Antoine Labuche, Responsable Commercial spécialisé sur les questions d'industrie 4.0, chez AD Ultima Group
Voici nos cinq conseils pour tirer le meilleur des données de production.
Partir des enjeux business
Un écueil courant en matière d'exploitation des données consiste à se focaliser excessivement sur l'aspect technique de l'opération et de baser sa réflexion sur les solutions IT disponibles sur le marché. Or, le véritable challenge dans ce domaine n'est pas d'ordre technique mais stratégique. La première étape d'un projet data doit être la définition précise des objectifs du business en général et de chaque projet en particulier. Ce sera ensuite aux enjeux techniques de s'aligner sur la stratégie ainsi déterminée. La transformation digitale questionne la vision d'entreprise dans son ensemble : elle doit donc être menée comme un projet business avant d'être un problème technique.
Prendre en compte les besoins des utilisateurs
Une fois l'orientation stratégique définie, vient le moment de la définition des processus à mettre en place en vue de l'agrégation, de la mise en forme et de la distribution des données. Pour être menée efficacement, cette étape du projet doit tenir compte d'un paramètre primordial : les besoins exprimés par les utilisateurs. Des outils performants doivent avant tout répondre à des besoins réels et exprimés par des personnes connaissant de première main les enjeux de leur métier. Une phase de consultation approfondie est donc indispensable. Elle peut notamment se formaliser à travers des workshops dédiés, des enquêtes menées par l'équipe projet et des entretiens individuels. Remarquons cependant qu'il est nécessaire d'arbitrer intelligemment en matière de développement de fonctionnalités sur-mesure. Trop modifier la solution est susceptible de nuire à sa pertinence et à ses montées de version.
Définir des indicateurs qui font consensus
Pour avoir un impact réel sur les outils et les processus de valorisation des données, cette phase de consultation doit mener à l'élaboration d'indicateurs précis. Ce sont ces indicateurs qui permettront de structurer efficacement les informations et d'orienter la stratégie de l'entreprise. Bien sûr, la définition de ces indicateurs peut varier en fonction du métier de chacun et de sa place dans l'organigramme de l'entreprise. Ils peuvent également changer d'un projet à l'autre. Les outils et les processus devront alors s'adapter à ces différents besoins. Mais, en dernière analyse, une définition commune et consensuelle des principaux indicateurs ou KPI doit être trouvée pour hiérarchiser précisément l'information.
Adopter une vision globale du digital
Trop d'entreprises ont encore tendance à penser la data en silo, c'est-à-dire de manière indépendante, sans prendre en compte toutes les briques applicatives de l'entreprise. Pourtant les projets data sont d'autant plus bénéfiques à l'entreprise qu'ils sont pensés de façon complémentaire avec le reste de l'écosystème logiciel. Un projet data peut par exemple avoir une incidence déterminante sur l'efficacité d'un projet ERP, en identifiant un type de donnée qui manque ou qui n'est pas suffisamment qualifié et qu'il s'agit alors d'intégrer au nouvel ERP.
L'idée essentielle est d'obtenir une vision globale de la transformation digitale. Celle-ci s'inscrit forcément dans une articulation cohérente de l'ensemble des outils numériques de l'entreprise. C'est cette vision « end-to-end » de l'informatique qui doit guider la conception des process internes et la valorisation des données.
Présenter la bonne donnée à la bonne personne au bon moment
Une donnée réellement valorisée, c'est une donnée disponible au bon moment, pour la bonne personne. Il s'agit donc de créer des workflows qui permettent de caractériser les données dont ont besoin les différentes parties prenantes et de leur mettre à disposition, quasiment en temps réel, et sous un format qu'ils peuvent immédiatement exploiter. Pour les utilisateurs métiers, cette disponibilité des données doit être automatique et intuitive. Si ce conseil peut sembler évident, au regard des volumes immenses de données (internes et externes), leur rationalisation représente un véritable challenge technique, opérationnel et métier.
Dans un environnement industriel, la gestion intelligente des données constitue un des défis majeurs des équipes dirigeantes. Avant de vous lancer dans un tel projet, il est nécessaire d'appliquer une méthode rigoureuse pour faire correspondre ses problématiques métiers propres, ses besoins et les solutions data disponibles sur le marché.
