Collaborez et déployez une stratégie de gestion d’analyse de données moderne et exploitable qui permet de générer des résultats concrets pour l’entreprise.
- Client Gartner ? Log in pour des résultats de recherche personnalisés.
Facteurs de réussite décisifs pour toute stratégie D&A
Utiliser les données comme des actifs afin de se différencier et de se développer sur le marché
Aujourd’hui, la réussite commerciale et les projets digitaux sont soutenus par des stratégies en matière d’analyse de données (D&A) qui s’adaptent aux ambitions de l’entreprise.
Utilisez cette feuille de route afin de :
pouvoir orienter les projets relatifs à l’analyse de données de façon à obtenir des résultats opérationnels mesurables
concevoir votre programme D&A sur la base de cinq étapes clés, depuis la vision initiale du projet au processus d’amélioration continue
identifier les principaux intervenants au sein des services informatiques et d’autres fonctions
Intégrer les données et les analyses dans la stratégie de l’entreprise
Pour parvenir à des résultats tels que l’amélioration de la prise de décision ou la croissance du chiffre d’affaires, les responsables d’analyse de données doivent se concentrer dès le départ sur la valeur ajoutée des activités de l’entreprise. Il est essentiel de disposer au préalable d’un cadre stratégique.
- Structure de gestion D&A
- Vision axée sur les données
- Piliers de votre stratégie D&A
- Résultats pour les parties prenantes
- Mise en œuvre de la stratégie de gestion des données
Une structure aide les responsables d’analyse de données à poser les principes fondamentaux de leur stratégie
Une structure telle que le modèle de stratégie et d’exploitation d’analyse de données (DASOM ou Data and Analytics Strategy and Operating Model) de Gartner aide les responsables d’analyse de données à élaborer une stratégie pour leur entreprise permettant d’instaurer une culture axée sur les données et, à terme, de générer des résultats commerciaux à partir des actifs liés aux données.
La stratégie définit les objectifs et explique clairement la finalité du programme d’analyse de données de la société. Elle traduit l’approche globale permettant de concrétiser la vision que se fait l’entreprise de sa réussite. Les composantes essentielles que doit présenter toute stratégie sont les suivantes :
une vision axée sur les données
les éléments moteurs de la stratégie de gestion d’analyse de données
les résultats escomptés du programme
Élaborez la vision, les catalyseurs et les résultats escomptés de la stratégie D&A parallèlement et non pas successivement, car chaque élément influe sur les deux autres.
Les stratégies les plus efficaces sont le fruit d’un ensemble d’échanges et de dialogues entre les parties prenantes dans le but de définir une orientation commune et d’identifier des ambitions concordantes entre la stratégie de l’entreprise et la stratégie de gestion d’analyse de données. Évitez l’erreur qui consiste à élaborer une stratégie D&A de manière isolée avec une petite équipe, pour ensuite la « faire accepter » et la défendre auprès du reste de l’entreprise. Servez-vous de la structure DASOM pour orienter les conversations visant à intégrer l’analyse de données dans la stratégie de l’entreprise.
Élaborez la stratégie (en précisant les raisons motivant son élaboration et les objectifs à atteindre) avant de passer au modèle d’exploitation, où vous définissez la manière de mettre en œuvre la stratégie. Utilisez ce modèle pour vous aider à définir votre stratégie de gestion d’analyse de données.
Au moment de définir le modèle d’exploitation, veillez à inclure l’ensemble des compétences et des capacités (ressources, processus et structures) nécessaires pour mener à bien la stratégie. Évaluez les lacunes et les carences que votre entreprise devra combler pour atteindre ses objectifs dans le domaine des données et analyses. Les carences les plus courantes concernent notamment le recrutement de talents dans le domaine d’analyse de données, la maîtrise des données et les politiques de gouvernance des données.
Mettre le service D&A au service de la création de valeur
La vision stratégique en matière d’analyse de données sert à expliquer succinctement ce qu’est une entreprise axée sur les données et ce que la société pourra en retirer. La vision doit se concentrer sur les attentes du programme en termes de création de valeur pour le client.
