Article
Les données, un levier de croissance encore inexploité
L’étude « Données et Entreprises en 2017 »* commanditée par Experian fait froid dans le dos :
- Plus de neuf entreprises sur dix (92%) n’ont pas confiance en leurs données !
- Erronée ou incomplète, la donnée ne permet pas pour 56% des entreprises sondées de prendre les décisions qu’elles souhaitent !
Que ce soit pour être conforme à la réglementation ou pour satisfaire le client, les entreprises françaises vont devoir vite redresser la barre pour donner à la Donnée les lettres de noblesse qu’elle mérite.
A l’heure du digital, la règle « Everything starts with data » n’a jamais aussi bien porté son nom et les entreprises à la pointe de l’innovation sont celles qui ont placées les données au cœur de leur stratégie. Le secteur de l’assurance est en pleine métamorphose par exemple. On pense bien sûr à AXA, référence dans l’innovation « data » du secteur, qui a développé l’offre de « pay as you drive ». Un autre acteur, Amaguiz, a quant à lui choisi ASI pour développer une application mobile destinée aux clients et prospects offrant des services en ligne à valeur ajoutée (souscription, gestion de contrats, sinistres, suivi dossiers). Ce nouveau canal permet de collecter de nouvelles données d’une qualité bien supérieure à ce que permet de collecter un processus papier.
Nos convictions pour améliorer la qualité de vos données
Nous traitons les enjeux de qualité de données comme une problématique d’entreprise et non comme un souci informatique parmi d’autres.
Un diagnostic pour identifier les données et leur cycle de vie
Ce premier audit permet de mettre en avant par des résultats chiffrés ce que chacun ressent dans l’entreprise : la qualité des données traitées dans l’entreprise n’est pas satisfaisante. Nous devons tout d’abord identifier les données clés échangées dans l’entreprises, cartographier les flux de données entre les outils pour définir et documenter ce que l’on appelle le « cycle de vie de la donnée ». C’est cette étape qui doit permettre l’adhésion du midlle management au projet. On se rend généralement compte que la donnée est certes créée à un seul endroit, mais qu’elle est ensuite dupliquée, ajustée, modifiée par différents acteurs (employé et/ou outils) puis réutilisée dans des KPIs pouvant ainsi avoir des valeurs différentes! Il est préconisé suite à cela de définir des KQIs (Quality KPIs) permettant de mesurer la qualité des données et de suivre l’évolution dans le temps. Nous sommes ainsi capables d’expliquer des écarts mais pas forcément de les corriger.
Une gouvernance de la donnée pour piloter la stratégie
La définition du routage de la bonne information dans chaque couche du SI relève de ce que l’on appelle la gouvernance de données, notion très à la mode en ce début d’année 2017. Cette dernière tend à répondre à deux questions :
- « Qui est responsable de LA Donnée ? »
Le Chief Data Officer, siégeant au comité exécutif, est un dirigeant dont la responsabilité s’étend de la parfaite connaissance de la donnée de son entreprise et de sa valeur à la stratégie de donnée à adopter pour innover ou améliorer l’existant. On attend également de lui qu’il donne son point de vue sur la stratégie globale de l’entreprise au vu des données (problématiques ou perspectives)
- « Qui est responsable de Chaque Donnée ?»
La DSI d’une entreprise est en charge de maintenir des dizaines d’applications gérant des notions en commun. On pense par exemple au « domaine client », dont les coordonnées sont éparpillées dans nombre de logiciels (facturation, e-commerce, CRM, service client, apps, etc.). Il est indispensable de définir quel outil est la source fiable pour chaque donnée et de faire évoluer les processus et flux d’information dans ce sens. Nous sommes ainsi en mesure de maîtriser la modification des données dans le S.I. mais pas forcément sa création.
Un déploiement opérationnel pour amorcer le changement
Pour plus d’un tiers des entreprises mondiales, les plus gros écarts de qualité de données sont liés à une mauvaise saisie des informations en entrée du système. Les employés « sur le terrain » ne sont en général pas conscients de l’impact de ce qu’il rentre dans le système sur le reste du cycle de vie de l’information. Pour effectuer une vente plus rapidement, le collaborateur peut par exemple forcer une adresse email erronée ou ne pas saisir les coordonnées du client. Ce gain de dix secondes représente un manque à gagner considérable à grande échelle… En transposant cela à une journée de travail 8 heures, cela représente près de 3 000 clients contactables perdus ! Le changement passe par deux axes :
- Le contrôle des données à l’entrée en bridant au maximum les outils opérationnels (plus de champs obligatoires, plus de contrôle de type de données)
- La sensibilisation des équipes sur l’importance de la qualité des données saisies dans le résultat de l’entreprise set dans l’atteinte de leurs objectifs
Le Système d’information décisionnelle au secours de la Data Quality
Le système d’information décisionnelle peut nous aider à améliorer la qualité des données. Mais comment faire puisqu’il n’a généralement aucun rôle de création de données et subit les problèmes des outils sources ? Il faut miser sur sa capacité à traiter l’information et à implémenter des règles de gestion. Comme le montre l‘infographie ci-dessous, le datawarehouse peut gérer des « rejets » et nettoyer les données. 
Certes cela ne règlera pas les problèmes des outils sources mais en communiquant des rapports de qualité de données aux responsables opérationnels et en redirigeant les rejets pour retraitement, le système d’information décisionnelle permettra de faire passer les bons messages et de participer à la conduite du changement.
Deux facteurs clés de succès de votre projet Data Quality
Un projet de qualité de données est un projet d’entreprise et transversal qui concerne chaque employé et à ce titre il doit avoir :
- L’adhésion de l’ensemble des strates managériales de l’entreprise:
- Le Top Management devra être un sponsor solide, capable d’inscrire le sujet dans une dynamique (de l’entreprise ou de la direction des risques) car les KPI fondamentaux de la performance de l’entreprise sont directement impactés.
- Le Middle Management devra être un partenaire idéal lors de l’audit du cycle de vie des données et prendra ainsi conscience des écarts de qualité de données.
- Le Low Management devra être l’allié incontournable dans la conduite du changement et devra faire appliquer les nouvelles recommandations.
- L’objectif de lancer une dynamique d’amélioration continue dans l’entreprise pour l’inscrire dans sa « génétique » car il s’agit bien d’une transformation durable des méthodes de travail et non d’un audit ponctuel.
*A propos de l'étude L'étude « Données et Entreprises en 2017 : un diagnostic complet » a été réalisée par le cabinet Loudhouse pour le compte d'Experian Marketing Services. Elle se base sur une enquête menée en novembre 2016 auprès d'un échantillon de 1400 spécialistes de l'IT, du service client, du commercial ou du marketing dans 8 pays à travers le monde (100 en Allemagne, 100 en France, 100 en Espagne)