My Blog

Étiquette : data

  • Pourquoi le rôle de l’intelligence artificielle sera d’assister l’intelligence humaine

    Pourquoi le rôle de l’intelligence artificielle d’assister l’intelligence humaine

    Par François Ajenstat, Chief Product Officer chez Tableau Software

    Parmi le flot de prédictions négatives au sujet de l’intelligence artificielle qui inonde l’actualité, il est nécessaire d’expliquer que ses effets dépendront surtout de l’usage que nous, humains, en ferons. L’IA représente une réelle chance, un outil de productivité à fort potentiel.  En prenant en charge les tâches répétitives ou chronophages, elle permettra à l’humain de se recentrer sur ses compétences propres et d’aborder son travail dans une logique « métier » au sens le plus noble du terme.

    Un usage intelligent de la complémentarité intelligence artificielle – intelligence humaine 
    En libérant les collaborateurs de certaines tâches, l’intelligence artificielle peut augmenter la productivité des collaborateurs. C’est sur ce point qu’insiste le rapport de synthèse* de l’initiative #FranceIA, lancée par le gouvernement en mars 2017. Bien qu’elle soit décriée, l’automatisation de certaines tâches s’accompagnera de la création de nouveaux postes, et induira de nouveaux modes de travail. Elle se révélera particulièrement utile dans certains domaines tels que la maintenance ou la création assistée. Ces bénéfices ne sont toutefois pas l’apanage des entreprises. Ils se feront également sentir sur le plan individuel. Libérés des nombreuses tâches ingrates et répétitives, les collaborateurs pourront endosser un rôle plus stratégique et explorer de nouvelles manières de se diversifier.
    L’intelligence artificielle va continuer de changer notre façon de travailler en nous permettant de consacrer davantage de temps à la réflexion et à la créativité, ainsi qu’aux tâches nécessitant des capacités d’analyse et de l’expérience.
    Des tâches qui ne peuvent pas être intégrées dans un algorithme.

    L’action combinée homme-machine pour une exploitation plus fine des données
    Les entreprises recherchent déjà des profils qualifiés dans l’exploitation des données.
    Même si les algorithmes exploitant le machine learning facilitent et accélèrent déjà l’accès à des données pertinentes et leur analyse, l’intelligence artificielle ne remplace pas pour autant la puissance de l’intuition humaine. L’être humain est le mieux placé pour poser des questions pertinentes en fonction d’un contexte donné et relier les réponses à des problématiques métier. L’IA est loin d’égaler les compétences humaines nécessaires à la résolution de problèmes liés au contexte de l’entreprise et à ses données. De tels enjeux ne peuvent être abordés qu’à l’aide de l’expérience du passé et de la prise en compte du contexte. Les décisions qui en découlent requièrent des capacités cognitives, une certaine intelligence émotionnelle et une ingéniosité qui ne relèvent que de l’esprit humain.
    Alors que l’IA est capable de repérer des valeurs atypiques et d’identifier des tendances dans les données, l’analyse humaine joue donc un rôle crucial dans l’obtention d’informations exploitables. Les utilisateurs doivent s’assurer que les hypothèses générées par les algorithmes soient raisonnables et déterminer les mesures à prendre en fonction des résultats obtenus.

    La complémentarité homme-machine, un facteur de progrès déjà prouvé
    Dans de nombreux domaines, la collaboration entre l’humain et l’intelligence artificielle a déjà prouvé son efficacité. En la matière, les secteurs de l’automobile, de l’aéronautique et des télécoms atteignent d’ailleurs un niveau de maturité qui dépasse les 50%, selon le Forum Economique Mondial**.
    Dans le domaine médical, les algorithmes complexes et le machine learning ont permis aux chercheurs de mieux traiter certains phénomènes physiologiques et biologiques (mutations génétiques, formation de mélanome), et d’analyser d’énormes quantités d’informations (rapports et études cliniques, dossiers des patients,…). qui nécessiteraient, en temps normal, plusieurs vies humaines. Ces avancées, sans précédent, permettront aux praticiens de mettre en place des traitements adaptés aux caractéristiques génétiques et à l’environnement des patients, ce qui est totalement inédit.
    Toutefois, seule l’intelligence humaine peut surveiller les fonctions vitales d’un patient, ou, dans un autre registre, trouver des informations stratégiques dans une partie d’échecs et les appliquer à une problématique métier.

    Il est nécessaire de nuancer le discours autour de l’intelligence artificielle. Les entreprises ont tout intérêt à saisir les opportunités qu’elle présente. La véritable vocation de l’IA, loin d’être une intelligence de substitution, réside dans la capacité des entreprises à l’associer à la créativité et à l’ingéniosité humaines.

    *Evènement de présentation de la stratégie française en matière d’intelligence artificielle. Regarder l’évènement ici
    **Rapport de synthèse France IA, consultable ici
    *** Etude réalisée par Infosys et Vanson Bourne en janvier 2017 dans 7 pays (France, Etats-Unis, Royaume-Uni, Allemagne, Chine, Inde et Australie) intitulé « Amplifying Human Potential : Towards Purposeful Artificial Intelligence » (L’intelligence Artificielle à l’ère de la maturité : vers l’amplification du potentiel humain), à l’occasion du WEF de Davos. A consulter ici

  •  Mieux comprendre le Data-Lake 

     Mieux comprendre le Data-Lake 

    Converteo (ADLPerformance), cabinet de conseil en stratégie digitale et data, renouvelle son panorama sur les opportunités liées à une infrastructure Data-Lakes. Cette technologie a démontré ses capacités d’exploitation et de valorisation des datas des entreprises et, dans un contexte de mise en conformité RDPD, révèle encore plus son agilité.

     Mieux comprendre le Data-Lake 

    Littéralement traduit par lac de données, il s’agit d’un espace de stockage permettant le traitement d’informations de plusieurs sources et ce, de manière quasi illimitée et en un temps record.

    Le Data-Lake est donc une réelle opportunité et doit être considéré en amont de toute démarche data-driven, que ce soit dans le domaine :

    • Du marketing : pour alimenter des campagnes, choisir un lieu d’implantation d’un nouveau magasin ;
    • De l’expérience client : pour personnaliser une offre, recommander les produits adéquats ;
    • De la business Intelligence : pour créer une vision 360° de ses clients, piloter la pression publicitaire ;
    • De la performance opérationnelle : pour réduire ses coûts informatiques, adapter ses ressources en fonction de l’activité.

    Infrastructure flexible, elle permet donc un large champ d’analyse qualitative avec des données activables à tout moment en fonction des besoins business.

    A intégrer dans un écosystème data,  en complémentarité d’un datawarehouse et en s’appuyant sur des technologies « Serverless »

    Un Data-Lake permet d’améliorer un écosystème data composé d’un datawarehouse en activant des briques plus avancées comme de l’intelligence d’artificielle ou le traitement en temps réel. Le datawarehouse, quant à lui, bénéficiera de la puissante infrastructure offerte par le Data-Lake ce qui démultipliera sa performance.

    Par ailleurs, les évolutions du Cloud computing facilitent aujourd’hui le déploiement d’un Data-Lake. En effet, un Cloud « Serverless » se prête particulièrement au déploiement de projet data. Il permet à l’entreprise d’exploiter des outils de stockage tout en laissant au prestataire Cloud la charge de l’administration et du provisionnement des données en fonction de sa consommation. In fine, un gain de temps et de ressources considérable pour l’entreprise qui se concentre sur l’essentiel : les cas d’usages et les contraintes propres à ses besoins.

