[INTERVIEW CROISEE] Enjeux business et besoins utilisateurs : comment évoluent les projets schémas directeurs ?

Cyril Breton : À mon avis, les changements ont été de deux ordres. Le premier changement est que nous sommes vraiment passés d’une logique très départementale – un service, souvent le commerce ou le contrôle de gestion, qui avait un besoin spécifique à adresser – à une logique d’entreprise. Cela vient du fait que la data est désormais au cœur de la stratégie des entreprises, et que les problématiques de qualité et de cohérence de données entre départements ont été exacerbées. Le second changement vient des multiples usages possibles dus à l’autonomie des utilisateurs. Nous sommes passés d‘un portefeuille de rapports prédéfinis et préformatés, plus ou moins paramétrables, à la mise à disposition de données, préparées et de qualité, pour un usage personnel de chaque utilisateur. Ces changements ont eu un impact sur l’étendue de nos recommandations. Désormais, il n’est pas rare d’avoir des conclusions fortes sur l’organisation et les process de l’entreprise. Cette vision systémique de la data, qui remet au centre l’usage de la donnée, est traduite dans notre méthode Data Thinking.

Jean-Luc Lyczak : Je confirme l’analyse de Cyril et j’ajouterai qu’aujourd’hui la révolution autour de la data ainsi que l’autonomisation des consommateurs des données de l’entreprise, qui sont de plus en plus nombreux et avec des besoins très différents, entraînent une nouvelle approche des systèmes d’information. La démarche schéma directeur, sur fond de Data Intelligence, a encore plus de sens dans la mesure où les architectures data centric passent par la considération tant du SI opérationnel (les systèmes de gestion générant de la donnée) que du SI décisionnel (les solutions permettant de les valoriser). Les projets schéma directeur centrés sur la data prédominent désormais sur les projets d’architectures applicatives, du moins donnent la structure du SI digital devant être mis en œuvre.

Cyril Breton : Pour ma part, je parlerais plus d’enjeux en termes d’usages que d’enjeux métiers, qui peuvent être multiples. Concernant les usages, c’est le besoin de pouvoir bénéficier au plus vite de la donnée la plus fraîche, de qualité et utilisable par un outil qui demande très peu de formation. Les utilisateurs ont appris sur toutes leurs applications personnelles à disposer d’outils user-friendly et ne supportent plus d’être limités dans leur milieu professionnel, comme cela a longtemps été le cas.

Jean-Luc Lyczak : Si les métiers de la relation clients étaient pionniers dans l’exploitation de la data, aujourd’hui quasiment tous les métiers s’y intéressent. La compta-finance est un bon exemple : les actuaires ne sont plus des data scientistes isolés, avec leur batterie d’outils et de silos de données ; ils deviennent les consommateurs de systèmes que bâtit aujourd’hui globalement l’entreprise, avec le bonheur de disposer de données dont la qualité ne relève plus que de leur fait. Et la révolution data va jusqu’à réformer les systèmes comptables : la donnée comptable retrouve sa place de donnée réglementaire là où elle était trop souvent considérée comme seule source fiable pour les besoins d’analyses internes.

Cyril Breton : Le Big Data n’a pas fondamentalement changé les besoins de nos clients. Bien entendu, les trois principaux « V » du Big data (Volume, Vitesse et Variété) ont permis de traiter plus de données mais souvent des bases Oracle, Teradata et bien d’autres permettaient déjà de gérer d’importants volumes de données. Concernant la vitesse, on constate au fil du temps que, sur le plan du décisionnel, très peu de use cases nécessitent du temps réel. Concernant la variété, elle a aussi permis d’ajouter quelques indicateurs complémentaires, principalement dans le monde Marketing. Bien souvent, ces projets Big Data n’ont pas été montés avec dans l’idée de répondre à un use case probant, et le résultat a été finalement assez pauvre pour l’utilisateur final. En créant une nouvelle approche de la donnée avec le Data Thinking, nous avons voulu remettre au centre des réflexions les enjeux business et les besoins utilisateurs.

Jean-Luc Lyczak : La dimension « BIG » dans la notion de Big Data a des significations très diverses. La plus probante pour les entreprises est de pouvoir disposer de tout type de données, de les rendre disponibles au plus grand nombre et de les enrichir en permanence. C’est ainsi qu’il faut envisager toute interaction avec les données, en mettant à disposition les résultantes de l’usage même que chacun en fait. La donnée est brute, l’information est la valeur qu’on en retire. Mettre à disposition cette information, la diffuser selon une nouvelle boucle vertueuse, matérialise cette dimension du « BIG » que j’évoquais. À mon sens, le concept de DataLake est le développement le plus marquant de l’approche du Big Data. Il s’agit de réservoirs de données, d’informations, de connaissances accumulées. Le DataLake matérialise la possibilité d’enrichir et de disposer de ces informations.

