Interview : Comment Nissan se transforme dans le monde numérique

Dév Rishi Sahani : Le terme de transformation numérique est quelque peu galvaudé, tout dépend donc de la définition que vous lui donnez. Chez Nissan, nous nous sommes lancés dans la transformation numérique il y a plusieurs années. Nous avons bien réussi la transformation technologique, et nous continuerons à le faire, mais le plus important pour nous est de rester à l'écoute des clients. Nous nous concentrons entièrement sur ce que nous appelons la transformation de l'expérience client, et si vous l'envisagez sous cet angle, les défis sont très clairs.

Le premier défi concerne la structure organisationnelle ou opérationnelle. Considérer le parcours du client comme un chemin linéaire est une façon traditionnelle de visualiser la façon dont vos clients interagissent avec votre marque, mais, en fin de compte, cela se limite à être très transactionnel et vous enferme dans des silos. Pour passer des transactions aux relations avec les clients, nous devons cesser de considérer les conversions par étapes ou les transferts entre ces canaux et relier ces silos.

Dév : Au cours de ma carrière, j'ai acquis la ferme conviction que la quantité de data disponible sera toujours supérieure à l'appétit des organisations pour l'utilisation et l'application de ces informations. Ce n'est ni une bonne ni une mauvaise chose, c'est simplement la réalité. Parfois, la bataille est simplement due au fait que le data est en conflit avec le plan d'action que vous vouliez prendre.

Mais plus important encore, c'est lorsque l'analyse ne présente pas d'implications ou de recommandations claires - si le data ne vous dit pas ce qu'il faut faire ensuite, il est plutôt inutile. C'est là que le mot ‘utilisation’ prend tout son sens ; il ne s'agit plus de savoir combien de personnes utilisent le data, mais de se concentrer sur son utilité. Nous avons mené l'adoption de data au sein de notre organisation en définissant clairement son utilité pour nos marchés, nos fonctions commerciales et nos équipes numériques.

D'un côté, il y a l'entrée data, comme les tableaux de bord et les systèmes de soutien qui permettent la planification et la prise de décision en amont ; de l'autre côté, il y a la sortie data, c'est-à-dire les modèles prédictifs et la science data qui montrent les résultats opérationnels de nos initiatives. Ce qui relie ces deux éléments, c'est une culture data-driven de test et d'apprentissage fondée sur des hypothèses.

Dév : D'une certaine manière, c'est tout le chemin que nous avons parcouru ces deux ou trois dernières années... en développant CEDAR, notre marque interne pour la fonction d'analyse data. CEDAR signifie Customer Experience Data Analytics and Reporting (analyse et rapports de l'expérience client Data). Elle nous aide à transformer data en informations, en connaissances et en sagesse. C'est là qu'interviennent l'actionnabilité et l'utilisabilité.

Au cours des deux premières années, nous nous sommes efforcés de tout organiser. Le premier moment ‘Eurêka’ a été celui où l'ensemble de l'organisation a réalisé qu'il était possible de regarder le data et de voir les tendances de consommation sur 147 marchés. Plutôt que de faire des suppositions basées sur des échantillons de 5 000 personnes, par exemple, nous pouvons maintenant voir comment un million de visiteurs interagissent, à chaque minute de chaque jour.

Il y a quelques années, nous avons lancé une nouvelle voiture sur un marché spécifique et nous avons constaté qu'il y avait beaucoup d'achats intersectoriels. Nous pouvions voir quand les clients changeaient d'avis et passaient du modèle que nous pensions qu'ils achèteraient à celui qu'ils achètent en réalité. Nous avons également pu déterminer qui achèterait une transmission automatique ou une transmission manuelle, par exemple. Nous pouvons désormais utiliser data et observer des schémas significatifs dans le parcours d'achat des consommateurs. Nous voulons savoir ce que veulent nos clients et y répondre.

