En matière d’exploitation des données, à quels enjeux les organisations sont-elles confrontées ?

Afin d’évoluer plus efficacement au coeur de leur marché, mieux servir leurs clients, améliorer leurs processus ou innover, les entreprises doivent parvenir à faire un meilleur usage des données dont elles disposent, les transformer en information utile à leur développement. Dans cette optique, l’idéal poursuivi est de pouvoir accéder à l’information utile dès que le besoin se fait ressentir. Dans la réalité, cependant, on constate qu’il est très difficile d’obtenir le bon indicateur à la demande.

Comment expliquer que l’exploitation des données soit, encore aujourd’hui, si complexe ?

Cela s’explique principalement par la manière avec laquelle on appréhende les projets impliquant les données. L’approche traditionnelle implique une analyse des besoins, la mise en oeuvre d’un cahier des charges, avec une volonté d’exhaustivité, le développement de modèles, des étapes de tests avant la mise en production.

Chaque projet peut prendre plusieurs semaines, voire plusieurs mois. Or, à l’heure actuelle, il importe de pouvoir générer de la valeur au départ des données disponibles, structurées et non structurées, dès que le besoin se fait ressentir, et non quelques mois plus tard.

« L’enjeu ultime est de permettre à chaque département ou collaborateur d’accéder aux données, en self-service, pour les valoriser en fonction des besoins »

Comment l’approche « DataOps »répond-elle à ces enjeux ?

Comme pour le développement logiciel, avec les approches « Agile » et « DevOps », l’idée est d’appréhender d’une autre manière les projets impliquant la donnée. Pour cela, on va se focaliser sur la création de valeur directe, se concentrant sur le besoin essentiel de l’utilisateur. Dans cette optique, on se concentre uniquement sur les données nécessaires pour constituer les indicateurs utiles. Progressivement, il va alors être possible de constituer un catalogue de données dont la valeur est reconnue, d’indicateurs utiles qui pourront être partagés et réutilisés par d’autres. L’enjeu ultime est de permettre à chaque département ou collaborateur d’accéder aux données, en self-service, pour les valoriser en fonction des besoins.

Quels sont les grands principes qui soutiennent cette approche ?

La méthodologie est très documentée et soutenue par 18 grands principes. Les principaux sont l’agilité et la rapidité dans l’exploitation des données, la collaboration, la mise en oeuvre d’une démarche orientée client, la volonté de répondre de la meilleure des manières aux besoins de l’utilisateur. L’organisation, en matière d’exploitation des données, doit être en mesure de s’adapter en permanence, pour composer et décomposer des indicateurs lui permettant d’évoluer plus efficacement en fonction des besoins du business. L’approche Data Ops, au-delà de l’intégration des technologies récentes d’exploitation de la donnée, implique aussi de faire évoluer la culture de l’entreprise, d’inviter les collaborateurs à mieux exploiter et valoriser l’information disponible.

Permettre à chacun d’accéder à la donnée, en self-service, pour définir des indicateurs n’implique-t-il pas préalablement de s’assurer de sa qualité ?

Évidemment, pour construire des indicateurs fiables, il importe que la donnée source soit de qualité. Avec Data Ops, la partie gouvernance et les enjeux inhérents à la qualité ou à la sécurité de la donnée sont directement inscrits dans l’approche. Pour cela, on va notamment s’appuyer sur le déploiement de nouveaux outils, qui vont permettre d’analyser la donnée non-structurée, de la classifier, de la vérifier, de la corriger ou de révéler des incohérences, notamment pour accélérer les opérations d’encodage ou en améliorer la qualité. L’intelligence artificielle appliquée au traitement des données nous permet d’apprendre beaucoup sur la data disponible, d’en accélérer l’utilisation, pour mieux en faire bénéficier les autres.

Comment l’intelligence artificielle opère-t-elle dans ce contexte ?

Elle permet par exemple de scanner les sets de données non-structurées, pour en identifier les éléments utiles et permettre leur utilisation. Cela s’illustre déjà aujourd’hui quand, lorsque vous recevez un appel d’un numéro non enregistré, votre smartphone vous suggère qu’il s’agit peut-être d’une telle personne. Cette information, c’est une intelligence artificielle qui l’a détectée en scannant par exemple les signatures dans les courriers disponibles dans votre boîte e-mail. L’enjeu, à l’échelle d’une organisation, sera notamment de pouvoir accéder à ces données disponibles en veillant évidemment à respecter le cadre défini par la réglementation, notamment en matière de protection des données personnelles. De cette manière, on crée une réelle « Data Factory ».

Comment accompagnez-vous les acteurs dans cette démarche de transformation ?

La mise en place d’une approche efficiente de valorisation de la donnée implique de travailler sur l’ensemble des couches qui constituent l’environnement informatique. Le véritable enjeu, pour l’organisation, est de déterminer quelles sont les données dont elle dispose et, surtout, ce qu’elle peut en faire. Au-delà des informations personnelles, chaque entreprise dispose et génère de nombreuses données. Nous accompagnons les structures à prendre conscience de cette richesse en déployant les technologies adaptées, à répertorier toute cette information pour qu’il soit possible d’y répondre efficacement si une demande émane ensuite du business.

L’idée est de mettre en oeuvre les chemins les plus courts pour accéder à la donnée. A l’instar d’un moteur de recherche, qui permet à chaque utilisateur d’accéder directement à ce qu’il cherche à travers le web, la volonté est de permettre aux utilisateurs liés à une organisation de trouver l’information qui leur sera utile. Au-delà, nous accompagnons les organisations dans la gestion du changement, pour les inscrire dans cette culture de la donnée, aujourd’hui essentielle pour évoluer dans un monde complexe et concurrentiel.