    RGPD :  1 infrastructure = 1 process de sécurisation des données

    Grand enjeu de l’année 2018, la mise en conformité au Règlement Général sur la Protection des Données (RGPD) est intégrée lors de l’exploitation d’un Data-Lake.

  • Quand la grande distribution part à l’assaut de la donnée

    La grande distribution à l’assaut de la donnée

    Par Florian Douetteau, CEO de Dataiku

    Face à un consommateur de plus en plus exigeant et mobile, encore plus difficile à fidéliser qu’auparavant, les entreprises de la grande distribution doivent elles-aussi se tourner vers la science des données ; elle leur permettra de rester performante et de se mettre à l’heure du nouveau modèle de commerce qui est en train de voir le jour.

    S’adapter aux exigences nouvelles des clients
    Naviguant entre applications, sites web et réseaux sociaux, les consommateurs rencontrent les marques sur des plateformes de plus en plus nombreuses. Face à l’abondance de l’offre, ce n’est plus uniquement sur le produit ou le service que les marques peuvent se différencier. C’est désormais sur l’expérience client qu’elles peuvent se démarquer. Délivrer le contenu approprié, targeter correctement son offre permet d’attirer davantage l’intérêt d’une clientèle devenue disparate. Cela revient à cerner assez tôt les changements qui s’opèrent dans les modes de consommation. Grâce à l’analyse des données, ces changements sont aujourd’hui quantifiables, mesurables, et peuvent être interprétés en vue d’ajuster la stratégie d’approche, de retargeting et de vente. Encore faut-il que les entreprises mettent la donnée au cœur de leur stratégie. Amazon a inauguré une nouvelle ère en rachetant Whole Foods, le géant américain de l’alimentaire bio : celle de la stratégie guidée par la donnée (data-driven). Ce rachat ne sonne pas nécessairement le glas du shopping physique, auquel les consommateurs auront encore recours pour leurs achats essentiels. Néanmoins, il replace la donnée au cœur des ventes, et parachève l’union du commerce en ligne et en point de vente.

    Optimiser sa performance grâce à la donnée
    Notre empreinte numérique se précise au fur et à mesure de notre parcours sur le web. Des traces que les entreprises peuvent mettre à profit en s’en servant pour analyser le comportement lié à leur offre. Par l’élaboration d’une stratégie data-driven, basée sur l’analyse des données et la prédiction, on peut ainsi déceler en temps réel les variations récurrentes et les changements majeurs (applications, réseaux sociaux, opérations de la concurrence, émergence de nouveaux usages, etc.). C’est d’un pied timide que la grande distribution s’est avancée sur le terrain du commerce en ligne, sans dépasser les outils CRM. A présent, le secteur doit passer à la vitesse supérieure. L’analyse des données est la clé pour comprendre les paramètres de l’environnement numérique du consommateur.

    Cela passe inévitablement par plusieurs actions à mettre en place. Une entreprise réussit sa démarche data-driven lorsqu’elle comprend l’importance des données d’audience pour mesurer ses campagnes. Elle doit également rendre accessible les données stratégiques à ses équipes internes, afin que la stratégie soit un mouvement collectif, porté par tous les départements. Enfin, la compétitivité d’une stratégie data-driven se construit grâce au travail d’une équipe dédiée à la gestion des données (data team), qui aidera les autres équipes à interpréter les données collectées, et construira des projets basés sur des données récoltées en temps réel. L’agilité, l’ouverture vers l’extérieur, la capacité d’innover en se basant sur les informations liées aux clients seront la clé du succès des distributeurs engagés dans une stratégie orientée par la donnée.

    Appréhender les évolutions du commerce de détail
    Le retail est-il voué à disparaître ? Rien n’est moins sûr. Drones livreurs et click & collect n’auront pas raison du commerce physique. En revanche, tout se jouera sur la qualité des données. En acquérant des données de meilleure qualité, Amazon redessine les contours du nouveau retail, dont les détails nous apparaîtront plus clairement dans les prochaines années. Les consommateurs continueront à se rendre en magasin, car l’exploitation de la donnée à des fins stratégiques dépend toujours de la réflexion humaine. Cependant, rien ne nous dit si ce sera encore pour y parcourir des rayons et choisir des produits, si ce sera uniquement pour retirer des produits achetés en ligne – des produits parfois proposés à l’aide d’algorithmes ayant déterminé leurs préférences –, ou pour y vivre une nouvelle forme d’expérience client.

    Dans tous les cas, les distributeurs actuels ont tout intérêt à prendre conscience du changement qui s’opère. C’est à cette condition qu’ils pourront rester indépendants, et éviter de se voir racheter par les champions de la donnée.

  • L’analyse des données, au coeur de l’entreprise de demain

    L’analyse des données, au coeur de l’entreprise de demain

    Par Florian Douetteau, CEO, Dataiku

    Alors que les données se multiplient et que les consommateurs prennent conscience de leur empreinte numérique, les entreprises vont très vite faire face à un nouveau un défi : exploiter d’importants volumes de données en temps réel afin d’optimiser leur réactivité.
    C’est le data-analyst, dont la place dans l’enteprise est en pleine mutation, qui peut relever ce challenge, à condition que son rôle se rapproche de l’opérationnel. Agir sur le churn une fois qu’il est prédit, agir sur les machines quand elles montrent des signes de faiblesse, éviter les fraudes en analysant les comportements clients : hors de son antre, le data-analyst sera en première ligne pour permettre à son équipe de tirer avantage du Big Data.

    Données en temps réel et automatisation : le nouveau quotidien des analystes
    Prédire les évènements futurs aura été la principale préoccupation des entreprises ces dernières années, bien plus que l’étude du passé. C’est là la force du temps réel. Mais c’est un réel défi, car les données affluent par milliers à la seconde : c’est à la réactivité que se mesure la performance, à sa rapidité d’ajustement en fonction des évènements que l’on évalue à présent une bonne stratégie. Pour répondre à ces nouvelles exigences, il ne suffira pas de se doter de profils qualifiés en analyse des données. Il faudra également faire évoluer l’action des équipes d’analystes, leur attribuer un rôle en première ligne, les faire entrer au cœur de l’action de l’entreprise.
    Jusqu’ici dédiées à l’étude des évènements passés en vue de prédire ce qui peut se produire, et de transformer en information exploitation les millions de données collectées, les équipes d’analystes verront leur structure entièrement modifiée. L’automatisation des reportings et le machine learning auront raison des tâches répétitives. Les analystes de données disposeront ainsi de plus de temps pour ce qui constitue le cœur de leur métier : la construction de modèles prédictifs basés sur l’observation en temps réel des données et le machine learning. Des modèles qui pourront ensuite être reproduits et appliqués à différents cas de figure. Les analystes adoptent ainsi de nouvelles fonctions au sein de l’entreprise : l’exploration et la modélisation des données, et l’accompagnement de leurs interlocuteurs vers la compréhension de celles-ci.

