent fréquemment de manière isolée, ce qui conduit à des efforts décousus où les informations, aussi solides soient-elles, sont soit mal comprises, soit sous-utilisées.

Comment casser le plafond de verre: proposition d’un modèle vertueux

Pour remédier à cela, les entreprises doivent se concentrer sur la création d'un système qui favorise la collaboration entre les équipes.

C'est à ce moment que l'analogie d'un système de poulies à courroie devient selon moi pertinente:

Tout comme un système de poulies transforme le mouvement et la puissance, une approche alignée des données transforme l'information brute en valeur métier.

Imaginez un volant d'inertie comme la roue entraînée du système - elle représente la valeur technologique et métier combinée.

Les données servent de courroie, facilitant le transfert de connaissances, de contexte et de valeur à travers l'organisation.

La clé, cependant, est d'identifier la roue motrice : un volant d'inertie plus petit qui permet de faire évoluer les données, accélérant les initiatives métier.

Dans la suite de cet article, nous allons tenter d’identifier comment les entreprises peuvent définir et construire cette roue motrice centrée sur les données en quatre étapes, qui agiront comme le moteur alimentant le cercle vertueux de l'organisation.

Commençons par décrire le modèle.

Le modèle du volant d'inertie (également connu sous le nom de modèle du cercle vertueux)

Le concept original

Le concept du volant d’inertie (value flywheel effect) utilisé dans cet article provient du livre The Value Flywheel Effect de David Anderson (co-écrit avec Mark McCann et Michael O'Reilly).

J'adore l'introduction avec l'idée du principe physique du __moment__ (que l’on peut simplifier par l’idée de l’élan). Je vais simplement faire une traduction libre ici du tout début du livre pour illustrer le propos (vous pouvez trouver l’original sur le site web de IT Revolution) :

L’élan est une chose étrange. Il est difficile de l'imaginer ou de le ressentir; il faut beaucoup d'efforts pour y parvenir. Lorsque nous apprenons à faire du vélo, par exemple, cela semble maladroit et difficile au début. Il est difficile de faire tourner les roues, et notre frustration est souvent évidente. Mais notre instructeur nous assure que cela passera. Lorsque nous commençons enfin à prendre de l'élan, l'exaltation nous coupe le souffle. Chaque coup de pédale devient plus facile et demande moins d'efforts. Soudain, nous pouvons nous concentrer sur l'expérience plus large de la glisse dans une belle forêt ou une rue bordée d'arbres. La valeur de notre travail acharné est évidente, et nous pouvons maintenant continuer à en récolter les fruits avec de moins en moins de difficultés.

Pour bien comprendre l'effet du volant d’inertie, considérons-le d'abord d'un point de vue business plus large. Son application la plus connue vient d'Amazon: de petites victoires en matière de satisfaction client entraînent plus de trafic, ce qui attire des vendeurs tiers, ce qui à son tour entraîne une baisse des coûts et des prix, créant un élan supplémentaire. Chaque élément renforce le suivant, créant un centre de croissance, d'efficacité et de valeur différenciée qui s'accélère sans cesse.

Le modèle de la roue d'inertie décrit un système auto-alimenté d'élan, qui devient plus fort et plus facile à maintenir à mesure que différentes actions se combinent au fil du temps. Au lieu de s'appuyer sur des changements ou des transformations gigantesques et ponctuels, le volant d'inertie fonctionne en multipliant les effets de petites améliorations constantes. Une fois qu'elle est en mouvement, il est difficile de l'arrêter.

Les principes clés et les personas

Je vais me référer au modèle du livre The Value Flywheel Effect, qui est la troisième itération de ce concept (après l'adaptation d'Amazon et l'idée originale de Jim Collins). Ce modèle est expliqué en détail dans le livre, dont je recommande vivement de le lire. En résumé, la volant d'inertie est divisée en quatre étapes :

Raison d'être → Défi et contexte → Prochaines meilleures actions → Valeur à long terme

Chacune des quatre étapes entraîne la suivante. Étape par étape, itération par itération, nous surmontons l'inertie (de manière véritablement agile) et nous prenons de l'élan.

Pour résumer, voici les principes clés et les personas de l'effet de la volant d'inertie :

(source: https://itrevolution.com/wp-content/uploads/2022/08/TVFE_Excerpt.pdf)

Voyons maintenant si nous pouvons adapter ces principes clés à la roue motrice des données. Le premier élément est de considérer l'approche existante en place dans l'organisation (Adapter > Adopter).