Cyril Breton : Je pense notamment à l’un de nos clients dans le métier de la formation dont l’analyse des données était silotée à l’origine : côté marketing, analyse du trafic sur les sites Web ; côté commercial, suivi du taux de conversion des clients après inscription sur le site... Sa réflexion data centric lui permet de mettre en relation ces données autrefois séparées, d’une part, mais également d’intégrer de nouvelles données, d’autre part, telles que les comportements étudiants sur les formations en ligne, par exemple, qui apportent une vraie plus-value en corrélation avec les données initiales. Désormais, la data lui permet de développer son offre de services, notamment de proposer d’autres formations sur la base d’analyse de comportements étudiants ou encore des accompagnements complémentaires.

Jean-Luc Lyczak : Comme mentionné précédemment, je pense au cas de transformation d’un SI financier et comptable. Cet exemple, vécu dans l’une des plus grande entreprise d’assurance française, témoigne du début d’une vraie transformation digitale de l’entreprise, impliquant rapidement l’ensemble de ses activités et de ses métiers. L’idée de départ est de concentrer les données et les informations issues des systèmes de gestion et de constituer un réservoir unique pour les besoins des analyses et du reporting Actuariat ainsi que le reporting comptable (processus quotidiens, arrêtés, clôture). Mais en disposant des données de gestion, l’objectif est aussi de traiter le déversement comptable en amont du reporting et, à terme, pourquoi pas, les états réglementaires. Tout est possible !

Cyril Breton : Les bénéfices sont de plusieurs types. Tout d’abord, les entreprises ont une meilleure connaissance de leur propre environnement et donc de meilleures décisions sont prises. Ensuite, la data permet de proposer un service complémentaire qui peut accompagner une offre existante voire d’en créer une de toute pièce, parfois plus rentable que le service initial.

Jean-Luc Lyczak : Tous les métiers de la comptabilité et de la finance sont mobilisés, mais également les domaines de gestion périphériques dont l’objectif est de décommissionner les DWH spécifiques et donc isolés. Les référentiels retrouvent leur place. Les analyses Actuariat drainent les données de gestion des principaux domaines, remis en relation en mobilisant toutes les parties prenantes (contrats, garanties, distributeurs, primes, produits, sinistres, règlements, amortissements, etc.) et l’idée est de générer une boucle vertueuse de collaboration, assurant la qualité et structurant la gouvernance des données pour le bénéfice de tous. Ces chantiers ne délivrent pas immédiatement, mais ne sont pas plus pharaoniques que la rénovation unitaire des entrepôts de données existants et l’investissement est payant car les efforts sont concentrés. La réussite est conditionnée par le changement d’approche autour de la data qui permet de changer de dimension : l’entreprise se restructure autour de la valeur de la donnée et œuvre désormais à consolider son capital data. La boucle vertueuse est engagée, accélérée par l’usage du système (y compris avec des données en l’état) et l’appropriation des différentes parties prenantes à générer les informations manquantes ou correctives en retour.

Cyril Breton : De mon point de vue, l’arrivée du Cloud change la donne : il permet de pouvoir tester rapidement un cas d’usage, d’en valider à la fois le principe et le fonctionnement, en investissant peu au départ. Une fois le ROI du projet validé, les équipes SI peuvent déployer à grand échelle, en restant en Cloud ou en réintégrant sur du pur On-premise si besoin. Cette possibilité offre une grande plus-value en termes d’agilité pour les métiers. Dans un monde qui évolue toujours plus vite, ils ont besoin de pouvoir faire des erreurs sans que cela n’engage des coûts importants.

Jean-Luc Lyczak : Une fois les idées reçues écartées, quant à la confidentialité et aux notions de possession des données qui nous échappent, on entre dans la dimension de l’agilité requise pour bénéficier de l’accélération nécessaire à l’approche digitale. C’est précisément là que le Cloud intervient. D’ailleurs, la confidentialité est souvent un faux problème : beaucoup d’exemples témoignent de la valeur, ne serait-ce que des données anonymisées pour analyser des tendances et phénomènes de masse, et faire de la prospective. Il est difficile d’avoir cette agilité en interne car cela représente un coût ou des efforts difficiles à affronter. C’est aussi une question de mindset, c’est-à-dire être au bon niveau d’ouverture d’esprit pour changer de dimension dans l’exploitation des données et aller au-delà de la problématique de stockage. C’est en ce sens que nous introduisons, chez Micropole, la notion de « Data Thinking ».