Valoriser son patrimoine informationnel, mode d'emploi

82% des entreprises prévoient d'augmenter leur budget à trois ans consacré à la data et aux applications analytiques. Ce qui fait de ce sujet l'investissement relatif à l'innovation le plus important.

Si en 2020 la priorité business des entreprises et des organisations demeure la poursuite de leur transformation digitale afin de répondre aux attentes de leurs clients, la maîtrise et la valorisation de leurs données apparaissent désormais en deuxième position de leurs préoccupations. Dans ce contexte, 82% des entreprises[1] prévoient d’augmenter leur budget à trois ans consacré à la data et aux applications analytiques. Ce qui fait de ce sujet l’investissement relatif à l’innovation le plus important.

Cette prise de conscience qu’une maîtrise de l’information est indispensable à la réalisation des ambitions opérationnelles confirme que la transformation data est, sinon entamée, du moins sérieusement envisagée. D’un point de vue pratique, les étapes du déploiement d’un data office ressemblent beaucoup à celles de n’importe quel projet de transformation : analyse de la maturité, définition d’une stratégie, formalisation d’un cadre de gouvernance, implémentation d’un pilote puis déploiement sur l’ensemble du périmètre. L’élaboration du schéma directeur est évidemment clé dans ce processus : c’est lui qui permet de définir les objectifs, l’organisation cible, la trajectoire avec la priorisation des chantiers.

Commencer par les personnes ou la data ?

Mais une fois qu’il est acté, comment, concrètement, enclencher la transformation ? Il existe deux écoles. Certaines organisations commencent par les personnes : elles dressent un état des lieux des compétences disponibles, puis arbitrent entre recrutement et formation afin de compléter le panorama des compétences nécessaires. D’autres commencent plutôt par la data elle-même : en s’intéressant aux jeux de données les plus manipulés par les collaborateurs, elles identifient naturellement les cas d’usage prioritaires, mais aussi les sachants, les principaux fournisseurs et les utilisateurs sur lesquels le projet de transformation va s’appuyer, etc. En pratique, les entreprises allient souvent les deux approches et travaillent parallèlement sur l’usage des données et la construction des compétences et de l’organisation adaptée à leur contexte. Mais quelle que soit l’option retenue, les facteurs clés de succès pour réussir sa stratégie data gouvernance sont immuables.

1. Le sponsorship

En entreprise, l’enjeu principal des acteurs de la data gouvernance réside dans le fait d’être soutenus au plus haut niveau. Ce sujet ne se limite pas à l’échelon de rattachement du data office et à l’adhésion des directions métiers, il questionne la capacité du top management à prendre des orientations fortes et à effectuer des arbitrages. C’est pourquoi il faut outiller de manière adéquate non seulement l’opérationnel, mais aussi le régalien.

2. Du pragmatisme

Transformer sans révolutionner, tout un art ! Il s’agit de définir des cibles réalistes, de s’assurer que les trajectoires retenues sont le plus largement partagées et d’aligner le modèle de gouvernance (répartition des responsabilités entre les métiers et le data office) sur le modèle organisationnel de l’entreprise. Avant d’appliquer des méthodes standard, un moyen d’évaluer la pertinence des actions envisagées est de recentrer systématiquement la démarche sur le ROI métier. Évident en théorie, souvent oublié en pratique.

3. Soigner la conduite du changement : insuffler une culture data

Désiloter la donnée pour la rendre transverse et transparente, c’est remettre en cause un fonctionnement auquel tout le monde s’était habitué. Il est donc primordial de montrer aux collaborateurs le potentiel de la donnée, mais également de déconstruire les craintes et idées reçues autour de mots-valises comme big data ou intelligence artificielle. Il faut donner du sens à la mise sous contrôle des données : faire comprendre que le passage d’une donnée "support de processus" à une donnée "actif de l’entreprise" nécessite des rôles, des responsabilités et des règles bien différents.

4. Piloter et améliorer

Une fois les données produites au sein de l’organisation recensées, leur sens maîtrisé, leur qualité améliorée et leur circulation structurée, il faut rendre ce travail pérenne. L’objectif est bel et bien de faire vivre le patrimoine informationnel. Par exemple, faire en sorte que les données soient extrêmement qualitatives dès leur production ("data quality by design"), ou faire de la donnée un pilier du plan stratégique ("data strategy"), mais également poursuivre la transformation culturelle, travailler à l’amélioration continue des processus, des outils et utiliser la data comme levier d’innovation.

[1] Etude CGI Voice of Our Clients 2019

François Bouteyre, Directeur conseil en charge de l'offre Data – CGI Business Consulting