Cet article est lui-même relativement organisé comme le système présenté: nous avons placé la raison d’être en première partie, regardons à présent de manière sommaire le paysage organisationnels autour de la donnée rencontré fréquemment.

Challenge and Landscape: contextes et défis des organisations actuelles

Pour appliquer avec succès l'effet de la volant d'inertie au sein d'un écosystème de données, les entreprises ont besoin d'une approche structurée pour gérer les données à travers l'organisation. Cela est généralement mis en œuvre par le biais du concept de data factory ou usine de données. Une usine de données fonctionne comme le moteur central qui alimente la prise de décision basée sur les données, garantissant que les données circulent librement entre les équipes business et techniques, les transformant en informations exploitables.

Le cycle de vie complet des données est géré au cœur de l’usine de données : de la collecte et de la conservation des données à leur stockage, leur gouvernance et leur exposition pour analyse.

Ainsi, cette usine de données agit comme un pont entre les domaines métier, permettant le transfert transparent des données d'espaces problèmes business isolés vers des solutions technologiques et stratégiques plus larges applicables à l'ensemble de l'organisation.

Selon la gouvernance de l'organisation, différents modèles de gestion des données peuvent être adoptés : centralisé, distribué, fédéré ou en maillage de données. Bien que ces modèles diffèrent dans la manière dont ils gèrent et organisent les données au sein de l'entreprise, ils partagent une constante : il existe toujours une équipe centrale de gestion des données chargée d'assurer la cohérence, la gouvernance et l'alignement des données sur les objectifs commerciaux plus larges.

Cependant, pour que l'usine de données soit efficace, il faut une équipe chargée du management de la données dans chaque domaine

Quel que soit le modèle utilisé, l’équipe centrale a des responsabilités cruciales. Elle agit en tant que gardienne de l'écosystème des données, fournissant l'infrastructure, les politiques et les processus nécessaires à une circulation et à une collaboration fluides des données.

Avec l'effet du volant d'inertie, nous pouvons découvrir les principes communs qui guident l'équipe centrale de gestion des données, lui permettant de stimuler efficacement l'élan et d'accélérer la création de valeur dans l'ensemble de l'organisation.

Explorons maintenant comment les quatre phases de la volant d'inertie peuvent être appliquées à (potentiellement) toute entreprise aspirant à être axée sur les données.

Par souci de clarté et de cohérence, je vais m'en tenir à la structure de l'effet de la roue d'inertie d'origine, en décrivant chaque phase en termes de principes clés, de personnes responsables et d'objectif principal.

Phase 1 - Raison d'être

La première phase est dirigée par le Chief Data Officer (CDO) directeur des données, dont la principale responsabilité est de siéger au niveau de la direction et de définir ce que signifie pour l'entreprise d'être __data driven__ ou comment les initiatives métiers sont soutenues par la donnée. Cette phase consiste à créer une __North Star metric__ (étoile polaire) qui englobe la vision de l'entreprise en matière d'exploitation des données, en particulier d'un point de vue technologique. Le CDO collabore avec les autres dirigeants pour comprendre comment les données peuvent soutenir les objectifs stratégiques de l'entreprise, en veillant à ce que chaque initiative s'aligne sur les objectifs commerciaux plus larges.

Principes clés : Alignement sur les objectifs commerciaux, établissement d'une __north star__ axée sur les données qui définit clairement ce que signifie pour l'entreprise de tirer parti des données comme avantage concurrentiel et répondre à la question : que signifie pour nous être axés sur les données ?.

• Personnes responsables : Directeur des données (CDO), équipe de direction, experts du domaine.
• Objectif : Créer un alignement entre les équipes de données et les équipes commerciales, en veillant à ce que les initiatives en matière de données soutiennent les objectifs stratégiques et en prévenant tout décalage entre les attentes et les résultats.

Cette raison d'être pose les bases de toutes les activités ultérieures dans l'écosystème des données, garantissant que les efforts de l'usine de données sont toujours axés sur la création de valeur commerciale.

Phase 2 - Défi et contexte

Une fois l'objectif défini, la phase suivante est une évaluation dirigée par l'ingénierie du paysage technique. Ici, l'équipe d'ingénierie doit évaluer les systèmes et l'infrastructure actuels pour s'assurer qu'ils peuvent répondre aux besoins d'une organisation axée sur les données. Cela inclut la compréhension des capacités techniques de l'entreprise, telles que l'utilisation de lacs de données, d'architectures d'échange de données, et si l'entreprise s'appuie sur une architecture événementielle. L'équipe doit identifier ce qui peut être construit en interne pour soutenir la stratégie de données définie dans la phase 1 et quels composants sont mieux externalisés en tant que commodités.

