Data : comment la décentralisation démocratise data à l'échelle de l'entreprise

Commençons par un bref rappel sur le « qui », le « quoi » et le « pourquoi » du data : ce concept a été imaginé par Zhamak Dehghani, de ThoughtWorks, afin d’améliorer data et de simplifier leur organisation au sein de data centralisées et monolithiques. L’explosion des data la pandémie de COVID-19 a accentué ces besoins, et data est désormais passé d’un simple concept à un modèle d’architecture distribuée visant à rendre data à tous les membres d’une organisation.

Johan Picard de Google a quelques idées à ce sujet : « Cela tient en partie à data simple data . Depuis vingt ans, les entreprises ont créé et centralisé leurs data des plateformes, data et data . C'est ce qui leur a permis d'exploiter leurs data. Mais les différents services devaient faire la queue pour accéder data ces data, ce qui entraînait des retards et des goulots d'étranglement. 

« Certains sont même allés jusqu’à créer leurs propres services informatiques parallèles, car les équipes informatiques maîtrisent la technologie, mais pas la qualité des data. Et l’inverse est vrai pour les experts métier. Mais aujourd’hui, grâce au cloud, les technologies évoluent et permettent data décentraliser data vers les experts métier. Il est important de garder à l’esprit qu’il s’agit là d’une approche inspirante. Chaque entreprise est différente et doit viser la décentralisation à sa manière, en tenant compte de son propre contexte, de son rythme et de ses ambitions. »

Chez Orange, Brice Miranda a été confronté à ce phénomène de data et de fragmentation data . «Notre data historique n’était pas orientée libre-service, si bien que bon nombre de nos équipes ont créé leurs propres data ; nous nous sommes retrouvés avec entre 40 et 60 d’entre elles.» L’opérateur a mis en place une plateforme pour servir ses équipes métier à l’aide de Google Cloud . « Et maintenant, nous entrons dans la logique de data ».

Avant de créer son entreprise à la fin de cette année, Jean-Christophe Brun était directeur technique chez Carrefour. « En 2015, nous savions que nous devions transformer notre vision des data, afin de centrer notre activité de distribution autour data. Jusqu’en 2018, nous avons développé une plateforme sur site pour devenir plus data. Et en 2018, nous sommes devenus partenaires de Google pour exploiter davantage les algorithmes. Avant même de découvrir la notion de data , notre objectif était de multiplier les utilisations métier. Ce que j’apprécie dans data , c’est qu’il nous permet de formaliser des éléments que nous n’avions pas encore standardisés, et de donner une formulation concrète à ces principes. »    

Jean-Noël Lucas chez L’Oréal a entamé le même processus il y a trois ans. Jean-Paul Agon, alors PDG, a tracé la voie : devenir le champion de la beauty tech. Pour y parvenir, nous devions orchestrer les data et briser les silos fonctionnels ; identifier data , convenir d’un langage commun et structurer les data, afin de construire un système de référence global. Et cela nécessitait des ressources : « Il faut gagner du temps pour rendre les data . Nous avons évalué le retard en matière de gouvernance (deux ou trois ans) et estimé les ressources nécessaires pour gérer l’entreprise autour des data. Nous avons dédié une équipe de 100 personnes à la préparation des data. Nous avons fait appel à de nouvelles compétences au sein du groupe. Nous menons également un travail de sensibilisation constant pour conserver le budget qui nous permet de mener à bien cet effort. Car les L’Oréaliens ne sont pas conceptuels. Nous devons traduire le concept en termes concrets ».

L’Oréal recense 50 cas d’utilisation qui exploitent data sur les produits. De la gestion du portefeuille de produits à l’optimisation de la distribution, en passant par la gestion des stocks. « Avec une stratégie data un produit, data diffusées vers les différents domaines et leur préparation est confiée aux spécialistes de chaque marque, ce qui permet de résoudre le problème des goulots d’étranglement », conclut Jean-Noël.

Même si Orange dispose d’un data pour le conseil et de Collibra pour l’exploration des data, cela ne suffit pas : « Lorsque nous effectuons data , nous nous retrouvons avec des doublons, ce qui pose des problèmes. Si vous demandez quelles sont les installations haut débit des clients, vous obtenez 800 réponses différentes ». Le client dispose-t-il d’une connexion fixe, mobile ou par fibre optique ? L’outil ne le sait pas. Le client a-t-il donné son consentement ? Nous ne le savons pas non plus. Il n'existe pas de source unique de vérité ni data . Par conséquent, des POC sont menés sur ces questions (« Qu'est-ce qu'un client Orange ? » « Qu'est-ce qu'une autorisation ? »).

Orange devance légèrement L’Oréal, où 40 % des data disponibles dans le cloud. « Pour commencer, data être disponibles et accessibles », explique Jean-Noël. « Nous devons franchir la dernière étape en matière de veille économique. Ensuite, nous devons remonter les maillons de la chaîne data , en utilisant data comme critère de performance (KPI), afin de nous rapprocher des cas d’utilisation métier. Derrière cela se cache le défi de data : amener les gens à adopter des solutions plus standardisées et à en percevoir la valeur réelle. »

« Chez Carrefour, nous avons choisi de confier cette responsabilité aux responsables data », explique Jean-Christophe. « Ils comprennent l’utilité des data veillent à leur diffusion :Data doivent être utilisés. Les responsables Data doivent s’intéresser à l’utilisation de leurs produits. » Auparavant, le service de business intelligence rendait compte aux métiers. Mais désormais, ce sont les métiers eux-mêmes qui s’en chargent, avec le soutien de la BI. Soixante pour cent des personnes formées par Carrefour aux data des métiers. »

C'est un processus itératif, explique Johan Picard, entre l'analyse et les opérations : « Les data remonter vers l'analyse, puis redescendre vers les opérations. Autrefois, les bases de données ne permettaient pas d'intégrer l'analyse, c'est pourquoi nous avons créé le data . Dans ce nouveau paradigme, nous sommes plus proches des data et nous les comprenons mieux. Par conséquent, nous n'avons plus besoin de séparer les opérations et l'analyse. Certains de nos clients les ont placées au même niveau. Les spécialistes SAP travaillent côte à côte avec data . Brice Miranda partage cet avis et ajoute : « Nous devons effacer les anciennes frontières entre l’analyse et les opérations et aller à la source. »

Pour Jean-Noël Lucas, « les équipes opérationnelles doivent comprendre sur quelles data s’appuient (en réfléchissant à leurs processus) et s’efforcer d’améliorer data ». Par exemple, pour approvisionner les magasins et mieux gérer les stocks, L’Oréal a ajouté une couche à PCM. « Nous voulons “API-ser” nos systèmes. » L’Oréal a beaucoup travaillé sur data produits data de proposer une vue à 360° aux détaillants et aux consommateurs. Pour mieux gérer sa chaîne d’approvisionnement, L’Oréal doit mieux segmenter ses catalogues. Et la nouvelle organisation permet d’être plus réactif, de passer des commandes de production pour les produits sur une base hebdomadaire, lorsque la demande augmente.

C'est Carrefour qui est allé le plus loin dans la convergence entre l'analyse des données et les opérations : dans ce nouveau contexte, l'analyse devient un outil opérationnel en temps réel, au même niveau de service que les opérations. « La fiche produit doit enregistrer toutes data, y compris les chiffres de vente. Cela permet d'établir des scores de substitution entre les produits, au cas où l'un d'entre eux viendrait à manquer. C'était impensable il y a trois ans », conclut Jean-Christophe.