Si l’on évoque beaucoup les opportunités liées à une meilleure exploitation des données, il n’est pas forcément évident, pour une structure, de parvenir à, effectivement, en extraire de la valeur. Mettre en œuvre une approche « Data Intelligence » au sein de son organisation est un projet d’envergure, qui implique de considérer de nombreux aspects autour de la technologie. S’inscrire dans une démarche d’analyse de données ou, in fine, recourir à l’intelligence artificielle ou au machine learning à l’échelle de l’organisation nécessite, au préalable, de bien connaître ses données et de les maîtriser.

Les prérequis d’une approche data intelligence

Depuis plusieurs années, POST investit dans le domaine de la data intelligence pour répondre à ses propres besoins ainsi qu’à ceux de ses clients. Au départ de notre plateforme Data Analytics, nous explorons de nouveaux cas d’usage, permettant de générer de la valeur au départ de la donnée. Surtout, nous avons acquis une réelle expérience relative aux enjeux propres à une démarche « data driven » qui atteint ses objectifs.

De plus en plus d’organisations, en effet, souhaitent pouvoir recourir à des outils d’analyse de données, développer des algorithmes ou encore recourir à des solutions d’intelligence artificielle. Cependant, trop souvent encore, elles n’ont pas acquis le niveau de maturité nécessaire à la mise en œuvre de telles démarches. On constate, en effet, que la plupart des organisations n’ont pas une connaissance suffisante des données dont elles disposent, que celles-ci ne sont pas organisées, que leur qualité n’est pas garantie.

Bien connaître et maîtriser ses données

Or, il s’agit là des fondements de toute démarche de data intelligence. Avant de vouloir déployer de nouveaux cas d’usage, il est essentiel que l’organisation acquière la maturité nécessaire à la poursuite de ses ambitions. Aujourd’hui, fortes de l’expertise acquise, les équipes de POST accompagnent les organisations à la poursuite de leurs objectifs, en leur permettant de gagner en maturité afin de parvenir à tirer le meilleur de leurs données.

À ce titre la data intelligence, ou data science, relève plus d’un parcours que d’une solution technologique. Pour extraire de la valeur de ses données, il est nécessaire, avant toute chose, de bien les connaître, de les maîtriser, de fixer un cadre, une gouvernance, assurant leur exploitation.

L’organisation doit donc commencer par réaliser un inventaire des données dont elle dispose. C’est l’étape de la « data discovery ». Dans cette phase, on va pouvoir contrôler la qualité des données, définir quelle est leur valeur potentielle et commencer à les organiser.

Mettre en place une gouvernance

Dans cette optique, l’organisation va établir une gouvernance, fixant les modalités liées à la collecte, à la préservation et à l’exploitation des données. De nombreuses réglementations, à l’instar du GDPR, établissent des restrictions liées à la préservation et à l’utilisation des données personnelles. Au niveau de l’entreprise, il faut donc prendre une série de mesures, reprises au niveau de la gouvernance, pour garantir une utilisation conforme des données collectées. Il s’agit, par exemple, de définir des périodes de rétention, d’établir des procédures assurant la suppression de la donnée une fois la durée de préservation expirée.

Garantir la qualité de la donnée est essentiel. En effet, une décision prise au départ de données erronées ou lacunaires peut s’avérer risquée, voire contre-productive.
À travers la gouvernance, des rôles vont pouvoir être établis afin de garantir la bonne gestion des données, comme celui de data owner ou de data steward.

Explorer la donnée

Disposant d’une bonne gouvernance de ses données, celles-ci étant organisées, l’entreprise va pouvoir progressivement les explorer, voir comment les enrichir, tenter d’identifier des modèles. C’est ce que l’on appelle le data mining. L’analyse des données, par exemple, permet d’identifier certains comportements et anticiper certains événements, dans l’optique de prendre certaines décisions. Un des exemples souvent évoqués réside dans l’utilisation de la détection de clients susceptibles changer de fournisseur afin d’agir et le convaincre de rester, à travers des offres commerciales ciblées par exemple, et lutter contre l’attrition de la clientèle.

Gagner en maturité pour aller plus loin

Ces concepts peuvent être mis en œuvre en recourant, par exemple, à la plateforme data analytic de POST. À travers eux, l’organisation va progressivement gagner en maturité. Cette évolution va lui permettre d’appréhender de plus en plus de données émanant de sources diverses, de les traiter, valoriser et placer au service de son développement à travers divers cas d’usage.

Selon les secteurs, divers cas d’usage peuvent être envisagés, dans le domaine du marketing, pour mieux cibler les campagnes, dans le commerce, pour proposer des offres personnalisées, dans la santé, pour mieux comprendre les causes de maladie ou améliorer les diagnostics, etc.

Faire émerger une réelle culture de la donnée

Le recours aux outils et solutions d’intelligence artificielle au service de la valorisation des données implique une maîtrise approfondie de l’information.

L’enjeu est de faire émerger une culture de la donnée à l’échelle de l’entreprise partagée par l’ensemble des collaborateurs. Cela ne se fait pas du jour au lendemain. L’enjeu, in fine, est que chaque donnée produite puisse être rendue utilisable et valorisable.

C’est ce à quoi nous contribuons, aux côtés de nos clients, en les sensibilisant, en les formant. Au regard de leurs ambitions, nous développons avec eux une feuille de route, leur permettant d’acquérir la maturité nécessaire à leur projet et mettre en place une gouvernance spécifique selon leur secteur d’activité.