Nous vivons à une époque où les données sont plus que jamais exploitées pour prendre des décisions. Pourtant, de nombreuses entreprises ont une stratégie de données incomplètes qui les empêche de tirer parti de toutes les données disponibles pour influencer les décisions. La solution réside dans la formulation d’une stratégie de données axée sur l’entreprise en répondant à certaines questions clés.
Les stratégies de données actuelles se concentrent sur des cas d’utilisation spécifiques, par exemple, la conformité réglementaire par rapport à un portefeuille holistique d’exigences permettant aux entreprises de tirer pleinement parti de leurs actifs de données. Cette édition présente cinq questions sans réponse qui aident les Chief Data Analytics Officers (CDAO) à faire passer leur stratégie en matière de données.
Définir le problème…
Bigstock
Les PDG ont exigé plus d’efficience et d’efficacité organisationnelles de la part des CDAO, luttant pour répondre aux besoins commerciaux de l’entreprise, en particulier en matière de création de valeur. Les CDAO rencontrent souvent des défis et des obstacles, percevant que les données n’apportent pas la valeur et le retour sur investissement que l’on croit possibles. Actuellement, de nombreux CDAO ont du mal à aligner l’approche de données existante pour se concentrer sur les priorités de l’entreprise en élaborant une stratégie de données affinée. Les entreprises sautent souvent de nombreuses étapes essentielles pour créer une stratégie de données, favorisant les gains rapides, les chartes et les pilotes pour montrer les progrès de l’équipe de données plutôt que de créer une vision et une stratégie holistiques et intégrées pour les données. Selon Magazine d’initiés82 % des organisations sont inhibées par des silos de données et ne tirent pas parti des données correctes pour leurs problèmes commerciaux. client, restent incomplets.
- Seul un petit pourcentage d’organisations excellent dans la mise en œuvre de leur stratégie de données. Dans un récent Examen de la technologie MIT, seules 13 % des entreprises sont considérées comme « très performantes » pour ce qui est d’afficher des résultats commerciaux mesurables à partir de leur stratégie de données. Des problèmes tels que la duplication des données, la démocratisation et le traitement des données en temps réel ne sont que quelques-unes des lacunes identifiées dans la stratégie de données qui doivent être résolues.**
- Le test et l’apprentissage peuvent aider l’entreprise à apprendre plus rapidement et à compléter la vision et la stratégie des données. De nombreux CDAO préfèrent adopter une approche progressive du développement de la stratégie de données. Randy Bean, dans son nouveau livre Échouer rapidement, apprendre plus rapidement : Leçons sur le leadership axé sur les données à l’ère de la perturbation, BigDonnées et IAfournit certaines des meilleures études de cas et perspectives sur la façon dont les entreprises peuvent améliorer leur approche de leur stratégie de données.***
Répondez à 5 questions pour faire progresser votre stratégie de données
Bigstock
Les CDAO ont besoin d’une nouvelle approche pour formuler une stratégie de données axée sur l’entreprise. Les cinq questions ci-dessous fournissent une approche intégrée plus holistique lors de la formulation d’une stratégie de données qui garantit l’adhésion des parties prenantes et la prise en compte des priorités de l’entreprise. Une approche collaborative pour solliciter les commentaires des bonnes parties prenantes est mieux réalisée par le biais d’un processus d’élaboration d’un plan directeur et d’une feuille de route. Les CDAO ne doivent pas sauter un tel processus au profit de gains rapides tactiques ou de pressions d’autres dirigeants pour élaborer la stratégie de données dans le vide, par exemple, par l’équipe de données seule.
Répondez aux cinq questions en menant un processus collaboratif d’élaboration de plans qui est essentiel pour garantir que les priorités de l’entreprise et leurs données adaptées aux besoins peuvent être exploitées pour un impact et une monétisation dans la stratégie de données. L’établissement du modèle d’engagement et de gouvernance approprié pour le plan directeur est essentiel pour garantir que les besoins et les priorités des partenaires commerciaux sont pleinement intégrés à la stratégie de données de l’entreprise. Les questions à traiter et les mesures à prendre sont les suivantes :
1. Problèmes commerciaux indéfinis : quels problèmes commerciaux nécessitent une solution ?
Bigstock
Sans comprendre les points faibles de l’entreprise, l’équipe d’analyse de données sera mise au défi de trouver les solutions appropriées pour soutenir les partenaires commerciaux. S’engager avec les partenaires pour déterminer leurs priorités stratégiques via un processus de blueprinting. Nous avons sous-estimé la valeur de la contribution des parties prenantes (points douloureux et évaluation des lacunes) pour aider à hiérarchiser les initiatives de données critiques en fonction de l’impact sur l’entreprise.