    Les nouveaux challenges : rendre les données accessibles et deep learning
    L’apparition du deep learning a de quoi bouleverser la manière dont les data-analysts travaillent. Capables de reconnaître seules des schémas dans la parole ou l’image, les machines soumises au deep learning constituent des alliés pour le data-analyst : leur capacité de calcul rapide permet d’accélérer l’aide à la décision, et se révèle particulièrement utile dans des domaines tels que le ciblage marketing ou la météorologie. A ces nouveaux outils succéderont de nouvelles exigences et une restructuration des modes de travail des analystes. Habitués à travailler en équipes plus ou moins distinctes du reste de l’entreprise, les analystes seront amenés à se répartir entre les différentes équipes de l’entreprise, du marketing à l’équipe technique. L’agilité sera donc le maître mot. Plus intégré auprès des autres collaborateurs, le data-analyst tiendra lieu de passerelle pour mieux comprendre et interpréter les données. Une implication supplémentaire qui sera particulièrement bénéfique dans certains champs d’application qui appellent l’action de techniciens de terrain, tels que la maintenance prédictive ou la médecine spécialisée.
    Par ailleurs, les consommateurs sont de plus en plus conscients de la valeur de leurs données pour les entreprises. Le RGPD (Règlement Général sur la Protection des Données) va d’ailleurs dans leur sens, puisqu’il vise à redonner aux consommateurs le pouvoir sur l’exploitation de leurs données personnelles. Autant d’exigences qui appellent les équipes de data-analysts à se mêler davantage aux équipes opérationnelles. « Agile » sera donc le nouveau synonyme de « data-analyst » !

    Agrandir le spectre des compétences pour une action optimisée
    Dans le domaine de l’entreprise comme ailleurs, formulaires de contact et machines ne sont plus les seuls fournisseurs de données de navigation. Les data-analysts doivent à présent se familiariser avec les blogs, les réseaux sociaux et les diverses applications, nouvelles mines de données à exploiter et à interpréter. Un élargissement du spectre des compétences est donc nécessaire, car l’analytique peut s’appliquer dans de nombreux secteurs. Plus avertis quant aux supports d’où proviennent les données et à leur fonctionnement, les data-analysts pourront gagner en réactivité et optimiser la conception de leurs modèles prédictifs, qu’ils pourront reproduire d’autant plus facilement. Ceux-ci seront plus rapidement autonomes et adaptables à d’autres configurations.

    Pour que l’analyse soit davantage une source de productivité en interne, l’entreprise doit lui conférer une plus grande liberté d’action. Il peut s’avérer utile, par exemple, de donner aux analystes les moyens de réagir aux données transmises par les machines dans le cadre d’une maintenance prédictive, et de procéder à l’action adéquate. L’analyste pourra aussi agir, après analyse des données, pour éviter le renoncement d’un client ou contrecarrer une fraude de la part d’un consommateur, sans passer par les équipes marketing. Plus encore : les analystes seront amenés à créer des modèles d’action adaptables à chaque situation, et automatiser ces tâches le plus possible.

    Avec l’avènement de l’approche prédictive, le data-analyst est la clé de voûte de l’efficacité des organisations, dans plusieurs secteurs (économie, santé, météorologie, etc.). Elargie à un champ plus global, ce métier si prisé sera plus à même d’adopter un fonctionnement plus agile.

  • Data : de la difficulté d’abattre les silos

    Comment abolir les frontières : un guide pour monétiser les données

    Par Srinivasa Gopal Sugavanam, Associate Vice President–Data & Analytics Practice chez Infosys

    La donnée est souvent perçue comme le problème d’un autre plutôt qu’une opportunité pour chacun.

    Cela n’est pas surprenant, étant donné l’immense quantité d’informations générées par des entreprises, même de tailles modestes, ainsi que la difficulté apparente qu’elles ont à transformer ces données en informations exploitables. Cependant, le problème ne concerne pas seulement les volumes de données ou la complexité des outils d’analyse. La difficulté réside dans le manque d’intégration des différentes sources de données et les technologies qui permettent de transformer les informations brutes en données exploitables.

    Si, comme l’observait Clemenceau, la guerre est trop importante pour être laissée aux généraux, alors les données sont beaucoup trop précieuses pour être laissées aux analystes et scientifiques de la data. Si les entreprises peuvent libérer leurs données et les rendre accessibles à tous, elles peuvent améliorer leur proximité avec les clients, transformer leurs opérations, débloquer de nouvelles opportunités de revenus et élaborer de nouvelles stratégies basées sur leurs importantes bases de données.

    Lacs et silos

    Pour comprendre les notions de lacs et de silos, il faut s’imaginer une entreprise établie, comme un vieux bâtiment. Une construction belle et robuste a pu bien servir ses occupants d’origine mais elle présente de gros inconvénients par rapport aux besoins d’une entreprise moderne : comment y intégrer un environnement open space et y implémenter un réseau Wi-Fi performant ?

    De même, pour tirer parti de la toute la puissance des données : les systèmes hérités (legacy) ne sont généralement pas conçus pour gérer, analyser et partager des informations de manière évolutive et agile. Les fréquents obstacles à la mise en œuvre d’analyses sont, notamment, le manque de rapidité dans l’ingestion et le traitement des données, les multiples silos de données, le manque de fonctionnalité de libre-service et d’outils nécessaires pour maîtriser, et donc monétiser, le Big Data.

    Le défi auquel sont confrontées la plupart des entreprises n’est pas lié à la taille des ‘data lakes’ (lacs de données) qu’elles traitent, mais à l’abolition des frontières entre les différentes sources d’informations. Ces obstacles sont, par exemple, les multiples emplacements physiques des silos de données, une infrastructure informatique complexe, de nombreux processus métier, les applications et les flux de travail, les règles de l’entreprise, ou encore la séparation entre les charges de travail opérationnelles et analytiques.

    À titre d’exemple, une entreprise cliente dans la logistique entreposait des données en silos sur plusieurs départements, secteurs d’activités et unités opérationnelles. Elle devait fournir beaucoup d’efforts pour tenter de gérer le problème redondant de la préparation des données. Les discussions tournaient en débats sur l’exactitude des chiffres plutôt que sur la définition d’une stratégie à partir de la base de connaissances.

    Ce réseau complexe lié à des systèmes hérités et à des méthodes de travail ayant fait leur temps, constitue un obstacle majeur à l’analyse, au partage et à la monétisation des données. La solution, cependant, n’est pas de démolir tout ce qui a été bâti pour ensuite tout reconstruire, mais plutôt d’abattre les barrières internes qui empêchent l’entreprise d’exploiter tout la puissance de l’analytique.

    Abattre les barrières

    Fût un temps où les choses étaient plus simples. Chaque division avait seulement à se soucier de la collecte et de la gestion de ses propres données. Le département des ventes ne regardait que le nombre d’unités déplacées tandis que la finance gérait les recettes.

    Aujourd’hui, de précieuses données structurées ou non-structurées, sont générées à partir d’un nombre bien plus important de sources de données : des systèmes CRM aux médias sociaux, des points de vente aux appareils mobiles des clients, et de l’Internet des Objets aux plateformes marketing. Tous ces éléments peuvent fournir des informations pour l’opérationnel et la stratégie dans chaque département de l’entreprise, mais uniquement si les données brutes peuvent être libérées des contraintes de leurs silos individuels, transférées dans un format utilisable, en plus d’être contextualisées et visibles en temps réel.

