Changez les comportements grâce à l'analytique agile pour provoquer la transformation
Pour provoquer le changement avec les données, vous avez besoin d'une stratégie agile qui, au-delà du déploiement d'une technologie analytique, s'intéresse au comportement utilisateur. Découvrez comment surmonter les obstacles.
Aujourd'hui, de nombreuses entreprises ont tout à fait conscience de l'importance des données dans la transformation numérique et investissent davantage dans l'analytique moderne pour innover et accélérer le changement. Elles cherchent également à réduire les coûts et à trouver de nouvelles sources de revenus. Tout le monde s'accorde sur le fait que placer les données au cœur des conversations peut stimuler au changement. Pourtant, les initiatives de déploiement de l'analytique à grande échelle aboutissent rarement. Qu'est-ce qui explique un tel échec ?
Le rôle de l'IT est de fournir aux collaborateurs les données dont ils ont besoin pour prendre des décisions. Mais l'accès aux données ne suffit pas ! Une prise de décision efficace repose sur deux autres ingrédients essentiels : la motivation et la confiance. Devenir data-driven nécessite une certaine agilité de la part des responsables IT. En effet, il ne s'agit pas simplement de déployer une solution technique, mais également de piloter le changement d'une manière itérative, afin d'apporter une réelle valeur métier et de laisser libre cours à de nouveaux comportements chez les utilisateurs. Pour cela, il faut mettre en place des outils et des processus que tous auront véritablement envie d'utiliser, enseigner de nouvelles compétences, encourager de nouvelles habitudes et mettre les réussites à l'honneur.
Découvrez certains des obstacles qui vous attendent et une nouvelle manière d'aborder la stratégie de déploiement agile.
Une initiative qui a besoin de tout le monde pour se développer
Avant de passer au déploiement de l'analytique à grande échelle, l'entreprise commence souvent par tester des cas d'utilisation dans des implémentations plus modestes, en se limitant à un service. Vous pouvez utiliser cette approche si vous devez d'abord faire la preuve de la valeur et du ROI d'une solution en libre-service moderne. L'une des plus grandes difficultés sera alors d'obtenir le soutien de la direction.
Même si les utilisateurs confirmés font souvent office de « champions » dans ce type d'initiative, le déploiement de l'analytique à grande échelle ne peut se faire sans l'appui de la direction. Vous en avez besoin pour définir la vision globale de l'entreprise en matière d'utilisation des données, canaliser les efforts visant à faire avancer le projet analytique et définir des modèles de comportements. Le fait que la hiérarchie souhaite placer les données au cœur des opérations peut ouvrir la voie à des discussions productives autour des données pendant les réunions, puisqu'il n'est plus nécessaire d'attendre qu'un collègue ait fini de passer les chiffres à la moulinette.
Par ailleurs, il est essentiel de mesurer et de démontrer l'incidence de vos efforts sur le déploiement et l'évolution de votre projet analytique. Autrement dit, vous devez identifier les métriques qui reflètent le mieux l'effet cumulé de vos déploiements itératifs, des pratiques de gouvernance, du développement des compétences analytiques et de la croissance de la communauté. Les métriques pertinentes, en particulier pour mesurer les changements de comportement, varient d'une entreprise à l'autre. Elles doivent donc être revues régulièrement à mesure que les pratiques analytiques évoluent.
Une nouvelle perception de la gouvernance
Lors de l'adoption de l'analytique moderne, le principe le plus important est peut-être que le libre-service et la gouvernance ne sont pas contradictoires. Le libre-service est conçu pour que chacun puisse trouver des réponses à ses questions en utilisant des données fiables et prendre les bonnes décisions. Il ne se limite pas à explorer des tableaux de bord créés par des analystes. Dans un environnement en libre-service doté d'une vraie gouvernance, les administrateurs système ne craignent plus l'exploration libre des données : au contraire, ils l'encouragent. Cela leur permet de mieux surveiller le système et de fournir les bonnes données. En résumé, c'est la gouvernance qui rend le libre-service possible.
Avec un contrôle excessif, l'IT risque de limiter les usages possibles dans l'environnement analytique, ce qui pourrait mettre un frein à l'innovation qui se profile lorsque les utilisateurs découvrent de nouvelles sources de données ou de nouvelles façons d'utiliser les données. Avec une gouvernance exagérée, les utilisateurs peuvent avoir l'impression que votre environnement analytique ne les aide pas : ils se connectent au système et ne parviennent pas à trouver les données dont ils ont besoin. Ils risquent alors de se tourner vers les feuilles de calcul pour essayer de trouver des réponses en dehors de l'environnement sous gouvernance, ce qui compromet la sécurité des données.
À l'inverse, lorsque la gouvernance et la gestion d'un environnement ne sont pas assez strictes, les utilisateurs risquent d'être déroutés par la multitude de contenus ou d'interagir avec les données d'une façon qui surcharge inutilement le système. En l'absence de règles pour la création et l'optimisation du contenu, ils peuvent être déçus par les performances et trouver que le système est trop lent, mal organisé ou ne fonctionne pas.
Délégation des responsabilités au fil de l'évolution
L'analytique moderne change le rôle de l'IT qui devient un partenaire plus stratégique pour les métiers, ce qui permet aux utilisateurs de travailler dans un environnement en libre-service fiable. À grande échelle, l'IT doit également déléguer une partie des responsabilités inhérentes à une approche BI descendante traditionnelle. Avec les bons processus, les bonnes normes et les bonnes formations, les utilisateurs métier peuvent aider à gérer les sources de données, les contenus analytiques et les utilisateurs dans le système. Ils peuvent également contribuer aux projets d'apprentissage, à l'évangélisation et à la communauté interne. Lorsque les utilisateurs accordent de la valeur à ces efforts et y participent, l'IT peut gérer des initiatives stratégiques telles que les accords de niveau de service et garantir la sécurité des actifs de l'entreprise.
