Conduite du changement, les conseils pour passer à la data intelligence

Bien choisir sa solution d’intelligence de la donnée est donc un élément déterminant dans le succès de la conduite du changement au sein d’une structure. Pour choisir son outil de data science, encore faut-il toutefois connaître les avantages et inconvénients des différentes approches possibles. Retour sur certains aspects et l’impact que des critères de sélection peuvent avoir sur les entreprises.

L’intelligence de la donnée, un domaine en plein développement

Dans la continuité de la notion de Big Data, mentionnée pour la première fois à la fin des années 1990, l’intelligence de la donnée est en plein essor. Alors que de nombreuses entreprises de conseil ou des professionnels de l’informatique en ont fait leur spécialité, d’autres structures souhaitent en faire un axe de développement.

Si le projet de passer à la data science est intéressant et semble, à terme, être en mesure d’apporter des résultats probants, il s’agit avant tout d’un bouleversement réel dont il faut mesurer les enjeux. À l’heure où la majorité des entreprises ont pris le virage du numérique en optant pour une transformation digitale qui a profondément bouleversé leur organisation, la data science se présente comme une suite logique. Dans la conduite du changement vers l’adoption de l’intelligence des données, l’expérience acquise lors de la stratégie de digitalisation peut être mise à profit.

Il est effectivement possible de dresser un parallèle entre :

• l’intégration de services informatiques et l’utilisation de services numériques non maîtrisés dans certains secteurs d’activité il y a encore peu de temps ;
• l’adoption de l’intelligence artificielle, d’algorithmes et de technologies innovantes voire le déploiement de processus métier et la création de postes pour des experts de l’analytics.

Afin de favoriser le succès de la transition d’une entreprise vers un projet d’intelligence de la donnée, plusieurs modèles peuvent être adoptés. La conduite du changement peut notamment passer par la préparation du projet de data intelligence en amont. Cela peut tout simplement se faire en prenant le temps de consulter les différentes solutions qu’il est possible d’employer. De l’intelligence artificielle à travers le machine learning au recrutement d’experts, en passant par l’utilisation de logiciels dédiés ou l’adoption de nouvelles procédures internes pour le traitement des données, les pistes de réflexion sont nombreuses.

Des solutions pour une plus grande performance dans le traitement des données

Avant de jeter son dévolu sur une prestation d’intelligence des données, plusieurs points clés sont à prendre en compte dans le choix des technologies et des services qui peuvent s’avérer pertinents. Une large diversité d’outils s’offre en effet aux entreprises qui souhaitent développer leur modèle d’analyse des données et miser sur l’informatique décisionnelle pour identifier leurs axes de développement. Voici quelques conseils et un état des lieux des solutions possibles et des critères à prendre en compte pour faire le choix le plus pertinent selon les besoins clients identifiés ou les objectifs fixés en interne.

Déterminer le besoin entre outil polyvalent ou basique pour l’analyse des données

Se tourner vers l’exploitation des données est avant tout un choix guidé par l’objectif de tirer profit des informations recueillies. Alors que certains outils se montrent relativement restreints, ce qui peut correspondre à des entreprises dont les besoins sont clairement identifiés, des offres plus complètes existent.

Pour les entreprises, le choix des services doit être guidé par la prise en compte d’éléments relatifs :

• à la quantité de données qui peuvent être traitées ;
• à la capacité à prendre en charge des données provenant de plusieurs sources ;
• au volume de stockage disponible, afin de conserver les données ;
• à la faculté de traiter des données structurées ou non structurées.

La polyvalence de l’outil se retrouve par ailleurs bien souvent, au-delà de la gestion des données en amont de leur utilisation, dans la capacité à proposer diverses projections. Des alternatives limitées peuvent ainsi ne pas être en mesure d’offrir des perspectives variées. Or, c’est la capacité des technologies à proposer divers cas de figure qui peut être un atout dans la stratégie d’entreprise. L’informatique décisionnelle met en effet à profit les résultats estimés de différentes hypothèses pour affiner les décisions les plus pertinentes.

L’accessibilité des services, un point déterminant pour le système d’information

Au niveau des projets reposant sur l’exploitation des données et leur traitement, les outils peuvent être de diverses natures. Il est ainsi possible d’accéder à un modèle on premises software ou SaaS (software as a service). Ces deux modèles se distinguent dans la façon avec laquelle l’entreprise accède au service.

D’une part, la mise à disposition d’un outil par le modèle on premises software nécessite de disposer d’un parc informatique. Les services proposés sont en effet directement installés sur le matériel de l’entreprise en interne. L’avantage n’est pas négligeable dans la mesure où l’entreprise garde la main sur ses données.

Pour ce qui est de l’approche SaaS, le principe repose davantage sur la mise à disposition d’un outil de travail. C’est au moyen d’un réseau ou d’un cloud que l’équipe en charge de l’analyse des données peut accéder à l’outil. Aucune installation n’est donc nécessaire sur le matériel interne de l’entreprise. Dans ce système, l’entreprise dépend toutefois des infrastructures d’un prestataire et, en tant que client, cette dernière n’a pas la main sur ses données.

Le coût des solutions de data science

Un cabinet spécialisé ou une entreprise spécialiste du développement de solutions d’intelligence de la donnée adaptent les tarifs des offres à la complexité de ces dernières. Outre un tarif de base, des prestations peuvent être comprises en supplément, notamment via le principe d’options. Prendre le temps de lire le contrat et déterminer les fonctionnalités nécessaires peut ainsi être un moyen de réaliser d’importantes économies, mais aussi, et surtout de ne pas se perdre avec des fonctionnalités non nécessaires ou non maîtrisées.

Dans le cadre de la mise en place des technologies ou logiciels à grande échelle en interne, interroger le coût pour équiper l’ensemble de l’entreprise est également un point à ne pas négliger. Le retour sur investissement ne doit en effet pas être perdu de vue et une telle opération peut s’avérer onéreuse.

La capacité d’adaptation à l’environnement de travail existant

Pour toute entreprise, la qualité d’un outil se juge en partie par sa capacité à s’intégrer facilement à l’environnement de travail déjà en place. Que ce soit afin de faciliter l’utilisation de l’outil par les experts internes ou de potentiels autres utilisateurs, la compatibilité est donc primordiale.

Un autre point important est la facilité d’utilisation. Les experts en data science ne sont probablement pas les seuls à être en mesure d’utiliser l’outil. Le service marketing peut en effet lui aussi être amené à en avoir utilité. Si besoin, une formation peut être mise en place pour former les non-initiés, mais la capacité d’un logiciel à être utilisé par plusieurs parties prenantes internes est un réel atout à long terme.

Nous vous recommandons ces autres pages :

• Comment cadrer l’instauration d’une solution de Data Intelligence
• Intégration et Maintien en Condition Opérationnelle d’une solution d’intelligence de la donnée

Des questions ?