La formulation d’une vision axée sur la création de valeur pour l’entreprise permet de positionner le programme d’analyse de données comme un outil métier et ses responsables comme des partenaires de l’entreprise. Cela permet de faire évoluer les programmes d’analyse de données en les faisant se rapprocher de la prise de décision plutôt que de l’aide à la prise de décision. Cette démarche est particulièrement importante étant donné que l’on attend de plus en plus des données et de l’analyse : à savoir que celles-ci soient au service de la transformation digitale et de la mise en œuvre d’applications agiles par le biais de plateformes d’entreprise digitales.
Soyez prévenus : les énoncés stratégiques ont acquis une mauvaise réputation au sein de certaines entreprises. C’est souvent le cas lorsqu’elles se résument à des discours creux qui ne correspondent en rien à la situation réelle de l’entreprise. Il ne faut pas pour autant omettre d’en rédiger une. Au contraire, une vision claire et précise confère à l’équipe chargée de l’analyse des données et à l’ensemble de la société un objectif commun, ce qui permet également de prévenir tout risque de détournement de la stratégie et contribue à encourager l’embauche de collaborateurs talentueux. Une vision qui informe les activités de gestion des données et analyses et permettre d’atteindre ces objectifs doit toutefois préciser certains points, mais aussi répondre à certaines exigences importantes.
Une vision pertinente de l’analyse de données doit aborder la question de la gestion des données sous trois angles différents :
Vision et leadership : quel est le rôle d’analyse de données au sein de la société ? Comment contribuent-elles à la réalisation des objectifs stratégiques de l’entreprise ?
Transformation des activités. Quels sont les nouveaux modèles opérationnels qu’elles permettent de mettre en œuvre ?
Culture et transformation. Quel est le rôle d’analyse de données dans la transformation digitale et comment se présenteront cette culture axée sur les données et cette transformation, en particulier en ce qui concerne la maîtrise des données ?
Un énoncé de vision stratégique efficace satisfait également à quatre exigences spécifiques, à savoir :
il se doit d’être inspirant ;
adapté à l’entreprise ;
il présente les analyses de données comme une discipline métier ;
il définit l’orientation stratégique.
Un énoncé stratégique bien conçu, qui explique ce que signifie le concept de gestion axée sur les données en tenant compte des trois perspectives et qui répond aux quatre exigences, est structuré comme suit :
nous contribuons à (objectif stratégique), pour (partie prenante X, Y, Z), en réalisant (propositions de valeur).
Prenons l’exemple de cette entreprise pharmaceutique :
« Nous aspirons à la création d’un monde où les informations permettent de prévenir, de protéger et de détecter des maladies de toutes sortes, améliorant ainsi la qualité de vie des personnes. »
Ou celui d’un prestataire de services financiers :
« Notre objectif est d’aider les clients à mener des activités financières saines, en étant présents en cas de besoin, grâce à des connaissances, des processus et des produits axés sur les données. »
Identifier les tendances et les vecteurs pertinents pour l’entreprise, le secteur et la technologie
une bonne stratégie de gestion des données est spécifique à l’entreprise tout en s’inspirant des tendances et des facteurs qui l’affectent notamment :
des facteurs sociétaux, commerciaux et industriels externes Quelles sont les évolutions observées dans votre secteur d’activité ou dans les secteurs avec lesquels vous êtes en relation ? Quel rôle l’analyse de données peuvent-elles jouer pour s’adapter à ces tendances ?
Les facteurs internes à la société. Quels types de transformations se produisent actuellement au sein de votre entreprise ? Y a-t-il, par exemple, une tendance à la centralisation ou à la décentralisation ? Vers un style de gouvernance davantage régi par des règles ou des principes ? Vers un mode de travail agile ?
Facteurs technologiques. Quelles sont les nouvelles technologies qui sont en train de bouleverser votre secteur d’activité ou votre entreprise ? Par exemple, quelles avancées ont été réalisées dans le domaine de l’intelligence artificielle (IA) ou avec l’émergence du concept de « data fabric » (matrice d’exploitation des données) ?
Il est probable qu’une entreprise déterminée soit soumise à de nombreux facteurs différents qui influencent sa stratégie en matière de données et analyses. L’importance de chacun d’entre eux pour votre stratégie dépendra d’un certain nombre de considérations.
