Hors-Série IA 2020

Stratégie Data Driven : les trois stades de la Transformation Numérique

Stratégie Data Driven : les trois stades de la Transformation Numérique

La Transformation Numérique c’est bien. Mais comment faire ?
Les points essentiels sont souvent noyés dans une foule de détails techniques. Dans cet article, nous donnons une feuille de route synthétique qui comporte trois étapes. Cette feuille de route permet d’avoir une vision claire et indique la stratégie pour bâtir une entreprise Data Driven. Cette feuille de route permet de s’étalonner par rapport aux concurrents et de se situer. Nous détaillons chaque stade de la Transformation en entreprise Data Driven ainsi que leur articu-lation entre eux.

Du 1er au 3ème stade, quels sont les jalons qui les constituent ? Quelles sont les tâches à effectuer ? Dans quelle perspective orienter les données ?

Comment chaque stade fait levier des technologies numériques. Du Big Data au Machine Lear-ning. Comment initier la relation Client - Data - Produit ?
Tout d’abord, commençons par poser le cadre et définir les termes.

La Transformation Numérique qu’est-ce que c’est ?

La Transformation Numérique c’est la modification radicale des organisations par les technolo-gies numériques.

Attardons-nous quelques instants sur les termes. En premier lieu “Transformation”, ici on ne parle pas de numérisation ou de digitalisation zéro-papier qui est un processus entamé depuis plusieurs décennies par les organisations. Il est question de Transformation Numérique. Ceci souligne le fait que l’on passe d’un état à un autre. Nous y reviendrons plus en détail dans la partie où nous traiterons le 3ème stade de la Transfor-mation Numérique.

Gardons ceci à l’esprit, ce qui nous préoccupe ici est une modification radicale des organisations ou alors à tout le moins une évolution notable. Ce qui provoque le changement des organisations ce sont les technologies numériques. Il doit y avoir un avant et un après à l’issue de la Transformation Numérique. C’est n’est pas une demi-mesure. C’est un changement définitif. Quelques exemples. L’industrie se révolutionne sous nos yeux en s’engageant sur la voie de la Transformation Numérique. Rolls-Royce en témoigne. Ici une tarification à l’usage des moteurs d’avion a ouvert la voie vers de nouveaux modèles d’affaires.

Que change-t-on dans les organisations ? En premier lieu, on change les métiers de l’entreprise. C’est-à-dire l’ensemble des tâches nécessaire à assembler, produire, distribuer et vendre.

Le décor étant posé, voyons à présent quels sont les stades qui mènent à la Transformation.

La feuille de route de la Transformation Numérique

La Transformation Numérique se résume à trois étapes clés. Voici comment elles s’articulent.

Le 1er stade concerne l’organisation des données de l’entreprise. Dans ce stade, on fait levier des technologies Big Data qui permettent de stocker, de recueillir et de gérer les données massives. C’est un stade d’initiation de la culture Data-Driven

Le 2ème stade entame l’analyse de données rassemblées lors du stade précédent. Ce stade fait usage intensif des technologies prédictives du Machine Learning. C’est un stade d’intensification de la culture Data au sein de l’entreprise.

Le 3ème stade révolutionne le modèle d’affaire de l’entreprise. Les capacités de prédiction ac-quises lors du stade précédent ouvrent des opportunités irréalisables jusqu’alors. Le changement opéré par l’entreprise est radical.

A présent, allons plus en profondeur pour chacun des stades que nous venons de mentionner. Nous allons les détailler un à un. Commençons par le 1er stade de la Transformation Numérique

Le premier stade de la Transformation Numérique : Unification

La Transformation Numérique débute à ce stade. A ce stade, on réunifie toutes les sources de don-nées en un lieu unique nommé Data Lake. C’est l’entrepôt de données du Big Data.

Les systèmes de gestion de données bâtis autour de la technologie Open Source Hadoop permet-tent d’absorber tout type de fichier informatique. On les stocke dans ce Data Lake en conservant leur format d’origine et leur disparité.

Toutes les données, tous les formats sont concernés. Textes, images, chiffres, sons, vidéos, radio-graphies, scanners, etc. Tous les services de l’entreprise sont mis à contribution : fabrication, comptabilité, Ressources Humaines, ventes, marketing, etc. Ce sont les données relatives aux produits, aux procédés, aux clients, aux fournisseurs et aux em-ployés. Toutes les données.

