Cet article est la suite de notre analyse sur ce qu’être Data Driven signifie et implique. Dans la première partie nous avons vu qu’une entreprise Data Driven est celle qui a sur répondre à trois enjeux data, qui sont de nature technique, de nature organisationnelle et de nature humaine.

"Technique" car l’entreprise Data Driven fait bien plus qu’appuyer ses décisions sur la data : elle sait transformer la data en informations actionnables grâce un cycle itératif et infini de collecte /analyse de ses données.

"Organisationnelle" car, pour que ce cycle soit efficace,  l’information doit être diffusée dans l’entreprise et doit être la plus adaptative et la plus contextuelle possible.

"Humaine" car le rouage le plus fondamental de ce mécanisme est le collaborateur. Celui-ci doit avoir acquis une confiance dans la data, c’est-à-dire qu’il doit la considérer comme légitime pour orienter ses tâches courantes.

Concrètement il ressemble à quoi ce « collaborateur Data Driven » ? Et d’ailleurs, vous-mêmes, dans quelle mesure l’êtes-vous, Data Driven?

 

Data Driven marketing

 

« Être Data Driven » est devenu une expression usuelle qui traduit un sentiment positif teinté d’admiration. Il est si courant d’entendre que Google ou Apple sont Data Driven que l’on frôle le pléonasme. En revanche, si l’on a largement entendu que les campagnes 2008 et 2012 de Barack Obama ont été « Data Driven », on n’a que rarement employé ce terme pour qualifier la campagne 2016 de Trump pourtant largement plus basée sur l’exploitation de la data.

Comment expliquer ces différences ?

En réalité, ce ne sont pas Apple, Google, Obama ou Trump qui sont Data Driven, ce sont les individus qui composent leurs équipes qui le sont.

A titre personnel, le Data Driven marketing a considérablement simplifié mon quotidien. Mais réussir une campagne Data Driven marketing implique moins de s'être doté de cette arme redoutable qu'est le Data Driven que de disposer d'équipes sachant la manier.

Dire « c’est Data Driven » c’est un peu lancer un chant de sirène. Il semblerait que dans l’imaginaire collectif est « Data Driven » ce qui a une portée unanimement positive, on qualifie quelque chose de « Data Driven » comme on attribuerait une médaille.

Ainsi, si Google et Apple apparaissent comme « Data Driven » c’est moins en raison de leur capacité à exploiter la data que pour les bénéfices utilisateurs qui découlent de cette exploitation. Si ces bénéfices utilisateurs s’érodaient il est probable qu’elles ne soient tout simplement plus considérées comme Data Driven par la majorité des gens.

A ce stade on comprend donc mieux le flou qui entoure l’expression « être Data Driven » : plus on s’éloigne de la notion d’individu, plus « être Data Driven » devient subjectif, autant dire « nébuleux ».

En revanche, quel que soit le jugement populaire porté sur Apple ou google, une chose restera constante : leurs collaborateurs sont - et resteront probablement - « Data Driven », car ils ont acquis une capacité naturelle à baser leurs actions sur la data.

 

Le collaborateur Data Driven est rusé comme Ulysse

Contrairement à ce que l’on pourrait croire, être Data Driven n’est donc pas qu’une histoire de data. Ce serait surtout une histoire d’action individuelle.

Si les KPI que vous découvrez chaque matin influencent vos actions de l’après-midi, alors vous êtes « Data Driven ». Si à l’issue d’un test A/B vous avez su déployer la meilleure variante dans les meilleurs délais, vous êtes « Data Driven ». Si vous pouvez obtenir des réponses basées sur la data sans passer obligatoirement par votre équipe de Data Scientists, là encore vous êtes « Data Driven ».

A contrario, consulter des indicateurs de performances chaque matin ne suffit à rendre un trafic manager « Data Driven », conduire un test A/B ne transforme pas en soit un département produit en une équipe « Data Driven », ou encore s’être doté d’une équipe de Data Scientists ne définit pas pour autant une entreprise comme une organisation « Data Driven ». 

Pouvoir accéder à la data ne suffit pas pour être Data Driven car ce sont surtout les actions qui en découlent qui font que l’on est, ou que l’on n’est pas, « Data Driven ».