    La solution consiste à construire un data lake unique qui stocke toutes les informations générées et collectées par l’entreprise. Ce « lac » agit tel un réservoir, d’où l’information est canalisée dans les divers moteurs d’analyse, les plates-formes d’intelligence business (BI) et les outils de visualisation qui transforment les données brutes en base de connaissance exploitable.

    En plus de créer un seul « lac », les entreprises doivent également adopter les bonnes pratiques de « Master Data Management » (MDM) pour tendre vers une vision à 360 degrés des ressources de données et gérer la tâche très complexe de collecte, de nettoyage et d’analyse des informations. Cela inclut également la construction de taxonomies pour les différents domaines de données, leur intégration avec des outils de visualisation, mais aussi des portails en libre-service afin que chaque employé puisse accéder aux informations dont il a besoin.

    En combinant toutes les données d’une organisation dans un seul référentiel, les entreprises peuvent abattre les barrières existantes entre les équipes et les silos de données, permettant à tous l’accès à une vaste gamme d’informations et d’idées pour identifier et exploiter de nouvelles opportunités.

    Pour revenir au cas précis de cet acteur de la logistique : ses données ont été ramenées dans une couche sémantique d’entreprise interfonctionnelle, avec des objets métier standardisés, pour créer une plate-forme sans silo. Aujourd’hui, le client peut créer des aperçus contextuels, standardisés et exploitables permettant une meilleure conversion des opportunités de revenus, en respectant les règles commerciales et en améliorant l’efficacité opérationnelle.

    Des données aux dividendes

    À l’ère de l’information, la donnée représente le pouvoir. Ceux qui peuvent en rassembler davantage, l’analyser plus efficacement et l’exploiter plus rapidement auront un énorme avantage sur leurs concurrents.

    En supprimant l’organisation de la donnée en silos, les entreprises amélioreront grandement la collaboration interne et le partage d’informations entre les départements et les applications. Elles prendront conscience de la pleine dimension de leur métier et de leurs opérations. Elles seront plus à même d’exploiter de nouvelles opportunités commerciales, de développer rapidement de nouveaux produits et services, d’approfondir la connaissance de leurs relations clés et de détecter les corrélations qui éclaireront leur stratégie future.

     

     

     

     

     

  • Prédictions CRITEO –  Les 8 grandes tendances qui attendent le Commerce Marketing en 2018 

    Les 8 grandes tendances qui attendent le Commerce Marketing en 2018 

    1. La bataille pour la vidéo

    La part de temps passée en ligne dédiée au visionnage de vidéos va augmenter progressivement, obligeant les annonceurs, les éditeurs et les sociétés de médias à se réorganiser et se concentrer davantage sur la vidéo. Aujourd’hui, les réseaux sociaux tels que Facebook, YouTube, Instagram et Snapchat, privilégient la vidéo et sont à la recherche de contenu de qualité premium. L’augmentation de la consommation de vidéo entrainera une augmentation du nombre de publicités ce qui entraînera une nouvelle bataille pour les annonceurs programmatiques et leurs partenaires.

    1. L’essor du « shopping vocal »

    Les annonces vocales contextuelles personnaliseront les recommandations ou le contenu. Les consommateurs feront d’avantages d’achats en utilisant des appareils vocaux tels que Google Home ou Amazon Echo. Les appareils à commande vocale et les assistants personnels seront les technologies auxquelles ils auront le plus recourt au cours des deux prochaines années.

    Avec beaucoup de données sur les intérêts et les préférences des consommateurs, les haut-parleurs intelligents seront en mesure d’offrir des services aussi bien existants que nouveaux.

    1. La nouvelle relation entre Social et Commerce

    Si l’on observe les données concernant l’achat effectué à partir d’un post sur un réseau social comme Facebook, on se rend compte que la frontière entre social et commerce se gomme. Ainsi, le service Marketplace de Facebook a été mis en place dans un certain nombre de pays, notamment aux États-Unis, au Royaume-Uni et en Australie, et a récemment été étendu aux acheteurs et aux vendeurs de 17 marchés européens. Amazon se prépare au lancement d’Amazon Spark. Tout comme Instagram et Pinterest, Spark présente des images de produits et permet des achats instantanés. Comme les principaux réseaux sociaux forment un écosystème fermé autour des données des clients, les marques et les retailers devront trouver les moyens de s’approprier la relation client et les données qui l’accompagnent.

    1. La convergence des ventes offline-online

    L’exemple le plus flagrant est celui de l’acquisition de Whole Foods par Amazon. Cela permet au géant de la technologie de comprendre les habitudes d’achat et les opportunités de ventes incitatives, tout en fournissant des services d’exécution et de livraison. Les retailers devront ainsi nouer des partenariats qui leur permettront de mieux utiliser les données CRM collectées en magasin afin de repérer et atteindre les consommateurs en ligne, grâce à des campagnes personnalisées de réengagement et de vente incitative. Par ailleurs, les principaux retailers proposeront de meilleures façons de collecter les produits achetés en ligne dans leurs magasins (stationnement privilégié, casiers en magasin, etc.). L’accent sera mis sur la convergence du trafic hors ligne vers des interactions en ligne.

    1. La collaboration autour de la donnée

    Les marques et les retailers sont préoccupés par le monopole qu’ont les géants de la technologie comme Amazon et Facebook. Pour rester compétitifs et innovants, ils continueront à mettre en commun leurs actifs de données pour personnaliser le contenu et établir de meilleures relations avec leurs clients. 72% des responsables marketing croient que la collaboration de données entraînera une augmentation des revenus, une augmentation des bénéfices (65%) et une meilleure satisfaction client (56%).

    1. L’optimisation du flux produits

    Les annonceurs vont chercher des moyens de rationaliser les ressources nécessaires au management du flux produits, tels que les descriptions de produits et les visuels. Des photos de produits mis en scène, des gros plans haute résolution, des images à 360 degrés et plus de détails sur les produits deviendront essentiels pour offrir aux acheteurs la meilleure expérience en ligne possible.

    1. L’arrivée du RGPD & le management de la donnée

    Le règlement général sur la protection des données (RGPD) entrera en vigueur le 25 mai 2018, impliquant les commerçants et les entreprises qui cherchent à atteindre plus de 500 millions de citoyens de l’UE. La RGPD aura un impact mondial et s’appliquera à toutes les entreprises qui suivent les résidents de l’UE à des fins d’analyse et de marketing. En assurant une meilleure protection des données de chaque individu, elle redonnera confiance aux consommateurs – ce qui bénéficiera à son tour aux entreprises qui font preuve de transparence.

    1. La multiplication des acquisitions et des partenariats

    Au cours des six derniers mois, d’importantes acquisitions et partenariats se sont concrétisés : Amazon et Whole Foods, Amazon et Kohl, Walmart et le service Express de Google, etc. En 2018, de nombreux autres retailers et marques étudieront des acquisitions stratégiques et des partenariats clés afin de rester compétitifs tout en élargissant et renforçant leurs activités.

    De plus en plus de « Pure Players » chercheront activement des opportunités d’acquisitions stratégiques et de partenariats pour relier les mondes offline et online et d’en générer de la valeur.

    Retrouvez les prédictions complètes de Criteo en cliquant ici.