C'est un grand pas en avant pour concrétiser la vision qu'a votre entreprise de l'analytique en libre-service. Cherchez-vous à vous éloigner d'un modèle BI traditionnel piloté par l'IT ou à pallier un manque de compétences ? Alors, il est préférable qu'une équipe BI centralisée crée les premiers cas d'utilisation dans les différents services, comme l'IT ou un data steward crée des sources de données fiables ou comme des personnes formées à l'analytique créent des tableaux de bord. Par la suite, l'IT peut déléguer des responsabilités au fur et à mesure que les utilisateurs acquièrent les compétences nécessaires.
Les moyens d'apprendre et de partager
Actuellement, vos utilisateurs métier savent-ils où se trouvent les données dont ils ont besoin ? Comprennent-ils la structure des tables et les relations entre les données dans votre architecture moderne ? Ils ont peut-être des données pour répondre à une question, mais ils doivent les combiner à d'autres données s'ils veulent trouver les réponses aux nouvelles questions qui émergent. Comment encouragez-vous le développement des connaissances pour que chacun, à son niveau, devienne efficace ?
Commencez par faire le point sur les compétences actuelles et celles qui restent à acquérir. Déterminez quels types d'utilisateurs ont recours à l'analytique. Où en sont-ils ? Ont-ils les aptitudes nécessaires ? Définissez des profils d'apprentissage en fonction des différents types d'utilisateurs, d'après leur rôle et leur rapport aux données. Attribuez-leur ensuite le cursus d'apprentissage adapté pour leur permettre de développer les compétences nécessaires.
Autre élément essentiel pour promouvoir l'utilisation des données : créer une communauté. Lorsque les utilisateurs peuvent échanger des idées et célébrer les réussites, ils sont plus enclins à adopter les valeurs et les comportements d'une culture de la prise de décision data-driven, ce qui favorise l'innovation. L'analytique et son apprentissage deviennent plus ludiques, ce qui satisfait la curiosité et la créativité naturelles des utilisateurs. Les tâches importantes leur paraissent alors moins répétitives et plus épanouissantes. Pensez aux compétitions entre collègues et à la gamification pour stimuler la créativité, l'enthousiasme et la cohésion.
Agilité et flexibilité, deux atouts à conserver
Une approche agile a besoin d'une boucle de feedback pour l'évaluation et l'amélioration. Vous devez réévaluer les besoins de façon proactive, qu'il s'agisse de la topologie du serveur, des licences des utilisateurs ou encore des cas d'utilisation analytiques et des processus associés. Toute activité est amenée à se développer. Votre projet analytique doit être capable de s'adapter à l'évolution de vos besoins. Gardez le contact avec les responsables des différentes entités. Ainsi, tout le monde sera sur la même longueur d'onde pour les améliorations à apporter alors que vous affinerez et étendrez votre stratégie et votre déploiement analytique.
La surveillance et la maintenance sont essentielles pour garantir une certaine agilité et s'adapter à l'augmentation des charges de travail due à un plus grand nombre d'utilisateurs, aux nouvelles données et aux nouveaux cas d'utilisation. Cela vous aide également à identifier et à résoudre les problèmes de performance de votre environnement, ainsi qu'à trouver de nouvelles opportunités pour mieux former les utilisateurs métier aux meilleures pratiques de l'analytique. Selon la taille de votre entreprise et de votre déploiement, des équipes différentes peuvent se partager la surveillance et les mesures, ce qui permet d'optimiser le suivi de l'utilisation et des performances.
L'importance d'une stratégie data rigoureuse avant le déploiement
Un déploiement agile commence par une phase de découverte et de planification. Mieux vous comprenez les besoins de votre entreprise, plus vous serez capable de préparer en amont l'utilisation généralisée des données. Pour faire évoluer votre déploiement analytique moderne afin de transformer toute l'entreprise, vous devez adopter une approche méthodique et reproductible en vue d'identifier les sources de données vitales, la façon dont les données sont sélectionnées, gérées, distribuées, consommées et sécurisées, et la manière dont les utilisateurs sont formés et impliqués.
Chaque entreprise aura sa propre approche pour devenir data-driven. Toutefois, pour réussir votre transformation, vous avez besoin d'une méthode globale mûrement réfléchie afin de faire évoluer vos pratiques analytiques. Si vous vous heurtez aux obstacles que nous avons décrits, vérifiez que votre stratégie de déploiement agile ne couvre pas uniquement la technologie.
Visitez notre site Web pour en savoir plus sur les étapes à suivre pour devenir une entreprise « data-driven » avec un déploiement agile, sur le rôle essentiel de l'IT dans cette transformation, et plus encore.
Présentation de l'auteur : Charles Schaefer, Head of Market Intelligence, Tableau
Charles Schaefer dirige les activités de Market Intelligence chez Tableau. Depuis près de 10 ans, il suit l'évolution rapide du marché de la Business Intelligence (BI) et de l'analytique. Son expertise ne s'arrête pas là : il contribue également à la stratégie concurrentielle et au positionnement de la plate-forme Tableau. Il travaille en étroite collaboration avec les responsables des ventes, du marketing et de la gestion produit dans le but de stimuler la compétitivité de l'offre Tableau qui ne cesse de s'étoffer. Avant de rejoindre l'entreprise, il avait pu constater la puissance de Tableau en tant qu'analyste et chargé de recherche.