Priorités data des entreprises en 2020 : de la gouvernance à la culture des données

Alors que 2019 vient de s’achever et qu’une nouvelle décennie commence, les entreprises françaises sont en pleine phase de maturation de leurs projets analytiques pour aller encore plus loin avec la donnée.

Les entreprises ont désormais intégré le fait que pour rester compétitives sur le marché, elles doivent mettre à profit leurs données en sachant en tirer le plus d’enseignements possibles. Depuis plusieurs années, elles travaillent activement à la mise en place de projets variés afin d’optimiser l’exploitation de leurs données pour améliorer leur performance, ces projets allant de la collecte, du nettoyage et du catalogage des données à la mise en place de datalake, en passant par la constitution de pôle data et le recrutement de data scientists, … D’autant que les bénéfices à en retirer sont multiples : connaissance client approfondie, prise de décision améliorée, pilotage de la performance, résolution d’enjeu à visage humain, etc.

1.       La gouvernance des données

Pour que l’entreprise devienne véritablement « data-driven » (pilotée par la donnée), la mise en place d’une gouvernance des données constitue théoriquement un préalable, car elle garantit la fiabilité de la donnée utilisée dans toute l’entreprise. Dans la réalité, les projets de gouvernance ont souvent surgi après une première phase de déploiement de systèmes BI, qui ont montré leurs limites lorsque la qualité de la donnée n’était pas assurée.

Selon les entreprises, la définition de cette gouvernance varie, mais elle inclut une phase indispensable de recensement et catalogage des données, incluant une définition de l’organisation et des rôles des différents acteurs de la donnée, ainsi que toutes ses règles de saisie et de maintenance. Un projet d’envergure qui, pour les entreprises qui l’ont déjà initié, va souvent se prolonger en 2020.

Une bonne gouvernance des données passe souvent par le recrutement d’un Chief Data Officer (CDO), dont le rôle sera de faire évoluer les processus afin de rendre les données disponibles, sécurisées et exploitables, mais aussi d’en tirer le meilleur profit. Gartner a prédit que 90% des grandes entreprises auraient un Chief Data Officer en 2020 ; rendez-vous dans un an pour évaluer la situation.

2.       Le RGPD, un long processus pour certaines entreprises

Le déploiement d’une gouvernance des données efficace est d’autant plus crucial depuis l’instauration du règlement général sur la protection des données (RGPD) le 25 mai 2018. Selon une étude menée par Capgemini Research Institute, seules 28% des entreprises se disaient entièrement en conformité avec le RGPD, un an après sa mise en œuvre. Avant même la complexité de la réglementation, ce sont les anciens systèmes qui apparaissent comme le principal frein dans ces projets, pour 38% des entreprises interrogées.

Dans certains secteurs, à l’image de celui de l’industrie, où le retard dans l’exploitation de leurs données est encore très important, la mise en conformité au règlement demeure une priorité sur la première partie de l’année 2020, la CNIL ayant laissé aux entreprises jusqu’à juillet 2020 pour mettre ces nouvelles règles en œuvre.

3.       Monétiser les données

Pour la plupart d’entre elles, les entreprises ont déjà mis à profit l’open data, ces données dites « ouvertes » et mises à leur disposition. Croisées à leurs propres données, elles ont pu en tirer des analyses plus pertinentes et gagner en intelligence. Elles commencent peu à peu à se tourner vers la data monétisation, qui consiste à générer des revenus grâce aux données, en les exploitant en interne ou en les vendant en externe.

En 2018, seule une entreprise sur 12 monétisait ses données, selon une étude menée par A.T. Kearney. Il est très probable que ce chiffre augmente significativement en 2020 car, même si la régulation a pu freiner certaines initiatives autour des données personnelles, beaucoup de transactions peuvent se faire sur des données anonymisées. De plus, le développement exponentiel des objets connectés génère de nouvelles sources de données précieuses pour comprendre le comportement des utilisateurs et/ou inventer de nouveaux produits et services.

4.       Former les collaborateurs à la compréhension et l’analyse des données

La transformation des entreprises par la donnée s’applique à l’ensemble des collaborateurs, à tous les niveaux de l’entreprise. Afin de pouvoir prendre des décisions éclairées ils doivent, d’une part, s’appuyer sur leur expérience, et d’autre part, s’appuyer sur les données. Toutefois, pour cela, ils doivent avoir les compétences pour lire les données, les comprendre, les analyser et, enfin, argumenter avec. Les collaborateurs n’ont plus le choix, ils doivent désormais maitriser la langue des données et donc devenir « data-fluent ».

C’est pourquoi, de plus en plus d’entreprises accompagnent leurs collaborateurs au travers de programmes dits de data literacy (datalphabétisation en français) afin de lever les inquiétudes autour de la data. En devenant « data-literate », les collaborateurs sont responsabilisés et tous égaux face aux données, et peuvent utiliser ces compétences à des fins décisionnelles et augmenter ainsi la valeur commerciale de l’entreprise. C’est en identifiant des champions de la donnée que cette culture data pourra se répandre, ces derniers étant moteurs des équipes et à même de démontrer que la compréhension des données est à la portée de tous.

5.       L’accélération des projets d’IA

En 2019, le cabinet d’analystes Gartner estimait que 59% des organisations avait mis en production au moins un projet d’intelligence artificielle (IA), avec une moyenne de 4 projets d’IA ou de machine learning (ML) en production. Dans ce même rapport, le cabinet prévoyait une augmentation des projets pour les 3 prochaines années, avec une moyenne de 35 projets par entreprise.

En 2020, la phase de mise en œuvre de l‘infrastructure data sera terminée pour de nombreuses entreprises, ce qui va leur permettre d’exploiter cette donnée en déployant davantage de projets à base d’intelligence artificielle et de machine learning. Chatbots, recommandation automatique, algorithmes prévisionnels ou encore reconnaissance d’image vont permettre d’enrichir l’expérience client et d’optimiser de nombreux processus.

L’IA s’invite également dans les processus d’analyse et de synthèse de la donnée, avec la recommandation de graphiques et d’axes d’exploration, ou encore l’interrogation en langage naturel de ses données. Associée à l’intelligence humaine, l’IA, qui devrait finalement se traduire par intelligence augmentée, va permettre de tirer encore plus de valeur de la data, tout en en simplifiant l’accès pour le plus grand nombre.