big data at workDans son nouvel ouvrage, Thomas Davenport nous fait découvrir pourquoi et surtout comment mettre en œuvre une démarche Big Data en entreprise.

Si les données sont le nouvel or noir et si le Big Data est à coup sur un des enjeux majeurs des années à avenir, le passage à l’acte reste encore compliqué pour des entreprises en quête de repères. Le propos de Big Data at Work: Dispelling the Myths, Uncovering the Opportunities de Thomas Davenport est justement d’éclairer les entreprises sur la réalité de l’enjeu, les bénéfices à attendre, les modalités de mise en œuvre et les enjeux humains liés au Big Data.

Pour ceux qui ne suivaient pas le sujet à cette époque, Thomas Davenport était avec Andrew McAfee un des grands animateurs du débat sur l’entreprise 2.0 dans les années 2005/2007. Intéressant de voir qu’aujourd’hui l’un se consacre aux data et l’autre aux robot et machines intelligentes…preuve que le débat sur la performance de l’organisation a vraiment changé de nature ?

Le Big Data est il une tendance pérenne ? C’est la première question à laquelle répond Davenport et la réponse est évidemment « oui ». Déjà parce que l’utilisation des données, la BI, les analytics n’ont rien de nouveau. Nombre d’entreprises les utilisent depuis des années. La différence est désormais la capacité de traitement en termes de vitesse, de volume mais surtout de variété. On a de plus en plus de données et l’arrivée des objets connectés ne va faire que renforcer le phénomène dans des proportions inimaginables. De plus le « web social » s’il a permis une explosion du « User Generated Content » a surtout rendu crucial la capacité à tirer profit de données non structurées. La possibilité, en plus de l’analyse descriptive et prédictive que nous connaissons déjà, de procéder à des analyses prescriptives des données (ce qu’il faut faire pour atteindre un objectif) fait aussi que le Big Data apporte une réelle plus-value à l’existant. Pour finir, Davenport insiste bien sur le fait que nous ne sommes pas aujourd’hui à même d’anticiper tout ce que l’on pourra tirer du Big Data. On voit bien les enjeux en termes de relation client, on imagine à peine les enjeux industriels et nous sommes loin d’anticiper tous les enjeux managériaux.

La partie suivante nous montre à quoi sert le Big Data et pour qui. Quatre scénarios explicatifs permettent au lecteur de se projeter puis une analyse par secteur d’activité montre, pour chacun, les bénéfices possibles et analyse la maturité du secteur en question. Conclusion : si le Big Data a vocation a toucher tous les secteurs, tous les métiers, le niveau d’urgence n’est pas le même partout et d’ailleurs tout le monde n’est pas au même niveau d’avancement, et ce pour des raisons variées. Mais que vous vendiez des services en ligne, des meubles, des turbines, que vous soyez agriculteur ou que vous soyez une organisation comme l’ONU…vous avez quelque chose à en tirer et si vous n’allez pas au Big Data il finira par venir à vous.

Réduction des coûts, réduction des temps, développement d’offres nouvelles et prise de décision

Une fois qu’on a compris que le sujet était digne d’intérêt et que, peu importe son secteur, tout le monde serait impacté il est temps de passer à la l’élaboration d’une stratégie Big Data d’entreprise. Pas de stratégie sans objectif donc il importe de comprendre ce que vous recherchez en priorité avant de vous lancer : réduction des coûts, réduction des temps, développement d’offres nouvelles et prise de décision sont les grands champs de mise en œuvre du big data.

A ce stade il faut bien distinguer les initiatives selon selon qu’elles soient en phase de « discovery » (identification des opportunités) ou de production (intégration de l’initiative dans les systèmes et process existants) et en fonction du but poursuivi afin de se constituer un portfolio pilotable. Bien sur, selon qu’on soit dans l’une ou l’autre des phases les contraintes et modes de pilotage ne sont pas les mêmes : créativité, droit à l’erreur, expérimentation d’un coté, scalabilité et fiabilité de l’autre. Et n’espérez pas que la moitié des initiatives en discovery arrivent un jour en production.