• Principes clés : Évaluation de la dette technologique, des goulots d'étranglement, de l'infrastructure de données et de la capacité de l'entreprise à stocker, gouverner et partager les données entre les domaines.
• Personnes responsables : Responsables technologiques, ingénieurs de données, architectes.
• Objectif : Comprendre les lacunes de la pile technologique actuelle, s'assurer que les bonnes bases sont en place (par exemple, architecture événementielle, lacs de données) et décider du développement en interne par rapport aux services de commodité.

L'usine de données dans cette phase doit construire les capacités fondamentales nécessaires au succès à long terme, qu'il s'agisse de faire évoluer la pile technologique existante ou de remédier aux déficiences techniques.

Phase 3 - Prochaine meilleure action

La troisième phase est dirigée par les équipes produit qui doivent maintenant se concentrer sur les victoires rapides qui peuvent démontrer une valeur commerciale immédiate grâce aux données. L'objectif ici est d'identifier les produits de données ou les informations tirées des données qui peuvent catalyser les initiatives commerciales à court terme. Ces victoires doivent être étroitement alignées sur les objectifs commerciaux, tels que l'amélioration des prévisions de vente pour donner un avantage concurrentiel dans la logistique ou le développement d'informations basées sur les données pour soutenir les initiatives stratégiques clés.

• Principes clés : Progrès itératifs, concentration sur la réalisation de victoires rapides, responsabilité décentralisée.
• Personnes responsables : Chefs de produit, responsables de domaine, ingénieurs de données.
• Objectif : Développer et déployer des produits de données qui offrent une valeur commerciale immédiate, en se concentrant sur les initiatives qui soutiennent les objectifs commerciaux à court terme tout en créant une dynamique pour le succès à long terme.

Ici, l'usine de données doit fournir un soutien évolutif et agile pour permettre aux équipes de domaine de développer leurs propres produits de données. L'accent est mis sur la prise de mesures progressives pour libérer de la valeur, en veillant à ce que les produits de données soient alignés sur les initiatives commerciales.

Phase 4 - Valeur à long terme

La phase finale se concentre sur la sécurisation de la valeur à long terme, dirigée par le directeur technique. À ce stade, l'objectif est de s'assurer que les systèmes et les processus de données en place peuvent soutenir l'évolution continue de l'entreprise. Le directeur technique travaille en étroite collaboration avec le CDO et le conseil d'administration pour s'assurer que l'usine de données continue de se développer en tant que catalyseur clé des futurs produits et innovations basés sur les données. L'accent est mis sur l'évolutivité, la gouvernance et le maintien de l'avantage concurrentiel acquis en étant une entreprise axée sur les données.

• Principes clés : Évolutivité, gouvernance et création d'un écosystème de données durable.
• Personnes responsables : Directeur technique (CTO), architectes de données, équipes de données de domaine.
• Objectif : Concevoir un système qui garantit une valeur à long terme en permettant aux équipes d'innover en permanence et en faisant de l'usine de données un fournisseur de plateformes pour les futurs besoins commerciaux axés sur les données.

Dans cette phase, l'usine de données passe à un rôle plus de soutien, permettant une innovation continue tout en s'assurant que l'infrastructure est robuste, évolutive et adaptable. Cette phase renvoie également des informations au CDO et à l'équipe de direction, garantissant que la stratégie de données reste un facteur de différenciation concurrentielle.

Conclusion : Activer la roue d'inertie

Prenons un peu de recul pour examiner ce mécanisme :

La volant d'inertie est activée phase par phase, l'usine de données centrale jouant un rôle crucial tout au long du parcours vers un système de gestion des données fédéré. Cela garantit la cohérence entre les domaines et la fourniture de solutions évolutives. En suivant cette approche structurée, le paysage des données se transforme en un cadre cohérent où chaque partie de l'organisation - et pas seulement l'équipe centrale des données - contribue au succès à long terme de l'entreprise.

Ce modèle fournit un plan utile pour expliquer le potentiel d'un système de données au sein d'une organisation. Cependant, la description de la mise en œuvre de chaque étape dépasse le cadre de cet article. De nombreux outils sont disponibles - tels que le North Star Framework et le Wardley Mapping - qui peuvent soutenir l'application de cette structure à chaque étape.