Un processus collaboratif est établi via le plan directeur pour solliciter les commentaires des parties prenantes. Définir les parties prenantes qui devraient participer et s’engager activement dans le processus d’élaboration du plan directeur. Définir les droits de décision et les rôles en guidant les informations dans la stratégie. Définir les principes directeurs et les flux de travail de haut niveau en fonction de la vision et de la portée définies par le CDAO et les sponsors.
Les problèmes commerciaux sont encadrés en examinant la ou les situations et les problèmes actuels et en les écartant de la vision future des données. Cette évaluation des lacunes aide l’entreprise à définir et à hiérarchiser les initiatives en fonction d’indicateurs de réussite clés. Par exemple, un domaine prioritaire pour une stratégie de données est la latence des données (en temps réel ou par lots) ou la vitesse à laquelle les données sont mises à jour, en particulier pour l’expérience client numérique. Le marketing et le numérique sont de bons points de départ car ils facilitent de meilleures expériences client et une applicabilité plus large de l’entreprise, comme pour le risque et CX. Les clients qui recherchent un produit sur le site Web de l’entreprise fournissent des signaux numériques et l’intention d’achat des données et des conversations avec les clients. Lorsqu’ils sont capturés en temps réel, les signaux sont plus susceptibles de générer des ventes. Par exemple, l’inclusion potentielle dans la stratégie d’une application de données en temps réel soulève un problème de clarification : combien de données en temps réel doivent être disponibles via une plate-forme de données moderne qui peut inclure des analyses en continu parmi les choix tactiques.
2. Couverture des données : quelles données sont nécessaires pour répondre aux besoins de l’entreprise, et où se trouvent ces données ?
Bigstock
Le processus de blueprinting permet de créer un inventaire des sources de données de l’entreprise et de l’emplacement de ces données. Selon la manière dont les données sont utilisées (et par qui), différentes plates-formes seraient définies pour héberger le volume de données identifiées et les outils critiques nécessaires. D’autres considérations incluent la qualité des données, les modèles, la normalisation et la cohérence.
Une carte ou un inventaire de la couverture des données aide à identifier non seulement les données nécessaires pour résoudre les problèmes, mais également où se trouvent ces données et ce qu’il faut pour y accéder. Selon le cas d’utilisation, l’entreprise peut souvent décider si elle souhaite déplacer toutes les données ou se concentrer davantage sur les données qu’elle déplace et stocke. L’entreprise doit déterminer si les données doivent être déplacées vers un lac de données ou accessibles à la source faisant autorité. Certaines données peuvent être incluses dans la source unique de vérité (SST) et d’autres dans d’autres applications.
Se cacher derrière notre capacité à intégrer toutes les données dans une plate-forme de mégadonnées et à tout comprendre plus tard ne mettra pas en évidence quand nous pouvons extraire de la valeur de quelles données dans quel contexte. Ainsi, nous sommes peut-être des superstars de l’ingénierie ; Cependant, générons-nous de la valeur commerciale ? Dans les phases initiales de BI, nous appelions cela un dump and run où toutes les données étaient déversées dans une couche physique sans être bien organisées ou avoir une couche logique via un schéma en étoile ou une stratégie de données. Semble familier? Plus vous restez dans un domaine, plus vous réalisez comment certaines choses changent et certaines choses restent les mêmes et se répètent ou sont rebaptisées de manière plus moderne avec les mêmes ensembles de problèmes.
L’une des questions auxquelles il faut répondre est de savoir si l’entreprise a besoin d’une source unique de vérité (SST) ou de plusieurs versions de la vérité (MVT). Cela commence également à définir ce que signifie adhérer à la stratégie de données. Par exemple, une considération stratégique : n’importe quel analyste peut-il extraire des données directement du système source, ou doit-il accéder au lac de données ?
3. Confidentialité et sécurité des informations : qui doit pouvoir accéder aux données et les utiliser ?
Bigstock
Définissez le nombre d’identificateurs uniques dans l’environnement de données. Spécifiez qui a accès aux informations confidentielles et restreintes pour se conformer aux réglementations en matière de confidentialité. Créez des zones de données hautement sécurisées. Assurez-vous que les algorithmes sont protégés par la confidentialité. Définir des outils en libre-service pour l’accès aux données.