%20et%20de%20son%20degré%20de%20maturité.&source=Gartner){kind=icon}
Les priorités et les préoccupations des parties prenantes, entre autres, influenceront l’importance que vous accorderez à un facteur donné dans la stratégie de gestion d’analyse de données. Le degré d’implantation actuel d’un facteur donné par rapport à son incidence potentielle à l’avenir ouvre également la voie à d’autres considérations. Les tendances peuvent être :
établies, ce qui vous permet d’adopter de bonnes pratiques pour les traiter et les classer par ordre de priorité ;
évolutives, elles nécessitent une planification, même si la direction qu’elles sont susceptibles de prendre est généralement bien définie ;
émergentes, elles apportent plus d’incertitude et impliquent davantage d’expérimentation et de connaissances.
Cartographiez les facteurs et les tendances dans un tableau comparatif en fonction du type de facteur ou de tendance (interne, externe ou technologique) et de son degré de maturité.
Définissez une proposition de valeur claire pour la stratégie de gestion des données
Veillez à ce que votre stratégie de gestion d’analyse de données détermine clairement « ce que vous avez à y gagner » en l’adoptant pour chacune de vos parties prenantes en répondant à quatre questions :
Qui sont vos parties prenantes Dressez la liste de toutes les parties prenantes internes et externes.
Quels sont les résultats commerciaux recherchés par chaque partie prenante ? Exprimez-les en termes de croissance du chiffre d’affaires, de réduction des dépenses, de gestion des risques, de création de valeur pour le client, etc.
Comment la stratégie de gestion d’analyse de données pourra-t-elle contribuer à la réalisation de ces objectifs ? Précisez les applications concrètes, les mesures et les produits résultant des analyses et des données qui peuvent permettre d’améliorer un processus ou une activité pour une partie prenante.
Quels sont les indicateurs clés de performance (ICP) qui permettront d’évaluer le succès de votre stratégie ? Évaluez les résultats opérationnels que vous espérez générer. Définissez des indicateurs de progrès, tels que le « pourcentage de collaborateurs qualifiés en matière de maîtrise des données » et des indicateurs de résultats, tels que « contribution à une croissance de 5 % du chiffre d’affaires ».
Ce processus permet à la stratégie d’analyse de données de s’articuler autour d’une proposition de valeur claire qui définit les avantages que l’analyse des données apportera à l’entreprise. Les propositions de valeur se répartissent en trois catégories :
L’analyse de données en tant que services collectifs
Cette proposition de valeur de la D&A fait de l’analyse de données une capacité générique à la disposition de toutes les parties prenantes, pour tous les besoins et à tout moment. Son principal avantage est d’offrir une plateforme toujours opérationnelle. Les mesures de la réussite des données en tant que services collectifs se présentent sous la forme d’un accord de niveau de service, comme dans le cas suivant :
Quels sont les moyens mis à disposition pour accéder à la plateforme ?
Peut-on accéder rapidement et facilement aux données disponibles, pour différents types d’utilisation ?
Quel est le délai nécessaire à l’ajout d’une nouvelle source de données ou d’une nouvelle API d’accès aux données ?
L’analyse de données en tant que moyen d’action
Cette proposition de valeur se concentre sur un objectif commercial spécifique. Ses principaux avantages se traduisent par des solutions spécifiques adaptées à l’objectif visé. Les indicateurs de mesure des résultats de cette approche sont liés aux indicateurs clés de performance de l’entreprise, à savoir :
Dans quelle mesure le taux de conversion s’est-il amélioré après la mise en œuvre d’un nouvel outil d’analyse de la gestion des campagnes marketing ?
Quelles sont les économies réalisées grâce à la maintenance prédictive des actifs découlant d’analyse de données des appareils IdO (internet des objets) ?
Combien avons-nous pu économiser grâce à l’amélioration des algorithmes de détection des fraudes ?
L’analyse de données en tant que catalyseur de l’activité
Cette proposition de valeur se concentre sur la réalisation de nouveaux objectifs commerciaux à l’aide d’outils ou de nouvelles formes de données qui débouchent sur de nouvelles idées commerciales et sources de revenus. Les mesures de la réussite de cette proposition de valeur sont liées à l’innovation. Par exemple :
Quelle est la répartition relative entre les actions sur les données qui ne produisent pas de nouvelles perspectives, celles qui produisent des pistes d’optimisation et celles qui produisent des possibilités de transformation (par exemple, 50 %:40 %:10 %) ?