     

  • 11 Tendances Marketing et Digital pour 2018

    11 Tendances marketing et Digital pour 2018

    Par Didier Farge, Président CEO Conexance Part of Wunderman data products

    1 – L’IA qui n’en est qu’à ses débuts 

    C’est le grand mot, il est mis à toutes les sauces et servi avec tous les plats avec ou sans machine learning. C’est vrai que 2018 verra l’émergence d’utilisation de l’IA dans plusieurs domaines du marketing prédictif mais à mon sens La vraie nouveauté de l’année sera l’insertion de La data au  service de contenus  pertinents avec l’apparition  Du Concept « d’intelligence narrative » qui permet de transformer la data en Contenu créatif et engageant: voir l’entreprise « narrative  science  » et son software Quill utilisé pour rédiger des rapports financiers aujourd’hui ,des conversations demain ou encore des recommandations et des contenus adaptés à chacun

    Mais ne parlez plus des bots qui deviennent en 2018 un minimum indispensable et qui sont définitivement devenus une banalité souvent mal faits et très irritants pour le consommateur.

    2 – La recherche vocale est partout

    Elle a insidieusement pris sa place dans nos recherches en voiture , dans nos e mails , La recherche vocale via les assistants vocaux devient de plus en plus populaire. Avec 20% des requêtes sur les smartphones Android dans le monde et 25% du volume de recherches mobiles aux États-Unis, on peut vraisemblablement penser que cette dynamique ne va pas s’essouffler durant l’année 2018. L’utilisation de la recherche vocale va modifier la manière de faire une requête via les moteurs de recherche comme Google

    3 – La réalité virtuelle va prendre son essor en mobile

    Au-delà de l’industrie du jeu vidéo ou dans quelques secteurs bien particuliers comme l’immobilier, la réalité virtuelle est encore peu utilisée dans les stratégies marketing. La technologie est pourtant au point et le marketing qu’elle propose représente de larges opportunités pour les marques, notamment dans le domaine du e-commerce.

    L’expansion de la navigation sur mobile associée aux nouvelles fonctionnalités des smartphones rend cette expérience beaucoup plus accessible.

    En  2018 cette technologie va enfin démarrer :  le client pourra bénéficier d’une visibilité en 3D sur les produits qu’ils le souhaitent. Par exemple  Alibaba permet à ses clients de se promener et de faire du shopping dans des magasins virtuels. Ebay s’est également lancé dans ce domaine ainsi que Ikea. Le client a la sensation de faire du shopping dans un magasin classique sans bouger de chez lui. Il a la possibilité de visualiser en 3D l’ensemble des produits disponibles et d’obtenir conjointement toutes les informations produit . D’autres expériences étaient également proposées au récent salon #conext en octobre

    4 – Ne dites plus DMP

    Apres La vague d’on boarding des données client dans des plateformes plus ou moins connectées à l’ecosytème Digital certains annonceurs se sont dit what else?

    Utilisant a grand frais des technos ils se voient aujourd’hui incapables d’utiliser les fonctionnalités des outils pour transformer en Média leur précieuses données souvent inutiles . Alors je préfère utiliser un autre buzz Word Mais qui traduit mieux Le sens de ce qui est recherché : dites CDP. L’émergence des Customer dataplatform en 2018 sera le pivot du développement des DMP recentrées sur des fonctionnalités plus CRM que média. 2018 sera à mon sens l’année de l’optimisation de son CRM vs la course à l’audience et donc l’émergence de plateformes, de services et d’offres intégrées autour de la CDP

    5 – La data omniprésente , banalisée ,Au cœur de tous les dispositifs, devient intelligente avec le prédictif 

    la data est, comme le dit Google, une valeur cardinale de l’entreprise. Notre monde est gouverné par la data. Chaque action réalisée – « je consulte », « je clique », « j’achète », « je lis », « je donne mon avis », « je note » – implique en contrepartie une collecte et une utilisation de ces données, avec le consentement de l’internaute bien sur. D’où l’importance de prendre conscience que c’est le sens qu’on donne à ces données qui est important. Le data-driven marketing, éclairé et objectivé par les données récoltées, doit être à la fois pertinent, onboardé et transactionnel plus que démographique, c’est-à-dire davantage liée aux achats réalisés , aux comportements observés , qu’à des informations telles que l’âge ou la ville de résidence.

    Les acteurs l’ont compris et les émergences d’offres data mutualisées initiées par les publishers les médias ou même les associations tiers de confiance comme l’UDA sont pléthores , mais point de data sans l’intelligence associée

    En 2018 nous parions sur l’émergence d’initiatives data associant une offre de modélisation , d’intelligence artificielle ou d’analyse  ; exemple la plateforme Mymodel de conexance , ou de connection à d’autres univers . la data est devenue plus intelligente.

    En 2018 la  data sera associée à l’utilisation de modélisation statistique en mode service . Nous assisterons à l’émergence de plateformes ou de solutions permettant d’optimiser son CRM et ses scores en faisant appel à des logiciels en mode « sas »

    6 – Créativité et collaboratif  dans le commerce

    La créativité comme l’a rappelé jean Yves granjon au favoris du e commerce sera la valeur fondamentale du succès du commerce :

    Réinventer la fameuse expérience client et d’anticiper  en permanence son modèle comme le font les start up françaises

    Mais la créativité vient du consommateur grâce au digital et en 2018 cette creativoté collaborative verra son exploitation :

    On dit souvent que tout a changé. Ce que le digital a sans doute le plus modifié en profondeur, ce sont les rapports de force. Avant, c’était simple, il y avait 3 acteurs : le producteur, le distributeur et le consommateur. Aujourd’hui et encore plus demain, tout évolue et surtout le pouvoir du consommateur. « C’est qui le Patron ? » en est un bon exemple, le consommateur participe à l’élaboration de la production et du cahier des charges. il prend l’habitude d’être acheteur et vendeur, et chaque année plus de 16 millions de Français vendent sur Le Bon Coin !

    Le consommateur a dorénavant la possibilité d’intervenir à tous les stades et pas seulement de consommer ! Le terme consommateur devient restrictif, on emploiera le plus souvent le terme de client. » À découvrir dans le dernier Livre de Franck Rosenthal : « Donner du sens au commerce » Editions Kawa qui Sort en  janvier 2018

    7 – Et si le GDPR Était une opportunité ?

    le nouveau règlement qui entrera en vigueur en mai 2018, place la barre plus haut en matière de sécurité des données. Plutôt que de craindre ce nouveau règlement, les marques vont  l’utiliser pour renforcer leur relation client. Le principe de transparence intégré dans le RGPD offre l’opportunité de gagner la confiance des consommateurs – et de s’imposer face à la concurrence – en créant des politiques de collecte de données transparentes. L’obtention de labels , les formations , les offres feront partie d’un arsenal marketing de confiance qui pourrait transformer le règlement en opportunité

    8 – Émergence de la publicité native

    En 2018, une des principales clés de réussite de la publicité ciblée sera de se fondre dans le tableau avec des pubs natives, notamment des annonces liées aux recherches, des annonces sponsorisées, du contenu publirédactionnel ou des publicités intégrées de façon homogène. Les publicités natives de qualité fonctionnent bien, elles offrent un taux de clics quatre fois supérieur aux annonces classiques sur les appareils mobiles . La clé est ici de proposer en temps réel des expériences pertinentes et hyper-personnalisées via tous les canaux, fondées sur l’intelligence .

