OKRs & Modern Data Stack : deux faces, une même donnée

Pour tirer pleinement partie des OKRs, la mouvance modern data stack ou MDS apparaît comme une réponse adéquate.

Depuis 2020, un engouement se manifeste en France pour la méthode des Objective & Key Results (OKRs). Elle n’est plus seulement l'apanage des licornes(a) françaises telles que BlaBlaCar ou Back Market et s'étend aux grands groupes du CAC 40 comme Renault ou Veolia.

Les OKRs sont un outil de communication efficace. Grâce à la donnée, ils traduisent opérationnellement la stratégie de l’entreprise et alignent les collaborateurs vers un but commun. Ils se déclinent en blocs à tous les niveaux de l’entreprise. Au sommet de chaque bloc se trouvent entre 2 et 4 objectifs, généralement à horizon de 1 à 3 ans. Ces objectifs qualitatifs énoncent clairement les volontés d’accomplissements de l’organisation. Associés à chaque objectif, on trouve les Key Results (entre 2 et 5 KR pour chaque objectif) qui font l’objet d’un suivi trimestriel. Chaque Key Result indique la direction souhaitée et permet à l’entreprise de progresser vers la réalisation de l’objectif final.

Toutefois, malgré cette simplicité théorique, nombre de retours d’expérience mitigés interrogent sur la réelle facilité d’implémentation des OKR ou même sur leur pertinence. Le témoignage à ce sujet de Tony Hagnéré, l'ancien Product Director de Back Market dans The Product Tape est éloquent. Il y expose les freins rencontrés lors de l’implémentation et présente les remèdes imaginés par son organisation. Pourtant la cause profonde de ces échecs est souvent le manque de culture data, la vétusté de l’architecture technique et une organisation peu adaptée. Aujourd’hui nombre d’entreprises “data-driven” utilisent la donnée au cours de leur processus de décision. Pour les autres organisations, le temps presse. Piloter stratégiquement son entreprise grâce à la donnée devient une nécessité.

Les obstacles aux OKRs

Le premier obstacle est celui de leur compréhension, notamment du principe de Key Results. Ceux-ci sont souvent interprétés à tort comme des KPIs (Key Performance Indicator). En réalité, le Key Result est un attendu quantitatif défini dans le temps. Il doit être le résultat d’une transformation, c’est-à-dire du passage d’un état à un autre. Il peut être un facteur positif à atteindre ou une problématique à surmonter. Si celui-ci est confondu avec un KPI, il ne permettra pas d’indiquer la direction vers laquelle tendre.

Le deuxième écueil est celui d’une implication limitée du management. Comme toute transformation, elle doit être incarnée et soutenue par celui-ci. Un sponsor fort de la part du management est crucial. En effet, il est responsable de la stratégie de l’entreprise, elle-même déclinée en OKRs.

La troisième cause d’échec réside dans une approche d’implémentation globale. Il est profitable de commencer par un seul cas d’usage. Une implémentation cohérente et graduelle permet d’acculturer les équipes et de gagner leur adhésion par la démonstration des bénéfices engendrés.

Néanmoins, une condition préalable reste nécessaire : l’instauration d’une culture d’entreprise où les processus de décisions s'appuient sur la donnée. Une architecture data performante est alors le corollaire de cette culture data-driven. Chaque collaborateur doit être en mesure de mobiliser une donnée fiable et accessible pour informer ses choix. C’est cette approche qui permettra efficacement de suivre les OKRs, de surmonter les obstacles précédemment étudiés et de susciter l’adhésion. Si cela est simple à dire, c’est plus difficile à réaliser.

La modern data stack au service d’une culture data-driven

Pour tirer pleinement partie des OKRs, l’analyse des données doit être faite par les collaborateurs au plus proche de la réalité du terrain. Or, une architecture data monolithique rend l'autonomie des métiers difficile. Face à cette problématique, la mouvance Modern Data Stack (MDS) apparaît comme une réponse adéquate.

La MDS est une infrastructure composée d’une suite d’outils hébergés dans le cloud, chacun responsable d’un cas d’usage précis. Elle a pour vocation d’acheminer un volume significatif de données depuis des sources diverses jusqu’à son alimentation des outils de Business Intelligence. De par sa segmentation en plusieurs solutions spécialisées, la MDS facilite la configuration de l’architecture de données, augmente sa performance et offre la possibilité d’y ajouter de nouvelles fonctionnalités profitables aux équipes data. En simplifiant la configuration du convoi, du stockage et de la transformation, la MDS permet au ressources data d’industrialiser rapidement les nouveaux cas d’usages d’analyse. Ceux-ci deviennent alors exploitables pleinement et directement par les métiers.

Pour être optimale, l'architecture MDS s’associe à une organisation “hub-and-spoke” de l’équipe data. Celle-ci attache à chaque direction métier des data analysts en complément d’une équipe data centrale. Le “hub” est chargé de la collecte, de la transformation et du stockage des données, tandis que les “spoke” génèrent les insights et répondent aux demandes métiers ad-hocs. Cette organisation permet de maintenir et de développer des capacités d’architecture technique tout en étant capable de produire des analyses contextualisées.

Conjuguée aux OKRs, la Modern Data Stack et l’organisation "hub-and-spoke" permettent aux métiers de prendre le contrôle sur l’interprétation de l’atteinte ou non des key results.

Le chemin est encore long et d’autant plus stratégique

Dans le rapport “Leadership Vision for 2022 : Top 3 Strategic Priorities for Data and Analytics Leaders” , Gartner indique qu’une des clés de la réussite d’une entreprise dans les prochaines années sera d’opérer le renversement d’une stratégie comportant un volet data vers des processus de décisions stratégiques imprégnés par la donnée. Souvent pris pour exemple, Amazon a construit son hégémonie par l’utilisation systématique de la data, dans son orientation stratégique comme dans son efficacité opérationnelle. L’entreprise détient aujourd’hui 40% du e-commerce aux Etats-Unis, loin devant son principal concurrent Walmart (7% de part de marché)(1). Cette réussite est due en grande partie à la performance de son algorithme de recommandation. Aujourd’hui, 50% des produits sont vendus à la suite des recommandations personnalisées poussées par la plateforme(1). Pour arriver à ce résultat, l’algorithme a été enrichi par une multitude de données et ses résultats continuellement ré-évalués afin d’arriver aux recommandations ayant un maximum de chances d’être choisies par le consommateur.

Si toutes les entreprises n’ont pas les ambitions d’Amazon, il reste impératif d’informer au mieux les choix déterminants pour la direction de leur développement. Décliner sa stratégie au travers des OKRs et y associer les capacités opérationnelles de la Modern Data Stack est une première étape importante. Cette première étape offre des fondements solides afin de surmonter les écueils énoncés et les défis à venir.

(a)Le terme de licorne désigne les startups valorisées à plus de 1 milliard de dollars

Bibliographie :

(1) The Next Great Digital Advantage / Harvard Business Review / By by Vijay Govindarajan and N. Venkat Venkatraman / Link