Passer l’étape du POC

Alors que les initiatives data prolifèrent et que l’écosystème digital semble convaincu d’avoir trouvé son nouvel or noir avec l’intelligence artificielle, la Data semble encore sous exploitée et beaucoup de projets restent à l’état de POCs.

Voici quelques conseils pour maximiser l’impact du Big Data dans l’entreprise.

Créer de la valeur sur le long terme nécessite une stratégie Data bien conçue

Les données massives (Big Data) en elles seules possèdent peu de valeur intrinsèque en soi : seule la capacité à construire des analyses et modélisations avancées dans le cadre de cas d’usages bien identifiés et intégrés de manière durable aux processus opérationnels de l’entreprise permettent de capitaliser sur la Data.

Les domaines d’utilisation ont beau être variés (marketing, optimisation de process, gestion des risques, monétisation de la donnée…), il ne faut jamais faire l’économie de ces étapes clés pour réussir à intégrer les modèles prédictifs dans les processus métiers,:

  • Structurer une feuille de route Data où on sélectionne les projets à fort impact pour les directions métiers les plus Data-Driven.
  • Identifier les sources de données et la façon de les traiter de façon efficiente et efficace économiquement (le temps réel est couteux et pas toujours adapté par exemple).
  • Développer les modèles et solutions qui sont industrialisables en veillant à la capacité d’intégration naturelle des outils dans les processus de l’entreprise.
  • Penser en amont à la maintenance IT et à la pérennisation de la solution.

Des efforts à porter très tôt  à l’échelle de chaque projet

A l’issue d’un POC concluant, il est déjà trop tard pour se projeter dans l’industrialisation. Pour réussir à industrialiser des projets dans un « time-to-market » raisonnable, les questions d’industrialisation doivent être prises en compte tout au long de la chaine de valeur des initiatives Data :

  • Penser le POC pour repérer les problèmes potentiels en cas d’industrialisation pour optimiser le produit de sortie : réécriture du code, gestion des versions d’environnements, optimisation de la data viz.
  • Réfléchir au déploiement de la solution en amont et notamment à la gestion de projets et aux ressources nécessaires pour déployer la solution.
  • Penser à l’évolution de la solution à l’épreuve du temps : quelles nouvelles demandes risquent d’apparaitre et comment réussir à créer un outil viable et évolutif.
  • Identifier les menaces pesant sur le projet et imaginer des scenarios pour y faire face : évolution des systèmes IT, résistances au changement des équipes métier, coût associé au déploiement du projet, règlementation à venir, robustesse du process IT en cas de déploiement massif.

La nécessité d’un fort soutien au plus haut niveau de l’entreprise

En parallèle de la communion nécessaire entre les métiers et l’équipe Data pour pouvoir atteindre concrètement des résultats, d’autres facteurs de réussite sont intimement liés au soutien de l’entreprise sur plusieurs thématiques :

  • La mise en place d’une réflexion globale sur l’utilisation des données : éthique, protection des données, sécurité….
  • Le besoin de casser les silos organisationnels pour libérer l’utilisation de la donnée de manière transverse aux différentes entités.

Cet article a été inspiré du remarquable ouvrage sur le sujet d’un de nos partenaires, Quantmetry: «  Y-a-t-il une vie après les POCs ?  Réussir l’industrialisation du big data » https://www.quantmetry.com/industrialisation

Nous vous en recommandons la lecture pour aller beaucoup plus loin dans les défis de l’industrialisation.

A propos de l'auteur

Retour