    9 – La personnalisation est un minimum et elle doit être omnicanal

    Même si plus de 25% des Francais utilisent un adblocker la plupart d’entre eux lorsqu’ils sont connectés apprécient les publicités ciblées . (66% sont bienveillants ou neutres) De plus les Etudes montrent que les consommateurs exposés à des campagnes cross média sont 46% plus susceptibles d’aller en ligne pour en savoir plus sur une marque et à l’acheter en magasin ( sourde kantar TGI)

    10/Le programmatique poursuit son ascension mais il doit être complémentaire

    55% de tout le display est programmatique , 20% des inventaires TV le seront aux US d’ici 2019 mais cette capacité à cibler une population de manière massive et personnalisée s’accompagne toujours pour être efficace de relais dans les autres Canaux.

    11/Le digital à disparu 

    Se digitaliser est devenu ringard

    Nous sommes tous mobiles et multicanaux l’utilisation du numérique est devenu un minimum , les marketers sont devenus des  » comportementalistes » l’année dernière et plus encore cette année est l’intégration de l’émotion dans les campagnes .Le processus d’intégration de l’émotion à même été modélisé et présenté lors du dernier salonDMA ou Alan schulman un peu musicien de jazz un peu Directeur Digital chez Deloitte a modélisé le process par lequel les créatifs intègrent les datas pour générer des créations personnalisées et optimisées par canal . Sa devise :   » Look deep inside Data » , les data sont le fuel de La créativité et combinée à l’humour et l’émotion le resultat est fabuleux voir par exemple La campagne chatbooks aux US.

     

  • Les défis du Chief Data Officer à l’aube de GDPR

    Les défis du Chief Data Officer à l’aube de GDPR

     Par Daniel de Prezzo, Head of technology Southern Europe, chez Veritas Technologies

    Le 25 mai 2018 prochain marquera l’entrée en vigueur du Règlement général sur la protection des données (GDPR). Si l’objectif principal de GDPR est de protéger les données des citoyens, il est aussi d’harmoniser la gouvernance des données en responsabilisant au maximum les entreprises. Un vrai défi technique pour la majorité d’entre elles, qui comprend des règles pas toujours faciles à comprendre et à mettre en pratique.

    Notre étude menée en mars dernier a révélé que 47% des entreprises dans le monde redoutaient de ne pas être en mesure de répondre aux exigences de la réglementation en temps et en heure[1]. Des nouvelles inquiétantes et pourtant le tableau n’est pas si noir. Car si les entreprises ne sont certes pas prêtes, elles sont toutefois conscientes de leur ignorance en matière de gestion des données. Et pour pouvoir y remédier, 45% des entreprises en France envisagent aujourd’hui de faire appel à un nouvel expert de la gestion des données, le Chief Data Officer (CDO)[2].

     Le Chief Data Officer (CDO), nouveau chef d’orchestre des données

    En relation directe avec le CIO, le Chief Data Officer indique la marche à suivre en matière de gestion des données pour aller vers la conformité. Pour cela, il dirige les travaux de collecte et s’assure de la pertinence et de la protection des données analysées. Ce chef d’orchestre de la donnée né à l’air du big data maîtrise à la perfection les outils statistiques. Mais les véritables points forts du CDO ne résident pas uniquement dans ses qualités d’analyse et ses connaissances informatiques.

    Car au-delà de la prouesse technique, entrer dans la conformité nécessite avant tout de s’assurer que tous les acteurs de l’entreprise ont bien saisi les enjeux, et donc de rendre la réglementation GDPR « digeste » pour tous. Il faut pour cela parvenir à l’intégrer dans le quotidien des collaborateurs.  La capacité de communication et le pouvoir de décision du CDO sont donc des qualités primordiales.

    Inciter à la transversalité des métiers

    Cela passe notamment par inciter à plus de collaboration entre les équipes au quotidien. Par exemple, installer un écran sur lequel il est possible de visualiser les données en temps réel pourrait permettre aux salariés de mieux se rendre compte de ce qui est en train d’être réalisé au niveau de l’activité même de l’entreprise. Le véritable travail du CDO est de parvenir à démontrer que les données sont celles de toute l’entreprise et ce, peu importe l’environnement concerné (finance, marketing, ventes etc.)

    Créer des passerelles parmi les pôles et œuvrer au décloisonnement des départements peut également amener un nouveau regard sur les nouvelles problématiques de l’entreprise. Un CDO qui travaille avec les équipes marketing ou juridiques peut s’avérer bénéfique. Par exemple, l’aspect réglementaire est très présent dans les établissements financiers et nécessite donc l’expertise de spécialistes de la donnée qui pourraient être dédiés aux projets réglementaires. L’avantage pour les employés est d’explorer des environnements de la gestion des données qui leur étaient jusqu’à présent inconnus, de se sensibiliser à ce sujet et de leur permettre de monter en compétence.

     Insuffler une culture de la gestion des données en interne

    Le CDO doit insuffler une culture de la protection des données personnelles pour inciter les employés à adopter le bon comportement vis-à-vis des données et à prendre en compte la notion de conformité. A titre d’exemple, la majorité des entreprises mondiales (91%) admet ne pas posséder actuellement une bonne culture de gouvernance des données ou de conformité à GDPR[3]. Tout le challenge du CDO réside donc dans sa capacité à gérer l’ego des employés et l’impact de la réglementation pour les entreprises.

    Il peut pour cela, transmettre tout le savoir nécessaire à la bonne gestion de la donnée en organisant des sessions de formations sur les conséquences qui attendent les entreprises non-conformes, ainsi que les avantages en cas de conformité. C’est par le biais de telles mesures concrètes que les employés peuvent réaliser leur rôle à jouer pour la protection des données de leur entreprise. Ainsi, si les directives contractuelles venaient à ne pas être respectées, les conséquences pourraient être significatives : les salariés qui respectent la réglementation pourront voir leur bonus augmenter, puisqu’ils contribuent à la bonne image de marque de leur entreprise. Ceux qui, en revanche, ne se plieraient pas aux mesures imposées pourraient être sanctionnées sous formes de procédures disciplinaires ou de retenues sur leurs avantages financiers. Certaines entreprises pourraient même aller jusqu’à ajouter le respect obligatoire de mesures concernant GDPR dans les contrats d’embauche.

    Avec l’augmentation du flux des données et la montée en puissance du digital, les entreprises réalisent petit à petit la nécessité de faire appel à un Chief Data Officer en interne. Le rôle du CDO demeure primordial pour instaurer une culture de la gestion et de la protection des données et faire ainsi monter en compétences les équipes. Mais au-delà de l’aspect purement interne, les entreprises qui deviennent conformes ne réduisent pas seulement le risque d’être exposées à des amendes, elles ont également l’opportunité d’offrir à leur clients une meilleure expérience à travers une bonne gestion des données, ce qui peut avoir un impact favorable sur la fidélité des clients, le chiffre d’affaires et la réputation de la marque.

     

     

     

  • Quelle stratégie pour faire parler les données et en tirer un avantage compétitif ?

    Big data et analyse prédictive :
    comment convertir les données en valeur ?

    PAR LUC RIO, DIRECTEUR ANALYTICS CHEZ AVANADE FRANCE

    La baisse du coût du stockage, l’augmentation massive de la production des données et la cloudification des systèmes d’information ont conduit les entreprises repenser la valorisation de leurs data. Quelle stratégie pour faire parler les données et en tirer un avantage compétitif ?

