Pilotage de stratégie, anticipation des futures tendances marché et clients, les outils d’analyse prédictive sont une mine d’or… À condition de les utiliser à bon escient. Pour garantir le succès d’un projet d’analyse prédictive, il n’y a rien de mieux que de faire des erreurs !
1 – Voir et commencer trop grand
« Je vais mettre en œuvre le plus grand projet data-driven du marché et faire plier tous mes concurrents ! »
Avoir de l’ambition c’est bien, procéder par étape c’est mieux ! Les projets BI, surtout ceux qui sont complexes, doivent être décomposés en une série de petits projets avec un rétro-planning et des livrables distincts pour chaque phase.
L’intérêt de découper un projet : des équipes mobilisées tout au long de la réalisation et un projet BI aligné sur la stratégie de l’entreprise. Les utilisateurs directs sont associés à cette réflexion. Mieux, ils en sont les initiateurs.
Votre priorité : pensez « besoin » avant « solution ». Un des gages de réussite de votre projet décisionnel repose sur l’expression claire et dès le départ de votre ou de vos besoin(s). L’essentiel est de bien cerner et évaluer votre problématique métier. Dans l’idéal, associez toujours un indicateur à un objectif à atteindre.
Gardez en tête que rien n’est figé dans le marbre et que le schéma décisionnel doit pouvoir évoluer. Faites donc preuve de souplesse pour s’adapter aux utilisateurs, à l’environnement et aux besoins. Les indicateurs et métriques doivent être définis dès l’origine comme susceptibles d’évoluer car un tableau de bord figé devient vite obsolète.
Un consultant BI est autant un expert de la data que des Métiers. Il vous aidera à affiner vos besoins et ainsi limiter les risques d’enfermement dans des scenarii figés.
2 – Faire un projet pour et par la technique
« De toute façon, construire une interface c’est la spécialité de l’IT, la data ça les connait ! Laissons les construire le projet. Les utilisateurs ne valideront le projet qu’en phase finale… »
Faire un projet technique mettant en œuvre les dernières technologies pour la beauté du geste sans adresser un besoin métier est… certes intéressant intellectuellement mais voué à rester dans les tiroirs. Si les équipes sont cloisonnées, si l’organisation continue de fonctionner en silos, sans agilité, un projet data est naturellement voué à l’échec. Les interfaces ou outils mis en place doivent correspondre aux besoins en interne et aux objectifs stratégiques de l’entreprise. Il est donc impératif de mettre IT et Métiers dans la même pièce pour d’une part, briser les organisations en silos et d’autre part, pour mettre en phase les processus et l’approche Métier. Les projets BI réalisés en vase clos ne remportent aucune adhésion. Résultat : vous avez perdu du temps et de l’argent.
Aujourd’hui la data est un moteur de l’innovation. À partir de son exploitation, on va pouvoir consolider les indicateurs clés et leurs tendances. À la clé : une vision synthétique de son activité et la possibilité d’une approche prédictive. Ce scénario est plausible à la seule condition que IT et Métiers soient d’accord sur les outils à mettre en place et les indicateurs à mesurer. L’enjeu c’est donc la co-construction. Une circulation de l’information fluide permettra d’opérer les bons choix entre les diverses options de paramétrage ou de personnalisation et d’accélérer le pilotage opérationnel en fin de projet.
3 – Penser, par défaut, que la donnée est de qualité
« Des données ? J’en ai plein ! Elles sont récoltées et traitées tous les jours par les différents départements de l’entreprise. Donc tout le monde a accès aux mêmes données. Je n’ai pas besoin d’un audit sur ma data ! »
Penser que les données sont récoltées de manière cohérente par vos équipes c’est l’échec assuré ! Vos data sont une mine d’or et pour les exploiter au mieux, il faut s’assurer qu’elles ne soient pas corrompues. Concrètement, tous les collaborateurs doivent être d’accord sur la définition et le calcul de la donnée affichée dans un tableau de bord. Il est donc impératif de co-construire le tableau de bord pour faire converger les points de vue.
Il est également recommandé de nommer un ou des administrateurs de données pour garantir la qualité et le sens de la donnée récoltée et en assurer la gouvernance. Cette ou ces personnes doivent remporter le suffrage de l’ensemble des collaborateurs pour avoir la possibilité de trancher en cas de litige sur le calcul ou l’évolution d’un indicateur.
De plus, en définissant avec vos équipes les indicateurs de performance (KPI) à suivre pour atteindre l’objectif défini, les mesures choisies seront comprises et approuvées de tous. C’est la clé du succès pour motiver vos collaborateurs autour d’un objectif.
Outre de former la DSI au data management en interne, réservez un budget pour un audit data réalisé par un consultant BI. Il vous aidera à peaufiner vos fonctionnalités, à définir les fréquences de reporting, à construire une visualisation efficiente et par dessus tout choisir la bonne architecture.
4 – Lancer de nouveaux projets pour mieux surveiller vos collaborateurs !
« Qu’à cela ne tienne ! Lancer un projet data va vous permettre enfin de mesurer l’efficacité et l’implication de vos équipes. En leur demandant de multiplier les reporting, vous aurez enfin un regard aiguisé sur leur activité ! »
Dans un premier temps, pour piloter l’activité, il est nécessaire de construire une politique de reporting efficace. C’est pourquoi, les utilisateurs doivent être impliqués dès l’élaboration du projet pour que leurs préoccupations de terrain et leurs points de vue soient pris en compte. S’ils adhèrent au projet, ils en deviendront les meilleurs promoteurs !
Si vous n’adoptez pas un langage commun votre projet BI n’aboutira jamais. Si vous ne motivez pas vos équipes autour d’un objectif commun à savoir la recherche de performance collective, votre stratégie sera difficile à mettre en œuvre. En effet, s’il y a une défiance, un utilisateur pourra se réapproprier la donnée, la recalculer.
En conséquence, le tableau de bord ne sera plus utilisé et la stratégie de l’entreprise ne sera pas appliquée. Harmoniser l’information au sein de l’entreprise est donc la première étape d’un projet data réussi.
5 – Ne pas accepter l’échec
« Il est inadmissible que nos expérimentations ne donnent pas les résultats attendus ! »
Il faut accepter l’expérimentation qui conduit à l’échec et donc à l’évolution. Aujourd’hui, la tendance est de considérer un service comme une brique qui correspond à un usage. En ce sens, vos premiers essais seront de détecter des cas d’usage pour créer de nouvelles fonctionnalités.
Les confronter au terrain très vite, dès le début du projet data, est une force et non un échec.
Se tromper c’est d’abord affiner, comprendre les limites des données ainsi que les besoin utilisateurs. C’est également peaufiner sa stratégie d’analyse prédictive, construire un socle technologique. C’est surtout un formidable fédérateur d’équipes !
Alors allez-y, trompez-vous, le droit à l’échec est le principe même de l’innovation.
