Business

Tirer l'activité par les données

---

Autant des témoignages de DSI que l'étude PAC sponsorisée par Qlik montrent l'importance des données pour développer l'activité des entreprises, même très traditionnelles. Etre une Datas and Mortar n'est pas une option mais une obligation pour survivre.

Publicité« Oui, les DSI reconnaissent que les données sont au coeur de la révolution numérique » a affirmé Olivier Rafal, principal consultant chez PAC (groupe CXP), en présentant les résultats de l'étude Les DSI dans une entreprise Data Driven réalisée sur la commande de l'éditeur Qlik. Il a aussitôt ajouté : « on ne peut pas se contenter d'une application mobile isolée mais il faut refondre les processus business en s'appuyant sur les données. »
Très clairement, les grands projets de BI avec cycles en V ne sont plus de mises (en admettant qu'ils l'aient été un jour). Les DSI qui s'obstinent dans cette voie connaissent une sanction claire : leur déqualification au profit d'un CDO ou, simplement, d'un achat direct par les métiers d'une shadow-BI, éventuellement en SaaS. A l'inverse, les DSI qui savent réagir à l'exigence d'agilité des métiers mettent en oeuvre de la BI en libre-service. Dans la grande majorité des cas, l'accès à des tableaux de bord dynamiques est un acquis (69% sur postes de travail, 47% sur tablettes). Même gérer l'organisation de la donnée en autonomie est fréquent (57% sur poste de travail, 41% sur tablettes). Mais, par contre, la gouvernance de la donnée reste en général au sein de la DSI (38% pour la DSI centrale seule, 22% dans la DSI des BU seule, 22% dans une alliance DSI-métier et seulement 16% dans la direction métier concernée par le jeu de donnée en question.

Des défis encore nombreux à relever

Mais la prise de conscience n'implique pas des changements immédiats ou actuels. Même si 92% des entreprises ont entamé un projet de transformation numérique où la donnée est importante dans 98% des cas (primordiale : 50%), 56% des DSI n'ont ainsi pas mis à jour leur plan d'action décisionnel. 52% accusent une expression de besoin floue comme facteur d'échec des projets autour des données : on est ainsi loin de l'agilité de la BI self-service qui, par nature, se contente de besoins flous qui s'affinent avec le temps. L'agilité est encore d'ailleurs une chimère : 54% des projets durent plus de 18 mois ! Et seulement 56% des entreprises ont des projets autour de la donnée qui sont transverses. « Les données en silos et les mauvais temps de réponse sont clairement des obstacles » relèvent pourtant Olivier Rafal.
De la même façon, l'urgence n'est pas forcément comprise. Ainsi, seulement 38% jugent que la transformation numérique a un impact actuel devant amener une refonte des process. Pour 46%, cette refonte devra plutôt se faire dans les deux ans. Et 17% voient à plus long terme. Pourtant, la donnée est bien analysée comme un actif stratégique dans 28% des cas, un élément de différenciation dans 21% et une source de revenus pour 10%.

La donnée, ce boulet pour les Anciens

Pourtant, il existe encore des responsables IT ou décisionnel ayant une vision pour le moins curieuse vu leur rôle. 11% jugent ainsi la donnée comme un élément parmi d'autres du SI et 9% un facteur de coûts voire de tracas (stockage, sécurisation, conformité réglementaire...). Et 22% jugent que leurs compétences nécessitent d'être développées. Les métiers autour de la donnée, de ce fait, se développent pour combler les manques. 24% des entreprises déclarent disposer d'un data scientist et 25% être en train d'en recruter un. Pour d'autres métiers, les taux sont plus élevés : le chef de projet décisionnel est ainsi très courant (42% en poste, 26% en recrutement), CDO (37%/19%), data quality manager (33%/26%), data protection officer (33%,23% ; bientôt obligatoire)... Ces nouveaux métiers sont plus souvent rattachés à la DG (un tiers des cas) qu'à la DSI (un quart des cas).
Toujours selon l'étude PAC, les responsables IT/BI sont conscients de ne pas être incontournables. 41% jugent que les métiers les voient comme partenaire privilégié, 34% comme partenaire potentiel mais pas obligatoire et... 22% comme un acteur essentiel mais voué à être critiqué. 2% avouent même être considérés comme des freins que les métiers cherchent à contourner. Pour leur mettre du baume au coeur, il reste que les DSI demeurent au coeur de la plupart des projets de transformation digitale, devant la DG et loin devant les directions métier, même si la DG en est à l'initiative dans une majorité des cas (51%).