Dév : Ce n'est pas la première chose que nous avons construite. Nous avons commencé par nous concentrer sur le data - quelles questions pouvons-nous poser au data ? quelles réponses le data donnera-t-il ? Nous avons compris cela au cours de la première année du programme. Ensuite, il s'est agi de ‘démocratiser’ ce data. Nous avons réalisé que le défi n'était pas d'avoir le data, mais de lui donner un sens. C'est là que nous avons développé notre partenariat avec Artefact pour créer CEDAR home.

CEDAR est une plateforme indépendante qui fonctionne chez Nissan et dans toutes les fonctions, et qui contient un grand nombre de tableaux de bord et d'informations différents. C'est notre plaque tournante en matière d'expérience et de connaissance des consommateurs - là où nos employés vont pour voir le monde comme le font nos clients. Tout le monde dans l'entreprise peut y accéder et si vous n'avez pas d'identifiant, il vous suffit de vous inscrire. Cela devrait être aussi facile que de naviguer sur notre site web.

Plus important encore, en tant que personne data, nous pouvons examiner les analyses de CEDAR pour comprendre comment il est utilisé, où sont les points de friction, où les gens se perdent et quelles sont les parties utiles ou inutiles. Plutôt que de demander, nous savons.

Dév : Nous avons beaucoup de gens qui prennent de bonnes décisions, mais le fait que des gens utilisent CEDAR pour prendre des décisions différentes ou des décisions qu'ils ne pouvaient pas prendre auparavant est tout à fait satisfaisant.

Nous avons commencé ce voyage en nous concentrant sur l'expérience client. Nous voulions que tous ceux qui travaillaient sur l'expérience client puissent utiliser ces informations. Mais très vite, le projet s'est étendu à des équipes d'autres fonctions telles que la planification avancée des produits et l'intelligence économique. Toutes ces fonctions différentes, au niveau mondial et au niveau du marché, connaissent CEDAR. En soi, cela nous donne beaucoup de contexte sur la façon dont data devient plus utile dans notre organisation et est utilisé par différents types de fonctions commerciales.

Dév : Data n'est pas tout ; vous devez savoir comment en tirer des enseignements. C'est là qu'il est utile d'avoir la bonne équipe. Lorsque j'ai rejoint Nissan en novembre 2017, il y avait deux personnes dans la pratique mondiale data et à partir de là, nous avons développé l'équipe à travers trois piliers fondamentaux - appelés Mesurer, Optimiser et Prédire.

Le pilier "Mesure" est chargé de comprendre comment nous organisons le data et le transformons en informations. Nous avons grandi dans un esprit de collaboration avec des partenariats, comme avec Artefact et d'autres entreprises. Nous savions que nous avions besoin d'une machine pour construire cela. Le deuxième pilier s'appelle Optimiser et est responsable de l'exécution des expériences, des tests et de l'apprentissage de data-driven - ce que nous faisons beaucoup. Le troisième pilier s'appelle Predict, qui est le pilier scientifique de data. Nous avons pris soin d'ajouter ce pilier à la fin pour nous assurer que nous ne nous précipitions pas et que nous ne recrutions pas des talents qui s'ennuieraient très vite, parce que nous n'avions pas prévu les bons cas d'utilisation.

L'équipe directe est principalement basée dans le centre mondial d'expérience client à Londres, avec quelques personnes dans notre siège à Yokohama, au Japon, et nous travaillons avec des équipes d'analyse intégrées sur tous les marchés.

Dév : Pour réussir, il faut que les data que nous produisons soient utiles à la fois à Nissan et à ses clients. Cela implique de lier tout ce que nous faisons à nos indicateurs clés de performance organisationnels. Nous pouvons déterminer où nous commençons à faire la différence d'un point de vue organisationnel et, de la même manière, nous pouvons l'associer à des mesures de la qualité de la clientèle qui montrent comment nous obtenons des gains à court terme ou une longévité à long terme. C'est à cela que ressemble la réussite du programme d'expérience client. La réussite du programme data consiste à continuer à le rendre très simple et à le faire évoluer.