Partir des enjeux business
Un écueil courant en matière d'exploitation des données consiste à se focaliser excessivement sur l'aspect technique de l'opération et de baser sa réflexion sur les solutions IT disponibles sur le marché. Or, le véritable challenge dans ce domaine n'est pas d'ordre technique mais stratégique. La première étape d'un projet data doit être la définition précise des objectifs du business en général et de chaque projet en particulier. Ce sera ensuite aux enjeux techniques de s'aligner sur la stratégie ainsi déterminée. La transformation digitale questionne la vision d'entreprise dans son ensemble : elle doit donc être menée comme un projet business avant d'être un problème technique.
Prendre en compte les besoins des utilisateurs
Une fois l'orientation stratégique définie, vient le moment de la définition des processus à mettre en place en vue de l'agrégation, de la mise en forme et de la distribution des données. Pour être menée efficacement, cette étape du projet doit tenir compte d'un paramètre primordial : les besoins exprimés par les utilisateurs. Des outils performants doivent avant tout répondre à des besoins réels et exprimés par des personnes connaissant de première main les enjeux de leur métier. Une phase de consultation approfondie est donc indispensable. Elle peut notamment se formaliser à travers des workshops dédiés, des enquêtes menées par l'équipe projet et des entretiens individuels. Remarquons cependant qu'il est nécessaire d'arbitrer intelligemment en matière de développement de fonctionnalités sur-mesure. Trop modifier la solution est susceptible de nuire à sa pertinence et à ses montées de version.
Définir des indicateurs qui font consensus
Pour avoir un impact réel sur les outils et les processus de valorisation des données, cette phase de consultation doit mener à l'élaboration d'indicateurs précis. Ce sont ces indicateurs qui permettront de structurer efficacement les informations et d'orienter la stratégie de l'entreprise. Bien sûr, la définition de ces indicateurs peut varier en fonction du métier de chacun et de sa place dans l'organigramme de l'entreprise. Ils peuvent également changer d'un projet à l'autre. Les outils et les processus devront alors s'adapter à ces différents besoins. Mais, en dernière analyse, une définition commune et consensuelle des principaux indicateurs ou KPI doit être trouvée pour hiérarchiser précisément l'information.
Adopter une vision globale du digital
Trop d'entreprises ont encore tendance à penser la data en silo, c'est-à-dire de manière indépendante, sans prendre en compte toutes les briques applicatives de l'entreprise. Pourtant les projets data sont d'autant plus bénéfiques à l'entreprise qu'ils sont pensés de façon complémentaire avec le reste de l'écosystème logiciel. Un projet data peut par exemple avoir une incidence déterminante sur l'efficacité d'un projet ERP, en identifiant un type de donnée qui manque ou qui n'est pas suffisamment qualifié et qu'il s'agit alors d'intégrer au nouvel ERP.
L'idée essentielle est d'obtenir une vision globale de la transformation digitale. Celle-ci s'inscrit forcément dans une articulation cohérente de l'ensemble des outils numériques de l'entreprise. C'est cette vision « end-to-end » de l'informatique qui doit guider la conception des process internes et la valorisation des données.
Présenter la bonne donnée à la bonne personne au bon moment
Une donnée réellement valorisée, c'est une donnée disponible au bon moment, pour la bonne personne. Il s'agit donc de créer des workflows qui permettent de caractériser les données dont ont besoin les différentes parties prenantes et de leur mettre à disposition, quasiment en temps réel, et sous un format qu'ils peuvent immédiatement exploiter. Pour les utilisateurs métiers, cette disponibilité des données doit être automatique et intuitive. Si ce conseil peut sembler évident, au regard des volumes immenses de données (internes et externes), leur rationalisation représente un véritable challenge technique, opérationnel et métier.
Dans un environnement industriel, la gestion intelligente des données constitue un des défis majeurs des équipes dirigeantes. Avant de vous lancer dans un tel projet, il est nécessaire d'appliquer une méthode rigoureuse pour faire correspondre ses problématiques métiers propres, ses besoins et les solutions data disponibles sur le marché.