 Le collaborateur Data Driven est donc rusé comme Ulysse car il est avant tout pragmatique : il sait utiliser la data pour comprendre les contextes de son activité et adapter ses actions en conséquence. Bien entendu cela ne signifie pas que toutes ses décisions seront les bonnes, mais vous pouvez être certain qu’il saura en éviter beaucoup de mauvaises.

Et là réside justement tout l’enjeu pour une organisation : il ne s’agit pas pour l’entreprise de s’appuyer sur une poignée de collaborateurs particulièrement à l’aise avec la data, mais bel et bien de généraliser cette aptitude en rendant la data familière pour chaque collaborateur, à commencer par ceux qui n’ont pas l’habitude de la consulter.

Si le collaborateur Data Driven est rusé comme Ulysse, l’entreprise Data Driven est celle qui lui a donné une boussole.

« si vous dites que vous êtes data driven alors que tout passe par un analyste, c’est que vous ne l’êtes pas ».(1)

Pour permettre à ses collaborateurs d’être Data Driven encore faut-il que l’entreprise leur en donne les moyens et cela implique des outils, des compétences, et bien souvent aussi une évolution culturelle.

On se retrouve donc face à un nœud gordien. Pour être Data Driven une entreprise doit avoir des collaborateurs Data Driven. Pour avoir des collaborateur Data Driven l’entreprise doit leur donner les moyens de l’être.

Pas de panique, Alexandre le grand vous dirait que pour défaire ce nœud rien ne sert de tirer sur la bobinette, il suffit d’être pragmatique. En l’occurrence, pour transformer ses collaborateurs en collaborateurs Data Driven il suffit à l’entreprise de répondre à 3 prérequis.

 

Prérequis 1 : collecter des données pour les collaborateurs.

Il ne s’agit pas de collecter n’importe quelle donnée, ni même toutes les données, mais bel et bien les bonnes données, celles qui sont pertinentes par rapport aux questions auxquelles sont confrontées les collaborateurs.

Evidemment ces données devront être à jour, précises, nettoyées, non biaisées et, ce qui est peut-être le plus important, considérées comme fiables par les collaborateurs.

Bien entendu, la collecte des données soulève quantité de problèmes de fond, la data étant très souvent moins propres, moins centralisée, moins homogène que ce que l’on pourrait penser.

Pour dépasser ce problème, tout collecter n’est pas une solution en soit.

Certes en collectant toutes les données on collectera également des pépites cachées qui n’attendent que d’être exploitées, mais la dure réalité est que cela revient à se retrouver devant une – énorme - botte de foin et d’en arriver rapidement à souhaiter Prométhée vous passe une allumette.

Pragmatiquement, plutôt que de vouloir passer toute une montagne aurifère au tamis, il sera toujours préférable de n’exploiter qu’une quantité de données plus réduite tout en s’assurant que ces données seront propres et fiables. 

Prérequis 2 : rendre les données interrogeables par les collaborateurs.

Collecter les données n’est malheureusement pas suffisant en soit pour générer de la valeur.  Il faut également que l’on puisse accéder à ces données, les manipuler, les croiser entre elles,  en somme que l’on puisse les interroger à volonté.

L’objectif est de permettre à chaque collaborateur, quel que soit son niveau de connaissance technique et analytique, de pouvoir répondre simplement à toutes ses questions - des plus simples aux plus complexes - en interrogeant les données. Pour que cet objectif ne devienne pas un sacré problème, ici encore il faut savoir faire preuve de pragmatisme.

Imaginer que chaque collaborateur soit parfaitement formé à l’utilisation de tous les outils de votre écosystème data pour qu’il puisse en extraire des informations pertinentes est peu réaliste, à moins d’être dans une très petite structure.

Il ne s’agit donc pas de former chacun à être Data Scientist.

A contrario, confier la manipulation des outils de votre écosystème data à un petit groupe d’utilisateur spécialisé est contre-productif. Cela implique que chaque collaborateur soit dépendant de ces experts pour obtenir de réponses basées sur la data, ce qui revient à créer deux silos distincts de collaborateurs :

  • Ceux qui posent les bonnes questions sans avoir accès aux données qui y répondent
  • Ceux qui ont les compétences nécessaires pour extraire les bonnes données mais qui ne sont pas à l’initiative des questions posées.

