La donnée non structurée, dite « brute » a peu de valeur. Elle a besoin d'être transformée en smart data pour être utilisable au sein de l’entreprise. Et cette smart data peut alors avoir une grande utilité : repenser les process internes de l’entreprise, ou même contribuer à en définir de nouveaux.
Par Laetitia Nourissat Gourd DG fondatrice Decidento
Ces dix dernières années, nous sommes spectateurs de considérables accélérations technologiques. Tout d’abord la production en perpétuelle augmentation d’un volume énorme de données. Cisco a évalué le trafic mondial annuel sur Internet à 1 zettaoctet, soit l’équivalent de 150 millions d’années de vidéo haute définition. Mais aussi d’une mutation des capacités à traiter, organiser et stocker toutes ces données.
Ce volume de données est activé par des sources sans cesse plus nombreuses qui sont les données publiques provenant de l’opendata. A noter que le gouvernement français favorise l’ouverture et la cohérence des données avec la loi PACTE depuis 2015, et a d’ailleurs annoncé, le 16 septembre 2021 pour appuyer cette démarche, la création du registre national des entreprises le 16 septembre 2021 pour début 2023. Ces sources sont aussi constituées des données web, données clients internes aux entreprises, données métiers, données secteurs et analytiques, données de statistiques, données des objets connectés, données des réseaux sociaux. Selon une enquête récente de Splunk (2019), 55% des données globales des entreprises seraient de la dark data (autrement dit, elles sont inconnues, non détectées, non quantifiées, sous-utilisées voire totalement inexploitées).
Convertir une donnée brute en donnée opérationnelle
La capacité de stocker la data a évolué, et est devenue plus abordable en termes de coût pour les entreprises sur OVH ou Amazon (AWS). La capacité de calcul sur ces données a aussi été beaucoup améliorée par les nouveaux langages et ordinateurs. On peut citer par exemple, le programme AlphaGo qui a triomphé du champion du monde de jeu de Go. Le machine learning dans l’univers des jeux ou encore pour la traduction linguistique automatique a fait d’immense progrès.
Le travail sur cette donnée pour la convertir en une donnée “opérationnelle” pour les entreprises fait de notre époque un véritable tournant. En effet, ce sont les algorithmes basés sur le machine learning ou apprentissage automatique qui ont permis cela. Par exemple, grâce au développement de logiciels IA et d’outils analytiques plus simples à utiliser, comme Salesforce Einstein, un grand nombre d’entreprises peuvent désormais utiliser les analyses prédictives.
Les avancées réalisées dans le domaine du deep learning ou réseau neuronal artificiel permettent de repousser nos limites et de résoudre des problèmes qu’il était difficile de résoudre avec des problèmes mathématiques. D’ailleurs, le google deeping afin de creuser cet aspect (Google DeepMind : tout savoir sur la division IA du groupe Alphabet (lebigdata.fr)) Tout comme les technologies qui nous permettent d'interpréter des images comme retailnet (People Counting | Occupancy | Retail Analytics | RetailNext) ou OCR.
Une transformation digitale en trois points pour les PME
La data “le nouvel or noir” met en valeur le fait qu’elle doit être “raffinée” comme le pétrole afin d’être utile ou opérationnelle. Les nombreux métiers qui apparaissent aujourd’hui sont ainsi issus de cette nouvelle capacité à exploiter la data. Cette data nourrit donc la transformation digitale en créant ces nouveaux métiers et nouveaux modèles de vente.
Les questions alors à se poser afin de mettre en place une transformation digitale dans les PME sont au carrefour des 4P de Kotler : Client, produits, process et canaux de distribution et sont axés autour des données :
L’essor des objets connectés. L’usage du téléphone mobile et de l’ordinateur portable a profondément changé la façon de travailler des équipes commerciales. Le fait d’ailleurs de pouvoir “tracer” le parcours du commercial dans sa voiture, de le suivre pas à pas selon ses dépenses était inenvisageable aussi précisément il y a quelques années. Toutes ces données croisées avec d’autres permettent de construire des ecosystèmes.
Par ailleurs, dans le domaine de la santé, beaucoup d’espoirs sont fondés sur les objets connectés pour mettre en place, un support d’urgence et d’assistance médicale virtuelle permettant d’alléger les services d’urgences.
Le scoring pour anticiper les besoins des utilisateurs et la prescription. L’IA nous permettra de proposer au décideur du futur, “la bonne information au bon moment” pour son business. Pas seulement par rapport à ses actions sur internet encapsulées grâces aux cookies qui seront sûrement plus réglementés qu'aujourd'hui avec l’application de la RGPD, mais plutôt par rapport aux choix qu’il aura réalisé sur des outils orientés “data” et qui sauront les mettre en perspective avec des données pertinentes et parallèle à ses processus métiers.
Le potentiel d’apprentissage de l’IA nous permet d’amasser des données pour interpréter et anticiper par exemple des projets d'achat insight sales ou des territoires qui vont être en pénurie de certains produits…De nombreux outils accessibles permettent à des Data Scientists de créer, entraîner et déployer des modèles d’apprentissage automatiques.
Satisfaction et confort utilisateur. L’intelligence artificielle arrive en renfort du service client pour satisfaire des clients qui seront toujours plus exigeants: rapidité de temps de traitement des demandes d’assistance, ergonomie des interfaces. L’automatisation des tâches, la création de funnels, les tchatbot
En bref, une entreprise dont la transformation digitale est enclenchée se doit d’être “data driven”. Mais comment démarrer ?
Tout d’abord récupérer les données et les assimiler. Structurer toutes les données internes au sein du système d’information. Auparavant, il faudra vérifier à l’entrée que la donnée est de qualité. De même que l’accès à la donnée soit protégé et sécurisé. Mais la problématique des PME sera aussi d'historiser la donnée, de la tenir à jour de façon périodique, de la synchroniser avec les autres instances de l’entreprise.
Exploiter les données pour créer de la valeur. C’est ici qu’entre en jeu les data factories, c’est à dire des systèmes d’intégration de données hybrides et de data visualisation. Pour cela il est essentiel de créer des unités de travail afin que la donnée soit exploitable, sous la forme d’une carte, d’un graphique. L’objectif étant qu’elle soit lisible pour les équipes afin qu’elles puissent les utiliser facilement dans leur business quotidien. C’est même le nom d’un produit “azure data factory” qui permet cela.
Une nouvelle ère pour les entreprises. Le temps est à la “data culture”, et les salariés doivent évoluer vers cela avec de nouveaux métiers, de nouvelles formations. Peut être une conduite du changement doit être envisagée au sein de l’entreprise pour passer à un modèle “agile” où l'on expérimente et remet en question pour mieux progresser.
Pour conclure, comme le dit Ganesh Ayyar, PDG de Mphasis, société de services informatiques qui réalise plus d’1Md€ de CA : « une entreprise numérique serait une entreprise qui a un véritable état d’esprit orienté data, additionnée de deux caractéristiques : la première serait de fonctionner en mode agile et la deuxième d’aller cinq fois plus vite dans sa vitesse de mise en place du changement ».
La data dans les entreprises doit donc être au cœur du processus de transformation digitale, ce qui nous offre alors de nombreuses possibilités pour réinventer nos modèles business. Comme les anciens ont vécu la révolution industrielle, il va falloir anticiper la vague, voire le tsunami de cette transformation qui opère déjà dans la plupart des startup de façon native, afin de ne pas rester sur le bas côté.
Pour en savoir plus sur Decidento, cliquez-ici
Participer à la conversation