La dette liée à la donnée comme frein aux nouvelles initiatives numériques
Les entreprises se retrouvent à amasser des données non-structurées et non-normalisées qui finissent par ressortir du processus de traitement sans avoir été correctement analysées et exploitées. On parle alors de Garbage in - Garbage Out.
De nouveaux défis viennent s'ajouter à la liste, déjà longue, d'objectifs pour les entreprises. Les plus classiques comme l'amélioration de l'expérience client ou l'efficacité opérationnelle sont ainsi rejoints par la transformation numérique et les progrès en matière d'intelligence artificielle ou de machine learning pour l'automatisation. Il est intéressant de noter que quelle que soit l'initiative, les entreprises se tournent aujourd'hui de plus en plus vers la donnée.
Toutefois, beaucoup d'entreprises ne disposent pas de données suffisamment fiables pour atteindre ces objectifs et cela n'est pas toujours dû à un manque d'intérêt. Ces dernières années, nous avons constaté une augmentation des investissements dans les initiatives de gestion et de gouvernance des données, mais leur degré d'inexactitude demeure inchangé. Les entreprises persistent à déclarer que près d'un tiers de leurs données ne sont pas fiables. Et alors que très peu ont adopté une culture axée sur la donnée, elles sont encore moins nombreuses à avoir modernisé leurs pratiques de gestion des données pour répondre aux nouvelles exigences du contexte numérique actuel. Elles se retrouvent alors à collecter des données non-structurées et non-normalisées qui finissent par ressortir du processus de traitement sans avoir été correctement analysées et exploitées. On parle alors de Garbage in – Garbage Out.
La bonne nouvelle est que les professionnels commencent à prendre conscience du défi. Mais même s'ils reconnaissent la problématique de la dette liée à la donnée, ils restent encore trop peu à tenter de la résoudre, ne sachant notamment pas comment et par où commencer.
Des initiatives essentielles ralenties
Les entreprises peinent à déterminer comment relever le défi de la dette liée à la donnée mais se montrent également de plus en plus nombreuses à constater que des informations de mauvaise qualité peuvent nuire à un large éventail d'initiatives.
En effet, les dirigeants sous-estiment souvent leur niveau d'endettement en matière de données et ne réalisent pas que celui-ci pèse non seulement sur les initiatives liées aux données, mais aussi sur les opérations commerciales quotidiennes ou les investissements critiques plus généraux. Les données sont utiles pour relever presque tous les défis d'une entreprise. Cela signifie que lorsque ces dernières fonctionnent avec un grand volume de données inexactes, elles ne font pas qu'entraver des initiatives telles que l'analyse ou la gouvernance des données, mais elles nuisent également à l'expérience client, aux investissements dans de nouvelles solutions, à l'efficacité opérationnelle, etc.
Le besoin de faire évoluer l’approche traditionnelle
Les origines de la dette liée à la donnée sont multiples, mais elle résulte généralement d'un manque de compréhension ou de pratiques de gestion héritées. On a traditionnellement considéré les données comme un projet IT et pour de nombreuses entreprises, la qualité et la gestion des données restent donc une préoccupation uniquement IT. Mais les données ne constituent plus seulement un enjeu informatique. Elles sont un actif qui circule dans toute l'entreprise et touche ainsi presque tous les services. Une collaboration active doit alors se mettre en place pour permettre aux équipes IT de comprendre l’impact des données sur l’atteinte des objectifs business et comprendre également la problématique initiale de mise en place d’un projet data spécifique. Sans cela, on parle alors du concept "des inconnus des inconnus" puisque les équipes se retrouvent à traiter des données dont ils ne comprennent pas la problématique profonde et sur des objectifs business sur lesquels ils n’ont aucune visibilité.
Les entreprises sont confrontées à une multitude d'informations inexactes. Celles-ci sont le résultat d'erreurs humaines, d'un manque de contrôles et de surveillance ou d'une culture dans laquelle les données sont considérées comme le problème d'un autre service. Pour que ces organisations puissent relever le défi de la dette liée à la donnée, chacun doit apprendre à connaître les données, dont le volume et la multitude de sources ne cessent d’augmenter. Cela signifie que les entreprises doivent non seulement investir dans la technologie, mais aussi dans les ressources humaines et la culture d'entreprise.
Une problématique métier à comprendre
Pour chaque nouveau problème auquel une entreprise fait face, il est essentiel d'en comprendre pleinement l'ampleur. L'ensemble des parties prenantes doivent comprendre tous les aspects du défi avant de pouvoir commencer à le relever. Faute de cette compréhension complète, des faits et des stratégies clés peuvent passer inaperçus.
Pour commencer, il faut bien comprendre les enjeux de la dette liée à la donnée. Une technologie de profilage des données automatisée et basée sur le machine learning, associée à des spécialistes des données compétents, peut apporter de nouvelles connaissances solides sur la façon dont les données circulent, sont traitées et stockées au sein de l'entreprise. Une fois le degré de pauvreté de l'information compris, les entreprises peuvent commencer à hiérarchiser les services et les moyens d'apporter des changements, en gardant à l'esprit les utilisateurs non techniques qui utiliseront et manipuleront les données.
Sans une norme de qualité des données, des contrôles et des processus pour gérer la manière dont elles sont saisies, gérées et traitées, la dette liée à la donnée continuera de croître et de s'aggraver chaque jour, ce qui se traduira par davantage de données risquées, inexactes et incomplètes. En résumé, voici trois mesures pour remédier à la dette liée à la donnée :
- S’assurer de bien comprendre le problème. Avant de vous lancer dans la gestion des données, réfléchissez au temps, aux ressources et aux coûts nécessaires pour rectifier les mauvaises données. Quel est le coût d'opportunité à venir si vous pouvez atténuer ces problèmes ? La compréhension de ces points vous aidera à concevoir un plan de diminution de la dette liée à la donnée et à établir une feuille de route avec des objectifs d'amélioration clairs, afin que vous puissiez déterminer les priorités en matière de génération de valeur et d'efficacité.
- Investir dans la qualité des données. Les entreprises sous-investissent souvent dans la qualité des données. Ce n'est pas toujours le sujet le plus passionnant, mais le degré élevé d'inexactitude des informations freine les initiatives. Établissez le profil de vos données pour comprendre les défis actuels, et établissez un plan pour commencer à traiter les problèmes clés.
- Eliminer les silos existants. Les données fonctionnent en silos, tout comme les équipes et les employés. Ces silos créent des difficultés non seulement pour obtenir une image complète des données, mais aussi pour collaborer à la résolution d'un problème à l'échelle de l'entreprise. Envisagez de créer des équipes interfonctionnelles pour engager une concertation sur les données. Le partage des meilleures pratiques et des problèmes communs permettra de trouver des solutions à plus grande échelle.