4. Organisation et partenaires d’analyse de données : quels rôles sont nécessaires ?
Bigstock
Définir le modèle d’organisation de l’équipe de données et d’analyse ainsi que les rôles et responsabilités de toutes les parties prenantes. Dans certaines organisations, il y a un manque de clarté des rôles et une confusion sur les responsabilités – les ingénieurs de données rendent compte aux partenaires commerciaux plutôt qu’à la pratique. La définition de l’organisation et de la structure hiérarchique ajoute de la transparence au flux de travail et améliore la rapidité d’impact. Définissez une architecture de talents pour augmenter la transparence des étendues, des couches et des définitions de poste.
5. Monétisation des données : comment l’entreprise exploitera-t-elle les données ?
Bigstock
La monétisation des données est un processus : vous devez concevoir un cas d’utilisation et un plan de test avec vos partenaires commerciaux et exécuter et mesurer un pilote. Sur la base de ces informations, vous construirez une analyse de rentabilisation comprenant des mesures de réussite pour le pilote, qui devrait inclure une définition de terminé.
Planifiez votre chemin vers une stratégie de données réussie
Bigstock
Arrivez à une stratégie de données axée sur l’entreprise grâce à un plan directeur et à une feuille de route. Le plan directeur est nécessaire pour permettre aux parties prenantes d’adhérer et d’identifier correctement les problèmes commerciaux à résoudre, les données critiques, ainsi que la structure et le déploiement des données pour un impact maximal et un risque minimal. Ce n’est pas un exercice académique recommandé par les consultants et les chercheurs si des étapes concrètes d’exécution via la feuille de route et le business case/ROI font partie du résultat. Le CDAO doit avoir l’expérience et le sérieux nécessaires pour exiger plus d’investissements dès la phase de planification et de ressourcement.
Actualisez votre stratégie de données grâce à un plan détaillé qui mène à un ensemble de principes directeurs pour votre programme de données et à une analyse de rentabilisation pour votre PDG et votre conseil d’administration.
- Élaboration du plan : La phase d’élaboration de la stratégie de données aide à répondre aux cinq questions sans réponse. Prendre trois à six mois pour impliquer les partenaires commerciaux dans une formulation inclusive de la stratégie de données peut conduire à un soutien accru des programmes de données dans toute l’organisation. Ce soutien des partenaires commerciaux conduira à une adoption plus rapide des initiatives de données et supprimera les obstacles aux initiatives telles que la gouvernance des données à l’avenir. L’adhésion des parties prenantes permet d’accélérer la maturité et d’atteindre le retour sur investissement et les impacts décrits dans l’analyse de rentabilisation.
- Socialisation de la stratégie : une fois que la stratégie de données est approuvée et adaptée à l’objectif, faites-en une tournée de présentation à travers l’organisation. Organisez des sommets, des déjeuners-causeries et d’autres véhicules innovants tels que des webinaires, la gamification et de nouvelles méthodes d’apprentissage pour socialiser la stratégie de données. Le temps passé à amener les parties prenantes tout au long du voyage en partageant ce qui a été convenu dans la stratégie de données peut contribuer grandement à susciter la confiance et la coopération tout au long du parcours de mise en œuvre.
- Pérennité de votre stratégie : pour vous assurer que votre stratégie de données reste pertinente pour fournir des capacités d’analyse de données de nouvelle génération, il est impératif que la stratégie soit revue de manière continue, mais au moins une fois par an. Les sessions d’examen de la stratégie de données doivent avoir lieu au sein du comité des données ou du comité de gouvernance des données, où les progrès peuvent être discutés avec la haute direction et l’étalonnage des meilleures pratiques apparaît. Cet enregistrement garantit que vous disposez d’une stratégie dynamique vivante et dynamique qui produit les impacts souhaités et élève la maturité.
En conclusion, en répondant à ces cinq questions, votre stratégie data soutiendra les efforts de croissance et de création de valeur de votre organisation. De plus, ces réponses aident les CDAO à définir les priorités et la portée des travaux pendant la phase de mise en œuvre, y compris la défense de la gouvernance et de la gestion des données. Un modèle collaboratif garantit l’adhésion des parties prenantes et une stratégie de données gagnante, adaptée à l’objectif et alignée sur l’entreprise.
Liste de référence:
* Magazine d’initiés. Pourquoi votre stratégie de données a probablement besoin d’une refonte. (2022, 9 août)
**Denis McCauley. Examen de la technologie MIT : rapport d’informations. (août 2022)
*** Randy Bean. Échouer rapidement, apprendre plus rapidement : Leçons sur le leadership axé sur les données à l’ère de la perturbation, du BigData et de l’IA (31 août ; Wiley)
À partir des articles de votre site
Articles connexes sur le Web