PublicitéLe décisionnel comme moteur de la conclusion d'affaires

Il est clair que la mise en place de traitements de données est en lui-même un apporteur d'affaires. Dans certain cas, c'est même une nécessité. L'exemple d'Arvato, filiale du groupe de médias Bertelsman réalisant un chiffre d'affaires de plus de 16 milliard d'euros grâce à ses 112 000 collaborateurs, est, de ce point de vue, significatif. Cette société est spécialisée dans l'externalisation de la chaîne logistique, de la gestion des commandes à celle des retours. Et être capable de traiter efficacement les données est devenu une condition préalable pour conclure des affaires.
Philippe Le Coq, IT Manager d'Arvato, a ainsi raconté : « pour répondre à un appel d'offres d'une grande entreprise européenne, nous avons été obligés de prévoir de la BI en self service. » Découvrant Qlik Sense pour l'occasion et développant une application en deux semaines, Arvato ne s'est pas arrêté là. « Du coup, nous nous sommes rendus compte de l'opportunité d'utiliser le décisionnel pour développer des offres de services mais aussi pour exploiter les données à des fins internes » a ainsi poursuivi Philippe Le Coq.

Un meilleur service grâce à la donnée

Si, aujourd'hui, tout le groupe Arvato a unifié son SI autour de SAP, cela n'était pas le cas autrefois et Qlik (grâce à Qlik View) était aussi utilisé pour assurer la consolidation des données. Aujourd'hui, il s'agit plus d'exploiter le plus efficacement possible les données. Pour Philippe Le Coq, « comme Qlik gère des vecteurs associant les données, la recherche par mots clés est native. Or, quand un client confie sa chaîne logistique à un prestataire comme Arvato, il perd de fait la maîtrise de celle-ci. Il faut donc le rassurer en lui offrant une transparence totale. Cela a bien sûr un effet pervers : la moindre faiblesse est tout de suite visible. »
Ces indicateurs permettent donc, en retour, de vérifier la qualité de service. La perspective est d'appliquer la logique Big Data en intégrant des données annexes (par exemple : données de trafic routier, les incidents, etc.) à la gestion logistique afin de développer la fiabilité des informations délivrées.

Le contrôle de qualité version immobilière

Chez le promoteur Kaufman & Broad, créé en 1968 et constructeur de près de 100 000 logements et plus d'un demi-million de mètres carrés de bureaux pour un chiffre d'affaires annuel de plus d'un milliard d'euros, il s'agissait avant tout d'accélérer le contrôle. Pour aller plus vite qu'avec Excel, le recours à une BI très agile comme Qlik s'est vite révélée nécessaire. Philippe Minier, DSI de Kaufman & Broad s'est désolé : « avant, les collaborateurs passaient plus de temps à construire leurs indicateurs sous Excel qu'à les analyser ». Accroître l'agilité permet aussi d'accélérer la commercialisation des programmes immobiliers, donc de diminuer le risque financier encouru par l'entreprise. En moyenne, une application décisionnelle est aujourd'hui créée en huit jours et amortie en un mois.
Une application très pragmatique a été l'analyse de la qualité. Grâce à Qlik View reprenant des données diverses (IBM DB2, Oracle Enterprise One...), il a été ainsi possible d'analyser les réserves posées par les acheteurs de logements pour créer un « hit parade de la qualité » selon les mots de Philippe Minier. Comme celui-ci l'a précisé, « les fournisseurs ne produisant pas un niveau de qualité suffisant ont ainsi pu être écartés. » Une application similaire a également été développée sur l'analyse des exercices de la garantie décennale.
Les données peuvent également être traitées par programme immobilier, par agence, par région, etc. afin de facilement repérer bonnes et mauvaises pratiques. Le principe même de la datadiscovery est ainsi de pouvoir facilement naviguer dans des données sans structuration a priori.

Article rédigé par

Bertrand Lemaire, Rédacteur en chef de CIO

Partager cet article