Pourquoi et comment devenir (vraiment) Data-Centric ?

Placer les données de l’entreprise au cœur de ses activités pour accélérer, réussir sa transformation, servir les stratégies métiers et business, c’est ce que l’on appelle la “data centricity”.  Plus facile à dire qu’à faire.

Data-Centric, késaco ?

Pour une entreprise, devenir data-driven symbolise cette volonté que la donnée est au cœur de l’activité, oriente les décisions, les stratégies métier et business. Cependant la façon d’y parvenir n’est pas toujours évidente.

Pour preuve, le dernier sondage Odoxa pour OpenDataSoft révèle que les dirigeants sont conscients de l’importance de la data : les trois quarts sont convaincus de son rôle central dans la prise de décision. Pour 85% d’entre eux, elle représente un axe de développement important tandis que 39% en ont même fait une priorité. Et pourtant, seules deux organisations sur 10 (21 %) démocratisent leurs données et peuvent être considérées comme data centric, précise l’étude. Selon cette étude, les décideurs (80%) déclarent disposer des ressources nécessaires pour rendre ces données accessibles et faciliter leur utilisation.

Même constat, sur les compétences : 68% des organisations estiment également avoir intégré les fonctions de gouvernance des données, de gestion des accès ou encore de diffusion de la culture et d’acculturation des collaborateurs (65%). Les freins sont donc culturels : 71% des décideurs estiment que la prise de décision est encore basée sur la perception et l’expérience des dirigeants.

Alors comment faire pour devenir data-centric ?

L’art de la méthode

Tout d’abord, il est essentiel d’identifier les cas d’usage : ce n’est pas un simple regard dans le rétroviseur. La stratégie orientée data doit permettre de s’ouvrir à d’autres enjeux, et à minima à d’autres façons de faire. Cela va permettre de définir une architecture qui puisse adresser le plus vaste ensemble de données possibles et de pouvoir les embarquer dans une logique de mutualisation technologique au service des métiers, du développement business et de la transformation de l’entreprise.

Quels partis pris architecturaux et quelles ressources ?

Avant de démarrer un projet, il est essentiel de définir des choix de design technique qui soient pertinents sur le long terme. De nombreuses options s’offrent à l’entreprise (temporalité, choix de plateforme d’échange unique pour gérer l’ensemble des flux de données, utiliser la virtualisation, etc.). C’est l’étude des enjeux liées à ces données qui doit permettre de faire les meilleurs choix.

Le succès d’une stratégie repose beaucoup sur la mobilisation des bonnes ressources et compétences. Un partenaire de confiance doit être choisi suivant son expérience de la maîtrise de toute la chaîne de valeur, sous tous ces aspects : fonctionnel, intégration, architecture etc.

Il s’agit de maîtriser les enjeux métiers, de savoir quoi faire pour servir les besoins et optimiser les performances, sans oublier l’accompagnement au changement, et le tout dans un savoir-faire méthodologique qui optimise le TCO. Trop de projets échouent du fait des appréhensions entre des profils de type DSI et des experts métiers.

La vraie réponse est de mobiliser chacun selon ses compétences. Pour cela, il n’y a pas de principes standards mais une adaptation à l’organisation actuelle, associée à une projection de rôles et processus futurs. C’est le véritable contenu de la gouvernance.

Les grandes étapes d’une stratégie Data-Centric

En premier lieu, il est important de distinguer les domaines et les cas d’usage. Les domaines sont les clients, produits, assets etc, chacun en partie communs à divers métiers de l’entreprise. Ainsi, un client est le sujet central du marketing mais est également un élément clé pour les départements finance, logistique, compliance etc.

Au contraire, un cas d’usage est en rapport avec un métier, un département. Une fois cette distinction faite, il faut considérer plusieurs éléments. Le constat et le contexte étant posés, comment devenir véritablement data centric ?

Voici 5 étapes clés à suivre :

> Définissez les périmètres de données (périmètre partagé à certains acteurs, périmètre dédié à certains métiers et propre à des cas d’usages) et ses connexions.

> Intégrez les données et applications à votre plateforme iPaaS, idéalement low-code et supportant l’intégration en temps réel, la mise à l’échelle flexible pour répondre aux besoins en volume de données nécessaires à tout type d’écosystème.

> Mettez vos données en qualité et gouvernez-les : l’objectif de la démarche et architecture data-centric est de permettre de travailler sur des données exploitables Ce qui signifie qu’elles soient exactes, accessibles et à jour, dans le respect des contraintes réglementaires.  Puis traitez les données, compréhensibles et documentées, associées à des indicateurs de qualité (taux de complétude, respect des formats), suivies dans leur cycle de vie, requêtables et conformes aux exigences réglementaires.

> Ensuite, il s’agit de modéliser, dédupliquer, synchroniser, nettoyer et enrichir les données de différents domaines métier et le cas échéant de les relier entre eux. Vient dès lors l’activation des données au sein de l’écosystème IT, pour pouvoir les décliner dans les différents processus métiers de chaque activité.

> La data-centricity doit aussi permettre de gérer les interactions entre l’entreprise et le monde extérieur. La gestion des API dans une logique de services est ici le levier d’appui de cette stratégie. La construction des parcours clients (Customer Journeys) et d’automatisation des workflows ou processus métier, assurent la création et le déploiement d’applications web qui peuvent manipuler et synchroniser la donnée pour l’utiliser dans d’autres applications mobiles ou web.

Les données sont devenues le moteur des entreprises : elles alimentent l’ensemble des processus et des échanges. Leur gouvernance est clé.

Casser les silos est souvent synonyme d’une plus grande agilité et d’une forte valeur ajoutée business. Pour devenir vraiment data-centric, il faut repenser l’approche de la donnée au sein des organisations. Disposer des compétences et de la bonne infrastructure est un prérequis au service de la culture d’entreprise et de son organisation. La donnée doit être au cœur de ces deux éléments.