De ce tableau à double entrée dépend ensuite beaucoup de chose : qui impliquer, quelles données utiliser, à quelle vitesse avancer….Approches conservatives ou agressives ne sont pas meilleures les unes que les autres : tout est question de besoin, de contexte, d’objectifs et…de culture.

Le Data Scientist : un élément clé, encore mal défini, rare et cher

S’en suit une partie trop souvent négligée : la dimension humaine du Big Data. Mais si, comme moi vous vous attendiez à quelque chose de lié à la conduite du changement et à la dimension culturelle vous serez déçus : ici on ne parle que des hommes en charge de faire fonctionner le Big Data, les data scientists. Ce qui n’est pas une mauvaise chose en soi : les entreprises ont besoin de comprendre ce qu’est un data scientist, quelles sont ses qualités, comment les trouver, les manager et que faire de leurs anciens « statisticiens ». On y apprendre avec intérêt que le data scientist « complet » est tellement difficile à trouver qu’il vaut mieux parfois assembler des équipes réunissant les qualités requises au travers de plusieurs individus. Intéressante aussi la partie sur le management et la gestion des carrières des professionnels d’un genre nouveau et dont la rareté fait grimper les prix. Quant à la dimension changement, rassurez vous, elle viendra plus tard dan les conditions de succès.

Vient ensuite (et seulement ?) la partie sur la technologie à mettre en œuvre. Je ne m’étendrai pas sur ce sujet mais disons qu’elle est suffisamment bien faite pour qu’un « non informaticien » comme moi comprenne les enjeux en termes d’infrastructure, de solutions. Pas de quoi faire du lecteur un expert technique mais assez pour lui permettre de parler avec sa direction informatique avec le vernis nécessaire afin de ne pas passer pour un inculte.

Viennent enfin les conditions clé de succès. Elles se divisent en plusieurs catégories : données (lesquelles, comment les gérer), l’entreprise (et sa maturité), le leadership (et la manière dont les dirigeants comprennent et supportent le projet), les cibles (où et pourquoi appliquer le big data), les analystes (ou les talents requis pour s’en sortir). En dehors de cette matrice on sera vigilant à :

– la culture (il était temps qu’on en parle) plus spécifiquement la position de l’entreprise face aux technologies disruptives

– l’intégration du big data dans l’existant (process, applicatifs etc) sans quoi on crée une bulle qui n’a pas d’impact réel. Et ça n’est – à mon avis – pas le moindre des enjeux : si tout le monde est d’accord pour expérimenter et s’enthousiasmer, la mise en œuvre opérationnelle n’est pas sans remettre en cause des habitudes, des postures et challenger un certain nombre de murs porteurs.

Données, entreprise, leadership, cibles, analystes.

Sans surprise les entreprises leaders que cite Davenport pendant l’essentiel du livre sont le plus souvent des entreprises jeunes, souvent du secteur du net, qui ont du composer avec le Big Data dès leur plus jeune âge avant même que la discipline ne prenne son essor. C’est d’ailleurs elles qui ont déminé le terrain, balisé la route et développé un corpus de bonnes pratiques pour les autres. Le plus souvent leur faible existant en termes de gestion des données leur a permis de partir de zéro, une chance que n’ont pas les grandes entreprises qui doivent composer avec leur historique technologique et trouver le bon équilibre, la bonne manière de faire cohabiter les deux puis de les intégrer.

Le dernier chapitre du livre est donc plus spécifiquement dédié aux grandes et « anciennes » entreprises, ce qu’elles peuvent apprendre des startups et les conditions de succès qui leurs sont propres. Car elles aussi ont leurs success stories et avancent avec leurs traits particuliers.

Je n’ai pas grand chose à ajouter. Le livre de Davenport ne véhicule aucun concept révolutionnaire qu’il serait possible de discuter et ne vend aucune nouvelle théorie de l’organisation et du management. Il dit ce qui est, ce qui se fait et comment le faire tout en sachant que tout reste encore à inventer en la matière. C’est clair et factuel…et c’est très bien ainsi.