url

Stratégie Big Data : c’est quand qu’on va où ?

Alors que de nombreux POC voient le jour, et que de nouvelles offres technologiques naissent et se consolident, la question de l’adoption du Big Data n’est plus à l’ordre du jour : les entreprises, et plus particulièrement les métiers et les directions, ont su s’emparer du sujet, et poser les premières pierres.

L’enjeu n’est pas – répétons-le, de faire du Big Data pour faire du Big Data. L’enjeu est d’exploiter les gisements de données qui croissent de manière exponentielle à l’extérieur de l’entreprise, et de croiser des sources hétérogènes (social media, géolocalisation, internet des objets) le plus rapidement possible pour disposer d’un niveau de connaissance et d’action inégalé. Il est déjà vraisemblable que Google en sache autant, sinon plus, que la plupart des marques et soit capable de lancer de nouveaux produits à leur place.

Pourtant, les déceptions existent. Certains POC (Proof Of Concept) apportent peu de valeur. L’estimation des retours sur investissement est souvent incertaine. Les technologies bougent, alors qu’il faut faire des choix de déploiement. Les équipes en place ont du mal à appréhender le Big Data à côté des processus existant. Collecter, systématiser et traiter des données émanant d’entités réparties dans le monde n’est pas une tâche simple.

url

Passés les premiers essais, on se retrouve vite à devoir mettre de l’ordre dans son approche. La question de la meilleure stratégie Big Data à mettre en oeuvre se pose.

Souvent considérées comme du marketing 2.0, les démarches Big Data engagent en réalité une transformation profonde si elles doivent dépasser le stade expérimental ou ponctuel (études).

Il n’existe pas de chemin incontournable, et de stratégie générique : tout dépend de l’organisation, des moyens, des savoir-faire, des pressions concurrentielles, ou encore de la culture associée à la gestion des données. Ces éléments de contexte permettent de définir les équilibres. Et il existe, selon nous, trois facteurs de succès au travers desquels ils doivent être évalués :

La gouvernance : quand bien même des initiatives naîtraient dans un bon esprit dans toutes les branches d’une entreprise, avec des résultats époustouflants, il resterait la problématique de l’intégration informatique des projets, mais aussi celle des implications business à tenir ou des arbitrages en tous genres à mener. Cela passe nécessairement par une gouvernance forte pour et autour du Big Data, des lignes budgétaires, des responsables, un sponsorship au plus haut niveau, une organisation dédiée (qu’elle soit plaquée sur l’existant ou créee), un processus décisionnel efficace et pérenne.

L’innovation : ce n’est pas parce qu’on fait tourner un cluster Hadoop qu’une vérité se révèle, qu’une sérendipité ou un nouveau business model tombent du ciel. La Data Driven Innovation se choisit plus qu’elle ne se subit. Pendant des années et encore maintenant, le Big Data est largement associé à des entreprises qui ont construit leur coeur de métier sur ces technologies (Yahoo, Google, Criteo, Uber..). Or, pour une entreprise qui dispose d’une activité éprouvée, se lancer dans le Big Data peut, et doit impacter fortement le métier existant. En ce sens, et comme l’ont été tous les grands succès de rupture, il doit répondre à une méthodologie d’innovation rigoureuse, choisie en action / réaction à la culture existante (Lab, équipes transversales, interdisciplinarité, méthodes de mises sur le marché – essaimage, roadmap des déploiements, autonomie, communication, fonds d’investissements..).

Les compétences : peupler l’entreprise de Data Scientists ne suffit pas, former en interne est long, ne s’appuyer que sur des compétences externes limite la maîtrise et l’évolutivité. Entre le faire ou le faire faire, et la mosaïque des talents nécessaires, il est important de choisir la voie la plus rapide vers des résultats tout en étant en mesure d’identifier, pour des raisons stratégiques propres à chaque cas, les savoir faire à conserver, ceux qui peuvent être délégués, et s’appuyer aussi sur des retours d’expérience faisant gagner un temps précieux. Il ne s’agit de rien d’autre qu’une planification à mettre en oeuvre.

Faire des choix est un art compliqué, qui expose à des incertitudes : les réduire reste cependant possible et très souvent souhaitable, à commencer par inscrire le Big Data dans une démarche à long terme.