En bref

En bref

  • Les programmes de données et d’IA ont besoin de processus numériques alimentés par des technologies implantés à l’échelle de l’entreprise et de la puissance de l’infonuagique.
  • L'harmonisation de l’entreprise sur des objectifs soutenus par des données et des analyses permet d’avoir des conversations plus significatives et une valeur plus mesurable.
  • Les investissements qui prospèrent sous une forte utilisation et qui génèrent de nouvelles données offrant des avantages incrémentiels ou secondaires doivent être privilégiés.


Il s’agit d’une conversation que nous avons avec certains des cadres les plus stratégiques avec lesquels nous travaillons. La priorité de l’organisation est la transformation numérique de l’entreprise, mais son paysage de données n’est pas adapté et ne dispose pas des bases appropriées pour tirer profit des données et de l’IA afin d’atteindre ses objectifs d’entreprise. Face à la nécessité de rentabiliser leur investissement, qu’est-ce qui est prioritaire : le numérique ou les données?

Notre point de vue est de cesser d’aborder les données/l’IA et la stratégie numérique comme des impératifs d’entreprise distincts et indépendants et, au contraire, de les envisager de manière holistique. La capacité de chacun à fournir de la valeur dépend fortement de l’autre. Pour devenir rentables, les programmes de données et d’IA ont besoin de processus numériques alimentés par des technologies implantées à l’échelle de l’entreprise, ainsi que de la puissance informatique et de la capacité d’évolution qu’offre l’infonuagique.

À cette fin, il faut tenir compte de trois points clés pour faire de l’harmonisation de votre stratégie de données et de votre transformation numérique une réussite, et ainsi obtenir un retour sur l’investissement :

  1. Relier les données à la valeur commerciale
  2. Créer des actifs de données réutilisables
  3. Concevoir une plateforme de données évolutive

Si vous avez de la difficulté à déterminer la valeur de vos données, vous n’êtes pas seul. Dans le cadre d’un récent rapport d’étude d’Accenture, on a demandé à 190 cadres travaillant dans le secteur des données et de l’IA de mettre un chiffre sur la valeur perçue de leurs données.

32%

des cadres en IA ont affirmé que leurs données, sous leur forme actuelle, possèdent une valeur tangible et mesurable.

Relier les données à la valeur commerciale

Il peut être difficile de se défaire de l’idée que toutes les données constituent la promesse d’une meilleure compréhension. En raison de la prolifération massive des données, il est presque garanti qu’une certaine partie de ces informations n’est d’aucune utilité pour surmonter un défi commercial donné. Il s’agit en quelque sorte de « bruit de données ». Nous encourageons les responsables des données et de l’analytique à se poser la question suivante : « Quelles données (existantes ou à acquérir) me permettraient de créer les actifs et les capacités nécessaires à la résolution de mon problème? » Il vous sera alors possible de concentrer vos efforts sur l’identification de ces éléments de données essentiels et sur la façon d’exploiter leur valeur pour l’organisation.

Si vous avez de la difficulté à déterminer la valeur de vos données, vous n’êtes pas seul. Accenture a récemment publié un rapport portant sur une étude où on a demandé à 190 cadres travaillant dans le secteur des données et de l’IA de mettre un chiffre sur la valeur perçue de leurs données. Nous avons constaté que seulement 32 % d’entre eux étaient en mesure de chiffrer de façon tangible et mesurable leurs données. Pourquoi en est-il ainsi? Selon mon expérience, cela s’explique le plus souvent par le fait qu’il n’existe pas de lien clair entre les données et la stratégie de l’entreprise. L’alignement de l’ensemble de l’entreprise sur des objectifs pouvant être soutenus par des données et des analyses vous permettra d’obtenir des discussions plus significatives et une valeur plus mesurable.

Vous pourriez même constater que plusieurs parties de l’entreprise partagent les mêmes objectifs et possèdent des besoins similaires. En vous concentrant sur les cas d’utilisation où plusieurs problèmes peuvent être résolus grâce à des informations provenant d’ensembles de données similaires, vous pourrez commencer à réfléchir à la création d’actifs de données qui peuvent prendre en charge un ensemble de cas d’utilisation prioritaires – ce qui est le point suivant de l’approche.

Lorsque vous avez des données réutilisables, vous créez une source de vérité à l’échelle de l’entreprise capable de soutenir plusieurs cas d’utilisation analytiques.

Créer des actifs de données réutilisables

La compréhension des éléments de données essentiels à la résolution de plusieurs problèmes opérationnels est une première étape cruciale dans la création de ressources de données réutilisables. Les entreprises qui sautent cette étape se retrouvent souvent avec plusieurs chaînes d’approvisionnement de données parallèles gérées par différentes fonctions commerciales. Les conséquences sont nombreuses : rapports et analyses cloisonnés, processus inefficaces et duplication des efforts de développement.

Nous encourageons plutôt le développement d’actifs de données réutilisables capables d’accélérer la vitesse et l’évolutivité de la création d’informations multiples à partir des mêmes données. Voyez cette stratégie comme la connexion et l’optimisation de votre chaîne d’approvisionnement de données. Lorsque vous avez des données réutilisables, vous créez une source de vérité à l’échelle de l’entreprise capable de soutenir plusieurs cas d’utilisation analytiques.