L’objet de ce Data Lake est de devenir le référentiel de données de l’entreprise. C’est le Point Unique de Vérité du Big Data. C’est pourquoi, on nomme ce stade “Unification des sources de données”.

Lors des phases suivantes de la feuille de route, le Machine Learning puisera ici ses données afin de s’alimenter. Par la suite, toutes les données du Data Lake ne serviront pas forcément en même temps. Néan-moins, les algorithmes auto-apprenants que l’on déploie en masse dans le second stade viendront tous puiser à cet endroit.

La constitution de ce Data Lake ne constitue pas forcément un coût pour l’entreprise. Bien mené, ce stade peut constituer une source d’économie pour l’entreprise. Notamment sous la forme d’économies de salaires et de licence d’exploitation de base de données traditionnelles, devenues inutiles pour la plupart. De plus, l’Unification des sources permet de mettre en lumière les redondances. Ainsi, la Banque Canadienne Impérial de Commerce s’est dotée d’une Source Unique.

Plusieurs centaines de sources disparates et souvent redondantes furent rassemblées dans une ar-chitecture Big Data. Ainsi, la banque a unifié ses sources de données, automatisé leur consolidation manuelle et a abandonné ses anciens systèmes. Les dépenses opérationnelles (salaires et coût technologique) furent très fortement réduites. Ce qui permis d’autofinancer ce 1er chantier de la TN.

Détaillons à présent le 2ème stade.

Le second stade de la Transformation Numérique : Optimisation

Le 2ème stade rationalise et optimise les processus de l’entreprise. A ce stade, on fait mieux avec autant ou alors mieux avec moins de ressources. Ce qui prime est d'immerger toute l’organisation dans la culture Data-Driven.

Les modèles prédictifs du Machine Learning sont mobilisés pour émettre des prédictions qui sou-tiennent les activités traditionnelles de l’entreprise.

Le pétrolier Total équipe ses forces de vente d’un outil de reconnaissance vocal permettant de trier et organiser automatiquement l’information qui remonte des visites des commerciaux à leurs clients sur le terrain. L’information alimente ensuite une base de connaissances mise à disposition de toute l’entreprise.

Les algorithmes du Machine Learning ingèrent les données du 1er stade afin de prédire tout ce qui peut l’être dans la vie de l’entreprise et le déroulement de ses affaires.

Burberry traque les imitations de ses produits, les contrefaçons grâce à l’analyse des flux d’images sur interne. La start-up Heuritech anticipe les tendances de la mode pour ses clients en ingérant des centaines de millions d’images chaque jour. Nestlé suggère à ses clients une alimentation adaptée et personnalisée grâce à l’analyse de leurs données d’alimentation.

Les algorithmes du Machine Learning sont mis en branle dans toutes les phases de la vie du pro-duit. De la détection automatique de produits non-conformes sur les chaines de production à l’optimisation des flux logistiques pour une livraison personnalisée tenant compte de la situation du client (météo, trafic routier, etc.).

Bien entendu, l’analyse des données du client n’est pas en reste. Les données d’usage du produit sont mobilisées ainsi que les données comportementales, d’engagement et transactionnelles. Ces données répondent aux questions “comment”, “combien”, “quand” et “où”. Ce contexte est valable aussi bien en B2B que B2C.

Pour terminer, on les complète avec des données tierces, externes, afin d’obtenir une mise en con-texte enrichie de tous les usages de tous les clients. Ce croisement entre les données de l’entreprise et les données tierces amplifie considérablement les analyses des algorithmes du Machine Learning.

C’est l’ensemble de ces données (“comment”, “combien”, “quand” et “où”) que l’on porte à la connaissance des algorithmes.

L’objectif ultime est de personnaliser le produit de manière très poussée afin de servir au mieux le client.

Dans cette optique, le Client, le Produit et la Data doivent être envisagés conjointement. Ce trio indissociable de la Transformation Numérique forme une boucle dans laquelle chacun influence l’autre. On n’analyse plus le Client, puis le Produit et enfin les Data. Dorénavant, l’analyse qui porte sur chaque constituant est conjointe. C’est la boucle Client - Data - Produit.

