Cette tribune a été diffusée en avril 2021 sur Journaldunet.com

Perdre son temps ou accélérer son business ? Cette question peut paraître triviale mais fort est de constater qu’il ne suffit pas de rassembler l’ensemble de ses données dans un projet data pour en garantir l’efficience.

L’irruption soudaine d’une catastrophe de l’ampleur de la crise de la Covid-19 a montré que les entreprises les plus résilientes sont celles capables de prendre des décisions rapides pour s’adapter à ce nouveau “normal”. Si un écosystème technique et data robuste est certes un atout, avoir une vraie maîtrise de sa donnée s’est avéré être un accélérateur de performance. Or, nombreuses sont les entreprises en difficulté qui ont eu l’impression d’investir dans des projets data, mais sans avoir la maturité de s’intéresser à la gouvernance et la qualité des dites données ; des sujets de l’ombre, rarement évoqués en COMEX ou lors de grands rassemblements professionnels. Dès l’été 2020, ces questions se sont retrouvées sur le devant de la scène dans un contexte de digitalisation des ventes, de confinement et de points de ventes physiques fermés avec pour corollaire un besoin en données de qualité pour diagnostiquer, piloter, améliorer le business et la relation client.

Dès lors, comment procéder ? Quels sont les écueils à éviter ? Que peut-on attendre d’une donnée marketing pleinement maîtrisée ?

Le data-driven à tout prix est une utopie

Trop de data tue la data. Une initiative de gouvernance de la donnée décorrélée d’une ambition data se résume à un projet d’inventaire et d’archivage à la valeur ajoutée questionnable, une initiative au mieux en avance de phase, au pire un projet qui complexifie à l’avenir toute initiative et ambition data car ayant étant construit hors sol.

Prenons un exemple, certes fictif, mais qui démontre parfaitement les conséquences d’une absence de data gouvernance. Chez AutoTango, société leader dans la production & commercialisation de pièces détachées automobile, le sujet de la maturité data est avant tout évalué selon une logique quantitative. Il s’agit de tout tracker, de tout suivre, de multiplier les outils et les systèmes, toujours plus sophistiqués pour se maintenir au niveau de ce graal qu’est devenu “l’état de l’art du marché”. Les données sont accessibles à tous, mais sont dupliquées au sein de plusieurs systèmes, les indicateurs et leurs données sources ne sont ni documentées ni définies, aucun processus de data quality management n’a été défini, aucune règle de mise à jour. La data en profusion, pétrole du 21ème siècle, est abondante chez AutoTango, pourtant il ne suffit que d’une seule réunion pour se rendre compte que personne ne parle plus la même langue : AutoTango est devenue la Babylone de la data !

Maintenant, invitons-nous dans quelques réunions pour mesurer l’ampleur du problème. Lorsque l’équipe commerciale et l’équipe digitale se rencontrent pour la revue de performance trimestrielle, les définitions souvent contradictoires fusent. Doit-on suivre les ventes e-commerce uniquement ? Inclure les retours ? Qu’est-ce que le taux de conversion ? Si bien que le plus souvent, chaque équipe finit par prendre à part son data analyste pour lui demander une analyse ad-hoc qui donnera sa propre version d’une vérité data-driven. De la même manière, lorsque AutoTango, aux termes de négociations au long cours valide l’achat d’AutoWaltzer start-up allemande à fort potentiel, ses auditeurs auscultent par le menu détail la performance financière de la nouvelle filiale et son département innovation évalue soigneusement la valeur ajoutée des différents brevets déposés. Qu’AutoWaltzer dispose d’une base clients comprenant des cibles très qualifiées ou à l’inverse d’un écosystème aux nombreuses failles de sécurité et de “compliance”, influe peu sur la décision et le prix d’achat. Comment ça la data s’audite ? Nous pourrions être amenés à devoir effacer les données de milliers de clients car AutoWaltzer n’a pas respecté la réglementation européenne ?

Dans ce scénario caricatural, la data d’Auto Tango, bien que présente en volume suffisant et circulant dans un écosystème techniquement mature, ne sert à rien en ce qu’elle ne permet pas d’aligner les différents départements de l’entreprise et d’identifier ou d’exploiter des opportunités d’amélioration de la performance de l’entreprise.