    En 2010, Eric Schmidt, CEO de Google, déclarait qu’en deux jours l’humanité générait un volume d’informations équivalent à celui créé entre la naissance de la civilisation et le nouveau millénaire. En 2017, nous recevons quotidiennement 5 fois plus d’informations qu’en 1986. Enfin, selon Wikibon, en 2020 la génération de données sera 44 fois plus grande qu’elle n’a été en 2009.

    Avec la prédominance des réseaux sociaux et l’accès haut débit mobile, la plus grande partie de données émises et partagées dans le monde est générée par les utilisateurs eux-mêmes : blogs, réseaux sociaux, sites de partages d’images, de musique et de vidéos. Ainsi, aujourd’hui, une seconde sur internet c’est :

    ·      8 000 Tweets envoyés
    ·      800 photos téléchargées sur Instagram
    ·      3 000 appels Skype
    ·      50 000 Go de trafic internet
    ·      65 000 recherches sur Google
    ·      72 000 vidéos visionnées sur Youtube
    ·      2 700 000 emails envoyés
    (Source : Internet Live Stats, octobre 2017)

    En parallèle, les smartphones sont devenus des hubs de contrôle personnels pour tous les objets connectés (trackers d’activité, maison connectée, voiture connectée, etc.) : on estime qu’en moyenne un individu possède 2,5 appareils. Cette masse gigantesque de données, structurées et non structurées, augmente de manière exponentielle et se comprend sous le terme générique de big data.

    La croissance des données est tirée par plusieurs facteurs :

    ·      Les coûts du traitement des données sont presque 60 fois inférieurs aujourd’hui qu’il y a 10 ans.
    ·      Le coût de la bande passante est 40 fois moins important qu’il y a 10 ans.
    ·      Le prix moyen des capteurs est passé de 1,30$ il y a 10 ans à 0,60$ aujourd’hui, ce qui favorise notamment le déploiement de l’Internet des objets à grand échelle.

    La diminution drastique du coût du hardware, en particulier le stockage, a été probablement décisive dans la croissance des données ces dernières années. Si le stockage valait encore 100 dollars pour un gigabyte, la problématique du big data ne se posait pas.

    Confrontées à l’effervescence autour du big data, les DSI ont dû envisager différemment leur politique de stockage de données provenant d’une multitude de sources. Aujourd’hui les données des entreprises proviennent de capteurs installés dans les usines et sur les outils de production, des objets connectés, du trafic web et mobile, des médias sociaux. Mais prises isolément, toutes ces données n’ont qu’une valeur « au poids », c’est-à-dire marginale. La valeur ne se crée qu’avec la contextualisation, quand on arrive à les regrouper, les mettre en relation et les décrypter pour donner du sens.

    Certes, les entreprises manipulaient et exploitaient déjà leurs données avec les techniques de « Business Intelligence », mais les nouveaux types de données informelles et non structurées ont vite fait ressortir les insuffisances de ces outils classiques en termes de puissance, de rapidité, de flexibilité et de précision pour tirer des enseignements du big data. Cette rupture explique l’arrivée des outils analytiques avancés qui analysent des volumes de données jusqu’ici inimaginables pour apporter des réponses précises aux questions posées.

    Selon une étude réalisée en 2014 par EY auprès de 152 entreprises françaises avec des effectifs de 500 à 2 000 personnes :

    ·      45% des entreprises collectaient des données non structurées,
    ·      30% ont recruté des profils spécifiques dédiés au traitement et à la gestion de la data,
    ·      18% avaient des plans d’action big data en cours de déploiement,
    ·      10% des entreprises disposaient d’outils d’analyse prédictive,
    ·      Pour 70% des entreprises interrogées, l’ensemble des ressources dédiées au traitement des données client représentait moins de 10 personnes.

    Certes, la situation a évolué depuis, mais pour beaucoup le concept du big data reste encore difficile à appréhender. Pourquoi ? Parce qu’il s’applique à toute la chaîne de valeur de l’exploitation des données : de la collecte à la sécurité, en passant par l’analyse et la stratégie globale de l’entreprise. Le big data est avant tout une prise de conscience du potentiel non exploré des masses de données disponibles. Leur exploitation plus cohérente et transversale par la data science et des outils analytiques avancés et prédictifs représente pour les entreprises un levier inédit de productivité et de croissance.

    Analyse prédictive : contextualiser la donnée pour créer de la valeur

    L’exploitation des données massives répond à trois enjeux majeurs pour chaque entreprise : améliorer la performance opérationnelle/industrielle, la performance commerciale, la connaissance client.

    Historiquement on utilisait les statistiques pour réaliser des comptages simples et analyser des fréquences. Ensuite le data mining a commencé à mettre en relation des différents phénomènes tout en prenant en considération des volumes plus importants de données, mais principalement accessibles et structurées. Aujourd’hui, en s’appuyant sur des algorithmes, sur le machine learning et la data science, l’analyse prédictive permet d’exploiter tout type de données pour mettre en place de nouveaux modèles d’interprétation et de prédiction, en tirer des prévisions sur des évolutions futures et émettre des recommandations sur les actions à mener. Citons les exemples les plus répandus :

    ·      Maintenance prédictive : analyser les signaux de la chaîne de production pour anticiper des défaillances et changer les pièces avant que la panne ne se produise.

    ·      Détection des fraudes : détecter des fraudes ou des pannes pour agir avant qu’elles ne se produisent.

    ·      Analyse des comportements des clients : comprendre leurs motivations, identifier les meilleures façons de les prospecter et de les fidéliser pour proposer à chacun des services personnalisés au bon moment par le canal le plus pertinent.

    L’analyse prédictive est un outil décisionnel inédit et efficace, capable d’aider à redéfinir toutes les activités de l’entreprise, redistribuer les ressources, entamer une transformation organisationnelle, etc. Pour utiliser pleinement le potentiel accumulé des leurs données et acquérir un avantage compétitif, les entreprises doivent rapidement intégrer de nouvelles méthodes d’analyse dans leur stratégie globale.

  • La Data : maillon faible de la transformation digitale ?

    La Data : maillon faible de la transformation digitale ?

    La Data est au carrefour des préoccupations des DSI, des marketeurs, des commerciaux, des ressources humaines et autres.
    La Data relie, connecte, mesure et concrétise les gisements de valeur digitaux.

    Mais les stratégies orientées données des entreprises sont-elles efficaces ?

    Lazhar Sellami et Sébastien Thomas ont été consultants, auprès des grands comptes, sur des projets de transformation des systèmes d’information et de business intelligence. C’est pour résoudre ces problèmes qu’ils ont créé DataGalaxy.
    Entretien avec deux visionnaires et acteurs de la donnée à tous les niveaux de l’entreprise.

    MyDigitalWeek : Pendant 15 ans vous avez accompagné des entreprises sur des projets liés à la data. Quel état des lieux faites vous ?

    Durant toutes ces années, nous avons pu constater que les entreprises ont acquis un certain niveau de maturité technologique pour collecter, stocker et exploiter les silos de données nécessaires pour gérer leurs activités.

    Mais à l’ère du big data et face à l’explosion des sources et des volumes de données, beaucoup d’entre elles n’ont pas anticipé le virage organisationnel nécessaire pour gouverner la connaissance de ces nouvelles masses de données. Souvent, elles ne savent plus répondre avec certitude à la question d’où proviennent les données, à quelles fins elles ont été collectées, si elles ont fait l’objet de traitement, … des incertitudes qui génèrent des risques pour l’entreprise et handicapent son agilité.

