HUB Institute : Quelles sont les étapes incontournables à la mise en place des stratégies data-driven ?

Edouard Beaucourt : La première étape consiste à avoir des données, ou du moins, d’avoir une idée claire de celles dont on dispose au sein de l’entreprise. Aujourd’hui, ce n’est plus une “barrière” puisque toutes les entreprises ont de la data. La principale difficulté réside dans leur capacité à la mettre à disposition de tous leurs collaborateurs. 

En un mot comme en cent, les entreprises doivent faire sauter les silos de l’information en connectant leurs différents réservoirs de données (ERP, CRM, DMP…). Il existe aujourd’hui pléthore de solutions, dont Tableau fait partie, qui permettent aux entreprises de libérer leurs données et d’interagir avec elles.

La deuxième étape est d’identifier les "champions" de l’entreprise. Ces champions sont généralement des collaborateurs créatifs qui ont à cœur de pouvoir s’appuyer sur la donnée pour justifier leurs actions. Ils doivent rapidement devenir les moteurs de l’entreprise et créer les premières analyses, les premiers tableaux de gestion, etc. Petit à petit, ils vont également être amenés à devenir des animateurs de communautés, c’est-à-dire faire infuser les usages de la data dans l’entreprise.

Enfin, la troisième étape réside dans la capacité des entreprises à former leurs collaborateurs à la donnée. Sans dédier des programmes de formation complets, il s’agit surtout de s’assurer que tout le monde dispose des ressources nécessaires (tutoriels, blogs…) pour se former.

HUB Institute : Selon l’IDC, si 74% des entreprises aspirent à être data driven, seuls 29% s’estiment en mesure d’y arriver. Quels sont les freins à l’établissement de cette transformation ?

EB : Ces chiffres sont tout à fait vrais et pour moi, il y a 3 raisons à cela. 

La première est que la transformation est un processus qui prend du temps. Même les entreprises qui ont investi depuis longtemps dans les stratégies data-driven n’en sont qu’à 20% du chemin. Cela s’explique par le fait que les applications liées au traitement des données évoluent à une vitesse effrénée. 

La deuxième raison est humaine. Tout le monde n’a pas le même niveau d’acculturation face à la donnée. Le temps d’apprentissage ne sera pas le même pour un collaborateur fraîchement sorti de l’école que pour un cadre de 50 ans qui travaille historiquement sur Excel. La conduite du changement est donc primordiale. 

La troisième raison est organisationnelle. Il est plus simple d’instaurer une culture d’entreprise centrée sur la data dans un département de 30 personnes que dans une entreprise comptant 80 000 collaborateurs. Les grandes entreprises doivent prendre en compte des contraintes géographiques, des niveaux de compétence différents ou encore des systèmes d’information variés.

La transformation est un processus qui prend du temps. Même les entreprises qui ont investi depuis longtemps dans les stratégies data-driven n’en sont qu’à 20% du chemin.

HUB Institute : D’après vos propres observations, à quoi reconnaît-on le succès d’une transformation data-driven au sein d’une entreprise (KPI de performances…) ?

EB : Dans le cadre des stratégies data-driven, je ne pense pas que les KPI soient un indicateur de succès. À mon sens, le succès est atteint quand un collaborateur est capable de prendre une décision documentée en s’appuyant sur l’interprétation des données. Par exemple, pour un commercial, le succès d’une stratégie data-driven est atteint quand la donnée lui permet d’identifier les 10 prospects à prioriser dans le cadre de ses campagnes d’acquisition... Bien entendu, des KPI doivent être mis en place et il doit y avoir une certaine forme de gouvernance. Cependant, le plus important est de laisser une certaine liberté aux opérationnels, car ce sont eux qui sont capables de se poser les bonnes questions grâce à leur expérience métier.

HUB Institute : Si pour vous les données ont vocation à être utilisées par tous, qu’en est-il du rôle des data scientists, profil très recherché par les entreprises ?

EB : Une erreur est déjà de croire que les data scientists sont indispensables dans les entreprises. Il va sans dire que ces profils sont importants, de même que celui de Chief Data Officer, mais aujourd’hui, ceux qui se posent les meilleures questions quant à l’opérationnel, ce sont encore ceux qui y travaillent. Pour moi, il est impensable de dire à un responsable logistique, financier ou vente "Tu te poses une question ? Tu devrais aller voir un data scientist". Notre position chez Tableau est de redonner le pouvoir de la donnée à chaque membre de l’entreprise. Chacun doit être capable de tirer le meilleur des données présentes dans ses systèmes.

Pour moi, il est impensable de dire à un responsable logistique, financier ou vente "Tu te poses une question ? Tu devrais aller voir un data scientist"

HUB Institute : Quelle est la valeur ajoutée de Tableau face à cela ?

EB : La force de Tableau réside d’abord dans le fait de pouvoir s’adresser à tous. Notre solution est assez simple pour être utilisée par des néophytes sans pour autant frustrer les utilisateurs experts. Maîtrise et transparence sont donc nos mots-clés. 

De plus, nous savons travailler avec tout type d’entreprises, et ce, quels que soient leurs secteurs d’activité et leurs contraintes. Cela passe par la capacité à interopérer avec tout type de systèmes, qu’ils soient basés sur Linux ou Windows, qu’il s’agisse de cloud public ou privé, de solutions propriétaires ou libres. 

HUB Insitute : Comment envisagez-vous l’avenir des stratégies data-driven d’ici 5 ans ?

EB : Il est toujours dur de savoir de quoi sera fait le futur. Pour moi, l’usage des stratégies data-driven va peu à peu se démocratiser. Les entreprises commencent déjà prendre conscience de l’importance de mettre la donnée au service de tous les collaborateurs. L’usage d’algorithmes de Natural Language Proccessing (NLP) devrait faciliter encore un peu plus ces usages en permettant d’interagir plus facilement avec les systèmes. Par ailleurs, l’arrivée de l’intelligence artificielle permettra aux collaborateurs de comprendre d’autant plus leurs données.