Avant d’engager des actions de transformation digitale, les entreprises ont surtout besoin de se positionner fortement autour de la gouvernance des données.

Aujourd’hui, toute entreprise née avant l’ère numérique est susceptible d’envisager (ou de subir) une transformation substantielle.


A ce titre, elles doivent rester pertinentes pour les clients, créer de nouvelles sources de revenus, rivaliser (et gagner) au sein de l’économie numérique et pouvoir se recalibrer plus rapidement dans un monde de plus en plus imprévisible et en évolution rapide.

Pour tirer parti des opportunités offertes par l’économie interconnectée, les entreprises se concentrent sur les données.

Or, il ne suffit pas d’amasser ou de générer simplement des données. L’avantage concurrentiel qu’elle procurent provient de la capacité de repérer les possibilités de transformation avant qu’elles ne deviennent évidentes pour tout le monde et d’agir sur les renseignements de manière proactive et prédictive.

Ces capacités sont fondamentales pour transformer l’expérience client, découvrir les besoins non satisfaits et offrir de nouveaux modèles commerciaux et opportunités de monétisation, comme en témoignent les « quatre géants » américains de Google, Amazon, Facebook et Apple (les fameux GAFA), et des « disrupteurs » de secteurs tels que Uber et Netflix.

Enfin, notez qu’il ne s’agit pas seulement d’initiatives orientées client – les organisations doivent être plus intelligentes dans leur façon de collaborer avec les fournisseurs et les partenaires commerciaux en trouvant de nouvelles façons plus efficaces et efficientes de travailler ensemble.

Technologie adorée, données abhorrées ?

La valeur intrinsèque de tout programme de transformation digitale repose sur la production d’informations exploitables.

Les entreprises recherchent des outils et des technologies avancés tels que l’analyse prédictive, l’automatisation des processus robotiques (RPA ou Robotic Process Automation), l’intelligence artificielle (IA), l’apprentissage automatique, l’Internet des objets (IoT) et la blockchain, pour aider à améliorer ou à inventer de nouveaux produits, services et modèles commerciaux.

Par exemple, près d’un quart (23%) des entreprises (américaines) utilisent activement l’analyse prédictive, tandis que plus de la moitié (51%) envisagent ou évaluent des outils pour activer la capacité prédictive.

Quelle que soit l’innovation mise en avant, ce sont les données qui alimentent les processus en coulisses ou dans les applications frontales.

Dans la poursuite de l’intelligence exploitable, qui est souvent négligée, tout indicateur n’est utile qu’à l’aune de la qualité et de la disponibilité des données sous-jacentes.

À mesure que nous nous habituons à prendre des analyses à leur valeur nominale, des données incomplètes ou inexactes se traduiront inévitablement par des informations trompeuses et de mauvaises décisions. Celles-ci pourraient avoir un impact négatif sur les opérations, la planification, les projections et les résultats.

Tout projet de transformation digitale de grande envergure échouera presque certainement à tenir sa promesse si les données sous-jacentes ne sont pas à la hauteur.

À titre d’illustration, près de huit sur dix (78%) projets d’IA et d’apprentissage automatique seraient bloqués en raison de la mauvaise qualité des données. 96% d’entre eux ont rencontré des problèmes de qualité des données, d’étiquetage des données requis pour former l’IA et de construction confiance du modèle. Ces chiffres devraient faire réfléchir !

Pourtant, au fil du temps, ces problèmes risquent de s’aggraver.

Non seulement les services et les processus basés sur des technologies telles que l’IA et le RPA se nourrissent de données mais ils génèrent également des quantités impressionnantes d’autres données (les métadonnées, notamment).

Ces données doivent être collectées, agrégées et analysées pour être utiles ou même exploitables.

Alors que le volume, la variété et la portée des données créées et acquises augmentent de façon exponentielle, il serait dommage que les utilisateurs professionnels soient censés trouver, comprendre et faire confiance aux informations pour faire leur travail, par eux-mêmes.

Sans traitement, l’utilisation des données ne fera que renforcer les pratiques, les processus et les cultures de manière sous-optimale.

Cela les maintiendra fermement coincés dans un état défini par le processus plutôt que basé sur les données, et les empêchera de détecter les angles morts ou de proposer les expériences que les clients avertis d’aujourd’hui attendent.

Pourquoi les transformations numériques échouent (et comment elles peuvent réussir)

Le fondement de la transformation digitale est, en fait, la gouvernance des données

Il s’agit notamment du plan directeur des politiques et des processus pour le cycle de vie de bout en bout des données qui, avec la gestion des données d’entreprise, transforme l’accès aux données en un partage, une ressource à l’échelle de l’entreprise grâce à une disponibilité, une convivialité et une intégrité continues.

Avant de se lancer dans des initiatives de transformation digitales ambitieuses, les entreprises devraient dès lors commencer par des « petits pas » en améliorant le maintien de données fiables, précises et complètes jusqu’à ce qu’elles deviennent une compétence de base – et un différenciateur compétitif en soi.

Cela signifie avoir une bonne compréhension du contexte, de la qualité et de la valeur commerciale de toutes les sources d’informations disponibles – à l’intérieur et à l’extérieur de l’organisation.

La gouvernance des données est fondamentale pour quatre raisons fondamentales :

  • Elle permet aux entreprises de donner à leurs dirigeants une vue globale des mesures qui comptent et de leur permettre de prendre des décisions agiles et fondées sur des preuves.
  • Elle permet aux scientifiques des données (Data Scientists) de se concentrer sur la réponse aux questions commerciales et la formation de modèles d’IA en toute confiance dans les résultats.
  • Elle permet à de plus en plus de workflows d’être informés ou transformés en mettant des informations contextuelles ou des capacités prédictives entre les mains d’utilisateurs non techniques.
  • Lorsqu’elles sont fournies dans un cadre de confidentialité, les données peuvent contribuer activement à préserver la confiance des clients, à stimuler l’automatisation (comme dans le cadre du Marketing Automation) et à offrir des expériences client intelligentes et engageantes.

Au milieu de la grande ruée vers l’or qu’est la transformation digitale, les données doivent être perçues et traitées de la même manière que tout autre actif stratégique, à l’instar des personnes et du matériel.

Elles doivent être gérées avec les bons outils et régies par les politiques et la gouvernance des données appropriées.

À un moment où les données sont de plus en plus déterminantes pour les résultats commerciaux, la façon dont les entreprises relèveront le défi de gérer leurs informations stratégiques déterminera le succès de leurs initiatives de transformation digitale.