    Le nouveau challenge des entreprises est donc de se réapproprier leurs données. Maîtriser la connaissance de ces dernières devient le principal enjeu. Et si elles veulent y parvenir, il va falloir faire évoluer les méthodes de travail, passer en mode collaboratif et donc casser les silos auxquels nous sommes tous trop souvent confrontés.

    MyDigitalWeek : DSI, marketing, métiers… à qui appartient la data ?

    Historiquement la data appartenait, de facto, à la DSI. C’est elle qui la stockait, la manipulait. Elle s’assurait que l’ensemble des services métier puissent y accéder pour leurs usages.

    Puis on a vu déferler la vague des technologies en « self-service ». Grace à ces technologies, les services métiers peuvent traiter des données sans dépendre de la DSI et ainsi commencer à revendiquer le droit de disposer de la data.

    Mais de notre point de vue, le débat de la propriété de la donnée n’a pas lieu d’être. Ce qu’il faut bien comprendre c’est que la data n’appartient à personne, elle est la propriété de l’entreprise qui en est la seule détentrice légitime. DSI, Marketing, Finance, … ne sont que des contributeurs à la chaine de valorisation de ces données

    MyDigitalWeek : Est -ce que les stratégies orientées données des entreprises sont efficaces ?

    C’est une excellente question, aujourd’hui la plupart des entreprises s’efforcent de mettre en place des stratégies orientées données – ou data centric –  mais elles ne savent pas par où commencer.

    Elles possèdent des masses de données et la technologie pour les traiter… mais ce n’est ni un data lab, ni un data lake, ni telle ou telle technologie qui fera une stratégie Data efficace.

    Nous pensons que les entreprises doivent commencer par se réapproprier la connaissance de leurs données. Et pour cela, un changement dans la culture de gouvernance des données est nécessaire. Il faut engager et faire appel à la connaissance de l’ensemble des collaborateurs pour enrichir la connaissance commune et valoriser ce bien commun qu’est le patrimoine donnée de l’entreprise. Une fois ce changement engagé on pourra enfin initier une stratégie Data centric.

    MyDigitalWeek : Pourquoi la data est-elle au cœur de la transformation digitale ?

    La data est la matière première que l’entreprise raffine pour en extraire de la valeur. Il y a quelques années on ne pouvait pas parler de transformation digitale car on n’était pas outillé pour valoriser cette donnée à une échelle industrielle afin d’offrir aux clients les services et les expériences que nous pouvons connaitre aujourd’hui.

    Mais là encore, attention, les capacités technologiques ne font pas tout et on en revient au problème crucial : la capacité à gouverner la connaissance des masses de données. Car le traitement industriel suppose la maitrise de la fiabilité, de la qualité et de la traçabilité des données. C’est à cette condition qu’une entreprise sera capable d’innover et de répondre aux impératifs du Time to Market de l’ère digitale.

    MyDigitalWeek : Qu’est-ce qui vous a poussé à créer DataGalaxy ?

     C’est pour répondre à un besoin qui nous a accompagné tout au long de nos projets chez les clients et que nous avons vu devenir critique ces dernières années.

    En tant que consultants, la première chose qu’on faisait en arrivant en entreprise était de rechercher les sources, les structures et les transformations des données pour les comprendre…

    Avant de débuter le travail, on avait déjà investi des semaines de notre temps à cette montée en compétence. Une montée en compétence rendue encore plus difficile par le fait que les équipes IT et les équipes métiers ne parlent pas le même langage !

    Ajoutez à cela des heures et des nuits à compléter et mettre à jour des fichiers excel …

    Avec l’explosion des données dans les entreprises, la situation devenait intenable, il fallait que l’on trouve une solution.

    C’est ainsi que Sébastien et moi avons commencé à travailler sur l’idée d’une plateforme collaborative de cartographie des données. C’est ainsi que DataGalaxy est née.

    Notre objectif est simple, donner aux équipes et aux entreprises le moyen d’accéder, de contribuer et de partager une connaissance commune des données. Nous avons conçu la solution autour de 3 principes :

    • Permettre aux collaborateurs informatique et métier de collaborer autour des données au-delà des silos organisationnels
    • Offrir à chaque collaborateur qui a besoin d’utiliser des données la réponse à 3 questions fondamentales : « c’est quoi, c’est où et comment c’est utilisé dans l’entreprise »
    • Procurer simplicité d’usage et de mise en œuvre pour accompagner l’agilité des équipes

    MyDigitalWeek : Votre solution casse les silos des entreprises pour justement pouvoir fédérer la data. Si techniquement, cela ne pose pas de problème, reste à changer les cultures. Est-ce le plus compliqué ?

    Effectivement, pour tous les virages importants – qu’il s’agisse d’initier une stratégie data centric ou de prendre le virage de la digitalisation –  le plus gros challenge est d’impulser la transformation. L’expérience nous a appris, que le niveau de résistance au changement est inversement proportionnel à la valeur ajoutée perçue par l’utilisateur dans son quotidien. C’est pour cette raison que nous préconisons une démarche bottom up qui maximise les bénéfices pour les utilisateurs dans la mise en œuvre de notre solution.

    DataGalaxy offre aux collaborateurs qui sont en contact quotidien avec les données, un espace commun afin d’échanger le savoir autour des données de façon directe pour travailler mieux et plus vite. Pour l’entreprise, DataGalaxy permet de crowdsourcer une connaissance collective et d’outiller l’animation de la gouvernance des données. Au final, tout le monde est gagnant !

    MyDigitalWeek : Quel est le niveau de maturité des entreprises face au GDPR ? Est- ce que cette nouvelle réglementation va finalement vous faciliter la tâche ?

    Si on en croit les récentes études, le niveau de maturité des entreprises est faible. Certaines indiquent même que 70% estiment ne pas être prêtes pour l’échéance de 2018, date d’entrée en vigueur de GDPR.

    Heureusement ou malheureusement, ce constat vient donner un écho sans précédent au constat que nous avons fait sur le terrain et qui nous a mené à créer DataGalaxy il y a 2 ans.

    En obligeant les entreprises à retrouver et retracer l’usage des données personnelles qu’elles détiennent, GDPR a révélé le niveau de méconnaissance des entreprises sur leurs données et a donc confirmé la nécessité de disposer d’une cartographie des données.

    MyDigitalWeek : Quel message souhaitez-vous faire passer ?

    Les entreprises devraient profiter du changement imposé par GDPR pour initier le changement dans leur façon de gérer la connaissance de leurs données. C’est l’opportunité de casser les silos et de sensibiliser tous les collaborateurs à l’importance de partager leurs connaissances des données ; à l’importance de la gouvernance collaborative pour les valoriser et surtout c’est l’occasion de les outiller pour le faire.

    Nous invitons les entreprises à continuer ce travail de cartographie de données. Aujourd’hui GDPR concerne les données personnelles et sensibles. Demain, les contraintes réglementaires autour de la sécurité des données vont devenir de plus en plus pressantes avec l’essor du digital. La gouvernance de la connaissance des données est centrale, car on ne pourra jamais valoriser ou sécuriser ce qu’on connaît mal ou pas du tout comme c’est encore trop souvent le cas aujourd’hui. Et à l’ère du digital cela peut se révéler désastreux tant au niveau business que pour la réputation pour une entreprise.