La stratégie d’innovation de Netflix : comment tirer parti de ses données en 3 étapes

Les entreprises se doivent de mieux comprendre comment accéder aux volumes massifs de données qu'elles produisent, comment les analyser et les gérer afin de prendre des décisions commerciales plus judicieuses.

Les données sont présentes partout et au cœur des préoccupations de toutes les entreprises. Selon le dernier rapport IDC, avec une croissance anticipée de 12% par rapport à 2018, les investissements mondiaux dans les domaines du big data et de l'analytique pourraient représenter 189,1 milliards de dollars cette année. Il reste aux entreprises à comprendre comment accéder à ces données, les analyser, les appliquer et les gérer afin de prendre des décisions commerciales plus judicieuses.

Le réflexe est beaucoup plus facilement adopté par celles qui sont issues du numérique que pour les entreprises dites traditionnelles qui commencent à peine leur transformation numérique.

Un exemple de réussite d’entreprise ayant converti ses données et insufflé une réelle stratégie n'est autre que Netflix, fournisseur de services médias et société de production de renommée mondiale. En effet, contrairement à ses concurrents médiatiques, Netflix utilise d’emblée les données pour piloter chaque décision allant du développement de contenus jusqu’aux stratégies créatives et marketing. Les données collectées permettent à l'entreprise de connaître en temps réel les préférences mais également les habitudes d'utilisation de chaque utilisateur. Il n’y a aucun doute sur le fait que le groupe est aujourd’hui à la pointe de la transformation numérique.

Voici en 3 étapes comment les entreprises peuvent s'inspirer de la philosophie de la multinationale en matière de données et s'engager sur la voie du numérique :

Étape 1 : s’assurer que les données sont accessibles, faciles à exploiter et à traiter par l’ensemble des acteurs

Dans la plupart des entreprises, l'accès et la disponibilité des données sont contrôlés et gérés par un groupe centralisé d'administrateurs de bases de données (DBA) sans possibilité de libre-service pour les tiers qui en auraient besoin. Leur accès et leur disponibilité résident dans un ensemble de processus manuels axés sur la création de tickets, avec des charges de travail excessives imposées aux administrateurs de base de données pour effectuer des tâches répétitives de faible valeur. Mais les données devraient être accessibles à ceux qui en ont besoin, quand ils le souhaitent et en temps réel.

Cependant, la plupart des entreprises ne disposent pas toujours d'inventaires de base de données. L'absence d'une bonne classification des données rend difficile voire impossible la gestion et la gouvernance de ces dernières en fonction de leur profil et de leur catégorie de valeur de risque. Toutes les données finissent par être traitées de la même manière, avec les mêmes priorités et restrictions. Cette façon de procéder rend les données plus difficilement exploitables et complique la mise en place d’une analyse pertinente.

Etape 2 : une bonne classification aura un impact sur la valeur de la donnée

Au fur et à mesure que les entreprises évoluent vers de nouvelles technologies, de nouvelles acquisitions de plateformes (sans en retirer définitivement tous les processus déjà engagés), les données sont réparties quant à elles sur des ensembles dits hétérogènes. Malheureusement, ils ne sont pas toujours compatibles entre eux et peuvent même avoir plusieurs versions de la même base de données utilisées dans différents services de l'entreprise.

Cette multiplication des technologies de stockage de données reste un frein en matière d’efficacité. En effet avec l’addition de nouvelles plateformes de données souvent issues du cloud, les développeurs perdent dans l’optimisation du traitement de la donnée.

Étape 3 : visualiser l’ensemble de ses données pour une meilleure analyse prédictive

Avec la montée en puissance du DevOps, l'enregistrement de tous les composants logiciels est devenu un point sensible. Généralement, des outils de suivi sont utilisés pour faciliter la communication entre les équipes d'exploitation et de développement lors de la mise en place du logiciel. S'il existe des erreurs cohérentes pour certains composants, les équipes peuvent communiquer et collaborer pour résoudre ces problèmes.

En réponse, DataOps apparaît comme une approche permettant de relever ces défis liés aux données. Il englobe les changements de processus, de technologie et de personnes (culture) pour aider une organisation à devenir une entreprise de données, comme Netflix, et à relever les défis liés aux données.

Il est important que les entreprises disposent d'une politique proactive d'intervention en cas d'incident et qu'elles puissent l'utiliser lorsque les choses tournent mal. Les données ne mentent jamais et il est difficile pour les entreprises de baser leurs décisions uniquement sur des intuitions. Certains logiciels ont aujourd’hui la capacité à prendre en compte les menaces qu’aucun ne pourrait percevoir directement. Ainsi ils les rendent accessibles et plus faciles dans une approche de traduction grâce à la cartographie temporelle et leur affichage graphique qui souvent fait écho aux propres systèmes visuels de l’entreprise.

S'il y a une chose que les entreprises peuvent retirer de la philosophie de Netflix en matière de données, c'est la nécessité de passer à une culture axée sur les données. Et pour cela, elles doivent repenser leurs processus de gestion et de gouvernance si elles veulent prétendre à continuer à développer leur croissance.

Un changement fondamental dans la façon dont les données sont accessibles, gérées, sécurisées et exploitées à l'échelle de l'entreprise est essentiel pour moderniser considérablement la stratégie tout en assurant la conformité réglementaire aux nouvelles lois sur la protection des données.