La data ne sert donc à rien si elle n’est pas structurée dans un cadre de gouvernance de la donnée partagé par tous.

Comment tirer pleinement profit de sa donnée

Les entreprises qui ont très tôt compris l’importance d’une donnée bien gouvernée, ont eu tendance à mieux résister à la crise économique et à rebondir plus rapidement. Elles ont mis en place de nouveaux canaux de distribution, ciblé de nouvelles audiences issues du confinement, ont construit des dashboards de pilotage locaux pour s’adapter aux mesures différenciées par région et de manière générale ont su mieux diagnostiquer les obstacles à surmonter dans des horizons temporels restreints. Levi Strauss & Co a par exemple su tirer profit de ses investissements en IA & analyse prédictives entamés bien avant la crise sanitaire : le groupe a ainsi su être réactif en traitant ses commandes en ligne non plus depuis ses centres de distribution, mais directement depuis ses points de vente.

Le contexte de crise sanitaire dans lequel nous vivons est riche d’enseignements quant à de bonnes pratiques de gouvernance de la donnée si l’on s’autorise à filer la métaphore.

  • Les experts, médecins ou “codeurs” (développeurs, data engineers, data scientists, etc.) ont rapidement compris la nécessité d’une bonne hygiène (corporelle ou de sa donnée). Certains fixent des protocoles sanitaires, quand d’autres documentent leur code et créent des répertoires communs de manière proactive. Cela simplifie l’exécution de leurs métiers et les collaborations avec des équipes internes ou externes.
  • Pour mesurer la gravité de la crise sanitaire en cours, nombreux sont les KPIs : nombre de cas ? % de tests positifs ? taux d’incidence ? décès à l’hôpital ? Au sein de l’Union Européenne les mesures diffèrent, rendant les situations difficilement comparables. On ne parle pas non plus le même langage de la donnée, et pour rendre les réalités nationales comparables, nombreux ont été les articles de pédagogie nécessaires.
  • La mise en place de nouvelles habitudes : du port systématique du masque à la consultation d’un dictionnaire de données avant toute analyse, est souvent contraignante au départ mais peut perdurer dans le temps si les raisons de leur existence sont clairement explicitées et communiquées avec pédagogie.
  • Le maintien dans le temps de ces nouvelles habitudes est fortement conditionné au fait que les individus les respectent par adhésion plutôt que par crainte de représailles (la police du couvre-feu ou l’audit de la CNIL). La démarche ne peut être vertueuse que si chacun accepte de faire à son niveau un effort dont les résultats ne seront visibles qu’à un niveau plus global et un horizon plus lointain.
  • Il est plus aisé et plus sécurisant de vivre ensemble, de partager, de collaborer lorsque l’on est certain que nos interlocuteurs et partenaires respectent les mêmes valeurs et standards. Cela vaut généralement comme leçon de vie en temps de pandémie (nous sommes plus sereins avant un dîner si tous les hôtes ont pris les mêmes précautions) mais également lorsque l’on souhaite s’engager dans des partenariats data de partage de données, de partage de connaissance, d’alimentation ou d’entraînement d’un algorithme sur des bases partagées. Connaître alors les règles qui régissent les traitements data du partenaire permet de créer la confiance et de s’assurer de la pérennité du partenariat. Or, souvent la donnée la plus intéressante pour franchir une étape se situe dans une autre équipe voire dans une autre entreprise.

Comme tout projet de conduite du changement, il est important de partager le constat sur le “sentiment d’urgence”. Les entreprises qui avaient les données nécessaires ont pu prendre des décisions plus rapidement que les autres qui ont plus ou moins maladroitement tenté de reproduire leurs analyses et opérations avec un temps de retard et très souvent sans avoir la subtilité suffisante en termes de granularité géographique, client, segment, offres, etc.

La data ne s’accumule pas comme les vivres en panique pré-pandémique, elle doit être rendue actionnable et donc gouvernée.

Auteure : Léa Guyon, Manager Converteo

Nos derniers articles