L’analytique devient fonction stratégique

38% des CEO affirment piloter le projet analytique de leur entreprise, ce qui n’est confirmé que par seulement 9% des autres cadres supérieurs…

«La science des données va un peu plus loin que la simple analyse, estime Andrew Pease, Principal Business Solutions Manager, SAS. Un data scientist utilise des techniques plus avancées pour identifier les enjeux commerciaux, recueillir les données pertinentes et publier des informations exploitables. Il est capable de découvrir des tendances dans les données et de formuler des prévisions significatives.»

Des connaissances en statistiques sont certes utiles, mais pour réussir vraiment, le data scientist doit posséder des compétences diverses. Les data scientists doivent avoir une forte envie d’apprendre, d’innover et d’améliorer les choses. Bien sûr, ils doivent trouver les données, les analyser, les interpréter et partager les résultats, mais s’ils ne posent pas les bonnes questions dès le départ, toutes ces données et le meilleur bagage statistique au monde ne leur seront d’aucun secours.

Selon une étude de McKinsey, l’un des principaux obstacles à un projet analytique efficace est le manque de communication. Les data scientists doivent être à la fois capables d’interpréter les données et de communiquer leurs découvertes aux décideurs de leur entreprise. Ils doivent également rendre les mécanismes analytiques assimilables par les personnes concernées dans l’entreprise. Les techniques de visualisation sont par exemple d’une aide précieuse, sachant qu’une image vaut mieux qu’un long discours -ou que les lignes d’une feuille Excel, en l’occurrence. En rendant l’analytique abordable, les décideurs auront une vision claire des avantages de cette technologie pour leur entreprise, ce qui facilitera son adoption.

Rôle de la direction

L’absence de leadership est un autre obstacle à franchir pour devenir une entreprise véritablement orientée données. Un quart des personnes interrogées par McKinsey au sein d’entreprises très performantes sont convaincues que l’implication des cadres dirigeants dans les activités portant sur les données joue un rôle essentiel dans l’efficacité des techniques analytiques mises en œuvre. «La science des données étant aussi importante pour le service informatique que pour l’entreprise, il arrive que la fonction passe entre les mailles du filet et ne reçoive pas toute l’attention qu’elle mérite de la part de l’une ou l’autre partie, observe Andrew Pease. En transformant cette technologie en initiative organisationnelle et stratégique, les entreprises offriront aux data scientists le temps et les ressources dont ils ont besoin pour réussir.»

Par ailleurs, bien que l’analytique arrive en tête des priorités des dirigeants, nombre d’entre eux ne font pas suffisamment bien passer le message dans l’entreprise. Toujours selon McKinsey, 38% des CEO affirment piloter le projet analytique de leur entreprise, ce qui n’est confirmé que par seulement 9% des autres cadres supérieurs, qui citent plus volontiers les CIO, CMO, voire les responsables de divisions opérationnelles. Mais au fond, peu importe qui est aux commandes, du moment que l’analytique constitue une fonction métier stratégique.

Jusqu’à présent, l’analytique a été souvent perçue comme une fonction secondaire des services informatiques. La solution ERP constitue la pièce maîtresse, l’analytique venant simplement se greffer dessus. Souvent même, le service informatique la considère comme un jouet marketing. «Promouvoir l’analytique au rang de fonction stratégique est donc la première des bonnes pratiques à mettre en œuvre, assure Andrew Pease. Toutefois, pour la plupart des entreprises, cela ne se fera pas du jour au lendemain. Il faudra du temps pour définir des profils analytiques, et les personnes concernées devront sans doute commencer par prouver qu’elles peuvent réussir avant d’accéder à un poste de plus haut niveau.»

De là l’émergence du CAO (Chief Analytics Officer) qui a un rôle au conseil d’administration et, outre son immense travail analytique, s’emploie à évaluer en permanence l’influence de l’analytique sur l’optimisation de l’activité. «Chaque entreprise utilise l’analyse de données à sa façon, complète Andrew Pease. Si certaines nomment un CAO, d’autres préfèrent mettre en place une équipe analytique qui peut même être polyvalente. Il n’y a pas de solution toute faite. Les entreprises doivent tenir compte de leurs spécificités. Certaines peuvent décider d’embaucher des spécialistes externes de l’analytique faute de compétences en interne. Cependant, l’analyse des données étant un volet stratégique important du business plan, il est primordial d’internaliser les processus analytiques à un moment ou un autre.»

Analytique exploitable

La plupart des grandes entreprises recrutent déjà des data scientists. À l’ère des big data et de la convergence des secteurs d’activité, elles réalisent que les informations contenues dans une transaction sont encore plus précieuses que la transaction proprement dite. Le secteur financier compte déjà un grand nombre de data scientists. La grande distribution suit. Et, cette année, la demande de data scientists devrait également exploser dans le secteur de l’industrie. Avec la révolution de l’IoT, l’analyse de grandes quantités de données relevées par les capteurs va revêtir une importance capitale.

«Le succès de la science des données en entreprise ne repose pas seulement sur des algorithmes : la créativité est essentielle, non seulement pour étudier les chiffres, mais aussi pour présenter les informations obtenues à tous les décideurs de l’entreprise, insiste encore Andrew Pease. Si les data scientists ne rendent pas les résultats accessibles et compréhensibles, leurs interlocuteurs dans l’entreprise auront du mal à agir ‘uniquement parce que c’est l’ordinateur qui le dit’.»