Quel est le montant des nouvelles recettes générées par les projets axés sur l’analyse de données ?
Ces trois propositions de valeur sont porteuses d’une valeur commerciale et elles peuvent souvent être mises en œuvre simultanément au sein d’une même entreprise.
Adoptez une approche de gestion similaire à celle d’un portefeuille pour optimiser la valeur commerciale produite par l’exploitation des données. Il convient de tenir compte non seulement des incidences sur les activités d’une utilisation donnée, mais aussi des éléments qui contribuent à la réussite et ceux qui l’entravent. Ces derniers comprennent notamment le degré d’urgence, le délai de rentabilisation, l’engagement des parties prenantes, l’état de préparation de la société, la maîtrise des données, le développement d’une culture axée sur les données, etc. Il est à noter que la valeur de certaines applications peut être difficile à quantifier en termes financiers. Pour ces dernières, utilisez un système de notation afin d’évaluer, de classer et de hiérarchiser les priorités.
Ce sont les capacités qui font le lien entre la stratégie et les opérations
La qualité d’une stratégie de gestion d’analyses de données dépend de sa mise en œuvre. Ce n’est qu’une fois que vous aurez clairement défini les raisons motivant l’élaboration ainsi que les objectifs de votre stratégie que vous devrez vous pencher sur la manière de la mettre en œuvre au moyen d’un modèle d’exploitation approprié.
Les capacités servent de fil conducteur pour relier la stratégie au modèle d’exploitation. Les entreprises devraient donc parachever le processus d’élaboration de la stratégie en évaluant les capacités existantes et celles qu’elles devront développer demain. Vous pouvez vous auto-évaluer à l’aide du Gartner Data and Analytics IT Score pour savoir si vous disposez des capacités nécessaires pour gérer l’exploitation des données ou pour développer les ressources en matière d’analyse des données.
Les évaluations des capacités révèlent les principales lacunes que devra combler la société. La maîtrise des données est souvent l’une d’entre elles. Les personnes interrogées dans le cadre de l’enquête CDAO 2022 de Gartner ont indiqué que les lacunes dans ce domaine constituaient l’un des principaux obstacles à la réussite de leur entreprise. Il s’agit là d’un domaine fondamental sur lequel il convient de faire porter les actions afin de façonner une clientèle axée sur les données, avec un ensemble d’employés compétents en la matière, capables d’exploiter les données et d’augmenter le retour sur investissement global. Les évaluations des capacités peuvent également servir de base aux responsables des données pour identifier les spécialistes des données et les autres profils de talents recherchés au sein de leurs équipes.
Ressources connexes dans le domaine de la D&A
Les clients de Gartner : Connectez-vous pour obtenir un ensemble complet d’informations et d’outils exploitables sur la stratégie D&A.
Questions fréquemment posées sur la stratégie D&A
Que sont les données de référence ?
Les données de référence sont l’ensemble minimal de données qui permettent de décrire et de délimiter les entités indispensables à la survie d’une entreprise : par exemple, les clients, les citoyens, les fournisseurs, les patients, les étudiants, les sites, les produits, les pièces et les actifs. Les données de référence présentent une classification spécifique et des critères d’utilisation qui permettent à l’entreprise d’identifier les attributs de données de référence potentiels.
Qu’est-ce que la gestion des données de référence ?
La gestion des données de référence (Master data management ou MDM) est conçue pour accroître la cohérence des données les plus importantes au cœur des décisions et des processus les plus importants de l’entreprise. Les entreprises qui bénéficient d’une visibilité centralisée et fiable de ces données de référence à l’échelle de l’entreprise sont bien mieux placées pour prendre des décisions éclairées ayant une incidence directe sur les objectifs de l’entreprise en ce qui concerne les risques, le chiffre d’affaires, la valeur et les coûts, que celles qui ne disposent pas de cette vision.
Qu’est-ce que la gestion des données et pourquoi est- ce important ?
La gestion des données répond aux questions complexes touchant à la nature, au stockage, à l’accès, à la qualité et au contexte des données afin de permettre aux entreprises de réaliser leurs aspirations dans ce domaine. Cette compétence est essentielle à la réussite de l’activité digitale, car le fait d’être guidée par les données implique d’utiliser les données, quelle qu’en soit la source, pour prendre de meilleures décisions.