Les actifs de données réutilisables en action

Supposons qu’une entreprise de vente au détail souhaite réduire ses stocks excédentaires en optimisant sa chaîne d’approvisionnement. Pour relever ce défi commercial, ils utilisent un modèle de gestion des stocks prédictif qui utilise les données des ventes, par type de produit, par segment de la clientèle et par emplacement de vente au détail, pour générer des recommandations sur la façon de réduire les stocks excédentaires. Le modèle peut générer de nouvelles indications en combinant des données internes et externes, qu’il s’agisse de données sur l’historique d’achat, sur la demande et sur les ruptures de stock, ou de données externes comme des mesures de croissance démographique et les tendances en matière de développement des entreprises dans un rayon de 25 kilomètres. Bien que ce modèle permette au détaillant de mieux gérer ses stocks pour chacun de ses emplacements, ces données recèlent un potentiel beaucoup plus grand. L’entreprise pourrait utiliser le même ensemble de données pour alimenter un modèle permettant d’optimiser la stratégie d’établissement des prix de sa fonction commerciale. Ce qui n’était à l’origine qu’un ensemble de données utilisé par le service de la chaîne d’approvisionnement pour gérer les stocks est devenu un actif de données permettant d’optimiser plusieurs processus dans toute la chaîne de valeur.

Cette approche « un pour tous » (ou « un pour plusieurs ») des actifs de données est la clé pour soutirer rapidement des données une valeur progressive, mais significative. L’implantation d’une stratégie des données combinée à une transformation numérique est essentielle, car cela nous permet de veiller à ce que les bons outils et les processus pertinents soient mis en place pour faciliter les avantages interfonctionnels.



Concevoir une plateforme de données évolutive

Souvent, les clients nous contactent parce que leur paysage de données actuel ne répond pas à leurs besoins et qu’ils ont du mal à créer de nouvelles fonctionnalités pour leurs plateformes internes existantes. Même si une partie de l’entreprise progresse ou lance avec succès de nouvelles capacités, il n’est pas toujours facile de partager ce succès et de l’appliquer à d’autres secteurs. Voici ce que nous conseillons à nos clients. Créer une plateforme conceptuelle unique capable d’évoluer dans le temps. Il est probable que l’infonuagique constituera un élément clé de la plateforme pour la plupart des entreprises – pour sa flexibilité en matière d’augmentation ou de réduction d’échelle, mais aussi pour sa capacité à soutenir des services natifs d’analyse et d’IA pouvant être exploités de bout en bout. Il est essentiel de concevoir la plateforme dans une optique d’automatisation, car elle simplifiera et accélérera l’intégration de données qui pourront ensuite être transformées en actifs de données.

La bonne architecture sous-jacente, capable de prendre en charge les systèmes internes et externes, en particulier ceux de l’infonuagique, peut offrir des capacités et des structures de nouvelle génération pour permettre aux données et à l’IA de résoudre des défis à plus grande échelle. Dans ce cas, vous créez un écosystème où les données provenant de diverses plateformes et applications et différents utilisateurs sont rassemblées pour exploiter des modèles et des outils qui apportent une cohésion aux données des clients et des autres entreprises. Que votre entreprise soit en démarrage ou qu’elle utilise d’anciens systèmes qui ne répondent plus à vos besoins (ou si vos données changent fréquemment), c’est le moment d’envisager la mise en place d’une architecture unique à l’échelle de l’entreprise, plutôt que de lancer une initiative distincte.

Surmonter les obstacles qui vous empêchent d’accepter le changement

Les investissements qui prospèrent dans un environnement à forte utilisation et qui génèrent de nouvelles données offrant des avantages incrémentiels ou secondaires doivent être privilégiés. Les trois points que nous avons soulignés ci-dessus sont essentiels, mais le fait est que la maîtrise des données et de l’IA doit être améliorée pour l’ensemble de la main-d’œuvre, afin que tout type de transformation numérique ou en matière de données puisse générer une réelle valeur pour l’entreprise. Les cadres qui ne travaillent pas en TI doivent être ouverts aux changements technologiques majeurs et aux vérifications plus courantes de leur capacité à appuyer visant à faire de l’entreprise une organisation axée sur les données. Il s’agit notamment de formaliser et de professionnaliser l’IA en tant que métier, en créant un ensemble de normes et de principes partagés, dans le but de tirer davantage de valeur de l’IA.

Les responsables des données peuvent prêcher pour les projets, mais la manière dont les données sont utilisées dans les entreprises doit faire partie de la planification stratégique et de l’alignement aux résultats commerciaux, ce qui contribue à améliorer la gouvernance et à définir une voie plus claire pour la hiérarchisation des investissements. De l’optimisation des coûts à la modernisation, savoir qui doit être impliqué et à quel moment est une partie essentielle de la construction d’une entreprise numérique. Il faut en faire un effort collectif jusqu’à ce que l’appropriation se cristallise et que les nouveaux comportements deviennent bien ancrés.

Nous pensons que les entreprises ne tireront pleinement parti de leurs données que si les stratégies numériques et de données/IA sont abordées en tandem et, surtout, qui si elles font partie intégrante des stratégies commerciales. Tout effort de transformation technologique doit s’accompagner d’une évolution indispensable de la stratégie, des modèles d’affaires, des processus et de la culture de l’entreprise. L’état d’esprit axé sur les données qui en résultera dans toutes les disciplines alimentera de nouvelles méthodes de travail et d’innovation qui, une fois intégrées, vous aideront à vous mettre sur la voie d’une refonte totale axée sur les données.

Nick Millman

RESPONSABLE MONDIAL – ARCHITECTURE ET INGÉNIERIE DES DONNÉES D’INTELLIGENCE APPLIQUÉE, ACCENTURE

SUR LE MÊME THÈME

Comment élaborer une stratégie de données pour bien intégrer l’IA
IA : Une conception évolutive

INSCRIPTION
Restez au courant avec notre infolettre Restez au courant avec notre infolettre