Cette boucle produit un effet multiplicatif puissant : Le point de départ est le client. Il constitue l’objectif de l’entreprise Data-Driven. Les données d’usage du produit par le client sont passées sans relâche au crible du Machine Lear-ning En retour, le produit est modifié pour le personnaliser davantage et produire plus d’engagement et plus de data …

En revanche, il ne s’agit en aucun cas de construire un super algorithme. Ce point est important. Au second stade, on abreuve toute l’entreprise d’une nuée d’algorithmes. Chacun d’entre eux a la charge d’une seule question élémentaire telle que : “est-ce un homme ou une femme ?”, “quel âge a-t-il ?”, “va-t-elle résilier son abonnement pro-chainement ?”, “envisage-t-il de revenir sur un point de vente demain ?”, “combien d’articles dans son prochain panier d’achat ?”, “quelle distance parcourra-t-elle demain ?”, “est-ce un déplace-ment professionnel ou personnel ?”, etc.

Par exemple, en suivant ce principe, Schibsted, le géant scandinave propriétaire d’une centaine de marque de sites e-commerce exploite des algorithmes de Machine Learning afin de prédire les quantités, la composition, le montant, la fréquence de tous les paniers d’achat.

De cette boucle émerge peu à peu une vision complète du souhait profond du client lorsqu’il uti-lise le produit de l’entreprise.

On est en mesure de répondre “qui est-elle ?” et “pourquoi utilise-t-il notre produit ?”

Passons au dernier stade de la Transformation Numérique.

Le troisième stade de la Transformation Numérique : Métamorphose

Au 3ème stade de la Transformation Numérique, la culture Data irrigue déjà chaque métier, fonc-tion, tâche et décision dans l’entreprise.

Soyons tout à fait clair. Au dernier stade, il n’est plus question de rationalisation et d’optimisation de processus indépendants. Il ne s’agit plus de déployer des modèles analytiques avancés (assis-tant vocal intelligent pour la force de vente, identification des clients mécontents, etc.).

Le déploiement de ces outils intelligents qui viennent soutenir les métiers de votre entreprise et vos collaborateurs est l’objet du second stade.

L’objet du dernier stade va être d’apporter à votre organisation cette vision globale structurée et cohérente du changement.

A ce stade de la Transformation plusieurs stratégies sont mises en œuvre. Parmi elles, détaillons la stratégie de servicification. Cette stratégie consiste à fournir des conseils à haute valeur ajoutée. L’entreprise industrielle de-vient également fournisseur de service. Les barrières et catégories explosent. On passe de l’industrie au service par le biais de la donnée. C’est pourquoi, on résume ce stade en “Métamor-phose”.

Un exemple. John Deere, un industriel fournisseur de biens d’équipement agricole met sur le mar-ché des tracteurs dont les moteurs modifient eux-mêmes leur puissance en fonction de l’usage qui en est fait. C’est le premier point. Ensuite, ce fournisseur utilise toutes les données recueillies sur le terrain (type de sol, météo, sai-son, données agricoles sur la récolte et la culture). Leur analyse permet ensuite de fournir une foule de services à valeur ajoutée. Garantie et assurance de non-panne des tracteurs, conseil d’ingénierie agronomiques pour optimiser la récolte, etc.

C’est cela la métamorphose. On sort du cadre original de l’entreprise qui ne livre “que” des pro-duits finis. En suivant ce schéma précis, l’entreprise General Electrics s’est complétement réinventée.

Vendre un produit industriel, un bien manufacturé, n’est plus l’objectif final. Ce qui compte c’est la relation que l’on noue avec le client qui nourrit les algorithmes en données d’usage.

Ce 3ème stade est un stade d’intensification où la culture Data-Driven symbolisée par la boucle Client - Data - Produit est poussée au paroxysme.

Conclusion

Dans cet article, nous avons exposé la feuille de route de la Transformation Numérique. Cette feuille de route compte 3 stades distincts. Unification - Optimisation - Métamorphose. Cette feuille de route nous guide depuis les premières initiatives Data dans l’organisation jusqu’au stade final de la Transformation Numérique. Chaque stade comporte un chantier à mener afin de transformer l’organisation et d’intensifier la culture Data-Driven.