L’image du cadre dynamique absorbé dans son tableau Excel est-elle sur le point de devenir obsolète ? C’est possible lorsqu’on mesure à quel point la croissance du volume d’informations disponibles a transformé les entreprises en « data companies ». Leur prochain défi consiste à devenir des entreprises « data-driven » : finis les silos… la donnée devient l’affaire de tous ! Elle est centralisée, accessible, gouvernée de manière responsable et les décideurs peuvent s’appuyer sur elle pour générer de nouvelles sources de revenus, notamment en proposant de nouveaux services à leurs clients.  Grâce à l’Intelligence Artificielle et au Machine Learning, les nouvelles solutions de data analytics accélèrent considérablement le traitement de l’information. Il est désormais possible d’appréhender des volumes de données gigantesques et d’identifier, en temps réel, des liens ou des opportunités business non détectables par l’humain.

Par exemple, en installant des capteurs dans les locaux loués, JLL - un des plus grands acteurs de l’immobilier professionnel - a pu recueillir des données exponentielles et proposer de nouveaux services aux occupants. L’ambition de JLL est de promouvoir la notion de « data-driven office » pour aider les occupants à mieux gérer les infrastructures, maximiser l’occupation des bureaux ou diminuer la consommation électrique. Pour rendre ces données accessibles aux décideurs habitués aux reporting manuels et peu familiarisés avec les modèles prédictifs ou analytiques, JLL a créé une plateforme technologique offrant une visualisation graphique des données en temps réel. C’est ainsi qu’un des clients de la firme a pu économiser plus de 5 millions de dollars en facture énergétique.

La démocratisation de la donnée pour renforcer sa position

Devenir data-driven passe par un ensemble d’étapes très précises et nécessite un engagement fort. Voilà pourquoi - alors qu’elles investissent des milliards dans ce type de projets analytiques de grande ampleur - seules 8% des entreprises seulement réussissent à en retirer de la valeur[1]. Pour réussir, il est essentiel de mettre en place une culture de la data à chaque strate de l’organisation. Celle-ci se définit par un ensemble de normes, de croyances et de valeurs qui encouragent chaque collaborateur à utiliser les données afin de détecter les opportunités qui vont changer la donne pour son organisation. Les dirigeants de l’organisation doivent exprimer leur ferme volonté de changer leur attitude et leurs façons de faire concernant les données et partager cette intention forte avec leurs collaborateurs.

L’étape suivante vise à passer à l’action en mettant en place un groupe de personnes motivées et sensibilisées à cet enjeu. Elles vont se comporter un peu comme des ambassadeurs ou « super-utilisateurs ». Cette équipe va s’attacher à valoriser, pratiquer et encourager l’utilisation de la data au sein de l’entreprise pour améliorer les processus, la prise de décision et au final en retirer des bénéfices pour l’ensemble de l’organisation. Quand chacun est encouragé à accéder aux données et à utiliser pleinement l’analytique pour en retirer le meilleur et détecter des opportunités business, l’entreprise peut alors considérer qu’elle a réussi la mise en place d’une culture de la data.

L’exemple de JPMorgan Chase & Co. (JPMC), holding financière internationale et l'une des plus grandes banques des États-Unis, est éloquent. Au cours du développement du groupe marqué par différentes fusions et acquisitions, les données ont pris une importance vitale, notamment pour définir la stratégie, garantir la conformité légale des opérations, réduire les risques et améliorer l'expérience client. Aujourd'hui, au travers d’une approche en libre-service où les utilisateurs métiers jouent un rôle central, l’entreprise donne accès à des outils de business analytics à plus de 500 équipes et 30 000 utilisateurs pour les aider à prendre des décisions stratégiques et renforcer la position du groupe.

Les nouvelles technologies au service de la réussite

L’entreprise data-driven capitalise sur les toutes dernières technologies. La démocratisation de l’Intelligence Artificielle et du Machine Learning, désormais embarqués dans les outils d’analyse de données, propulsent ces derniers à un niveau jamais atteint auparavant. Experts ou non experts, les décideurs au sein des entreprises disposent désormais d’outils leur permettant de « lire » rapidement et facilement les données. Ils peuvent les manipuler, les analyser et les visualiser, quel que soit le volume et le format, accélérant ainsi la prise de décision. Aujourd’hui, grâce au NLP (Natural Language Processing), certaines plateformes d’analyses de données sont utilisables en langage naturel, c’est-à-dire en posant simplement une question, comme dans Google. Le collaborateur reçoit ainsi des centaines, voire des milliers de tableaux de données en quelques secondes, assortis de graphiques et de data visualisations si nécessaire. Des occurrences potentielles sont ainsi accessibles, sans avoir à se confronter à l’énorme quantité d’options disponibles pour les filtrer.

Par exemple, il est possible, avec des modèles prédictifs basés sur des algorithmes, de connaître le succès d’une gamme de vêtement, en fonction de certains critères, des mois à l’avance, ce qui permet de réduire la surproduction et donc les pertes financières. Autre exemple, en croisant des données internes et celles recueillies auprès d’autre acteurs du secteur, un professionnel de la construction immobilière peut anticiper la consommation électrique de ses futurs bâtiments et en optimiser la conception pour les rendre moins énergivores.

L'étude Risk in Review de PricewaterhouseCooper[2] menée en 2019 révèle que les plus grands leaders réussissent à révolutionner leurs opérations parce qu’ils tirent parti des fonctions data-driven, et incitent les collaborateurs à prendre des risques en explorant leurs données.  L’entreprise de 2020 sera data-driven …. Ou accumulera un retard difficilement rattrapable !

[1] https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/breaking-away-the-secrets-to-scaling-analytics

[2] https://www.pwc.com/us/en/services/risk-assurance/library/risk-study.html