Evidemment en observant ces deux groupes, on peut se demander où se trouve le groupe de ceux qui agissent sur la base des bonnes données qui répondent aux bonnes questions.

Il ne s’agit donc pas de rendre chacun dépendant d’un Data Scientist.

Comment dépasser cette situation ?

L’enjeu n’est pas de doter chaque collaborateur d’un outil magique qui permettrait à chacun, quel que soit son niveau de connaissance technique et analytique, d’explorer naturellement toutes les données de l’entreprise y compris les plus complexes. Cet outil n’existe pas. Ou pas encore.

En revanche, il est possible de doter chacun d’un outil puissant et à la portée de tous qui lui permette d’interroger les données qui concernent spécifiquement son activité.

Pour cela, l’enjeu est de réduire le volume initial de data pour donner accès à chaque utilisateur à un ensemble de données lisibles, c’est-à-dire compréhensible et facilement manipulable. L’utilisateur pourra alors obtenir les réponses qui l’intéressent par des manipulations simples – mais suffisantes- comme le filtrage, le regroupement, ou l’agrégation des données.

C’est ce qu’on appelle une approche proactive en “push”. Il s’agit réduire le volume initial des données pour pouvoir pousser à chacun, à une fréquence définie, un ensemble d’indicateurs de performances qui concernent directement son activité.

Dans cette approche, le destinataire n’a plus besoin d’accéder directement à de multiples sources de données et faire des manipulations complexes. Ce destinataire reçoit des données pertinentes qu’il peut, s’il le souhaite, manipuler simplement pour affiner sa compréhension. 

Prérequis 3 : automatiser la diffusion d’informations pertinentes aux collaborateurs.

Le temps nécessaire à l’accès aux informations pertinentes, ou Time-to-insight, est crucial. Si l’on souhaite que les collaborateurs soient tournés vers l’action, il bien évidement impératif de réduire le délai entre la collecte de la donnée et les enseignements que les collaborateurs en tirent.

Un collaborateur Data Driven appuie ses actions sur des informations pertinentes et à jour.

Ici encore, il faut savoir être pragmatique : rendre disponibles des informations pertinentes, à jour, et à l’échelle de toute une entreprise repose indéniablement sur des processus automatisés.

Plus on s’éloigne de l’individu, plus « être Data Driven » devient une notion floue. En effet, « Etre Data Driven » est moins une histoire de data que d’individus qui réagissent à la lecture des données par des action concrètes. Mais pour réagir encore faut-il être alerté. Un collaborateur peut avoir une culture Data Driven, un état d’esprit Data Driven, mais pour « être Data Driven » » ce collaborateur doit en avoir les moyens. Déployer ces moyens est du ressort de l’entreprise, et cela passe par des prérequis incontournables : une collecte de données concentrée sur des data propres et fiables, une mise à la disposition des collaborateurs de données lisibles directement liées à leur activité, et enfin l’automatisation des processus afin de garantir des informations à jour à l’échelle de toute l’organisation.  

Finalement, comprendre ce que signifie « être Data Driven » nécessite de casser un mythe car croire que depuis des siècles les entreprises ont pris des décisions à l’aveuglette sans se baser sur des données serait une erreur. Ce qui distingue les entreprises d’hier et d’aujourd’hui c’est simplement que les organisations font maintenant face à un risque croissant d’être noyées sous un tsunami de données qui les figent dans l’immobilisme. Pour gérer ce risque, Elles sont en réalité dans l’obligation de rendre leurs collaborateurs Data Driven. En effet, l’entreprise d’aujourd’hui est contrainte de répartir ce torrent de données entre tous ses collaborateurs qui, alimentés en données lisibles liées à leur activité, sont les seuls en capacité de contextualiser la data pour la transformer en enseignements et en actions.

   (1) Fareed Mosavat, Consumer Growth Product Manager at Instacart (How Data Access Unlocks Your Company’s Potential, Amplitude Analytics Blog)

 Data Driven avec Reeport

Écrit par Tomasz Stachorko le 8 October 2018.

A propos de l'auteur

Dataviz, KPI, Dashboards, ... Aucun autre animal n'a été maltraité ou blessé durant la rédaction de mes articles.

Articles que vous pourriez aimer