Tribune Libre – Axel ULLERN, Pierre SIMON, Charles-Henri RUSSON
Institut Gouvernance Numérique – Europe
Les DSI ont elles manqué le train de la data ?
La réponse est probablement : OUI !
Est il trop tard pour réagir ?
La réponse est certainement : NON, mais il est grand temps !
Les deux objectifs de cette tribune sont :
Expliquer en quoi la position de la DSI vis-à-vis des initiatives data peut devenir une opportunité pour l’entreprise.
Suggérer aux DSI quelques pistes pour se mettre en mouvement, reprendre du leadership essentiel et transversal sur tous les sujets data.
Une définition : Nous regroupons ici sous le terme générique de « data » toutes les technologies qui permettent d’exploiter le Big data , de faire des prédictions à base d’algorithme (IA, data science, Machine Learning )
Bref Historique, Approches métiers
Nous observons que beaucoup d’entités métiers ou Business Units ont pris le leadership sur la data avec une logique pragmatique basée sur les projets. La raison est simple : les métiers ont des besoins, ces technologies apportent des réponses satisfaisantes en permettant aux métiers d’être plus efficaces.
Exemples : le marketing peut déterminer le « churn » (clients perdus au profit de la concurrence) et donc mettre en place des programmes de fidélité ciblés.
Une banque peut prévoir le risque crédit de ses futurs clients et diminuer ce risque, une unité de production peut prévoir l’usure ou la panne d’un outil, éviter une catastrophe ou réduire ses coûts de maintenance (maintenance prédictive). Ces technologies apportent aux métiers précision et anticipation, deux facteurs de performance.
Comment le train de la data s’est-il mis réellement en marche ?
Dès le début des années 2010, les métiers se sont vite rendus compte que la complexité des technologies data nécessitait des profils très pointus : les data scientistes (ou data-analystes), et que ces compétences étaient très rares !
Comme dans tout marché émergent, les entreprises ont alors eu le choix entre deux stratégies :
1° Recruter un ou plusieurs spécialistes data
2° Faire appel à un prestataire spécialisé en data (ex. cabinet de conseil avec practice”data”)
On observe pour la première approche deux structures organisationnelles :
Des recrutements ponctuels au sein des Business Unit métiers
Des pôles data-science, souvent sous la houlette du CDO (Chief Data Officer), regroupant des équipes de data scientistes.
Pour la deuxième approche : les entreprises choisissent de faire appel à de nombreux prestataires de type startup spécialisées (ex. Converteo à Paris spécialisée en data marketing), ou bien à de grands cabinets de conseil ayant développé des compétences data (ex. Boston Consulting Group).
On trouve chez les uns et les autres des armées de data scientistes, preuve que ce marché de la data est très dynamique ; ces armées sont prêtes à se mobiliser pour intervenir directement auprès des directions métiers clientes.
Ainsi de nombreux projets data ont pu démarrer au sein des entreprises.
En synthèse : Prestataire ou recrutement, dans tous les cas, c’est bien les métiers qui pilotent, la DSI n’étant souvent même pas consultée (bien qu’il s’agisse de projets informatiques !).
Quid de la DSI ?
Visiblement tout ce mouvement autour de la data s’est créé trop souvent sans le concours de la DSI qui est souvent peu impliquée dans ces projets. Notre propos au-delà de l’analyse des causes de cette situation, est surtout de de proposer des axes réinvestissement des data par la DSI au service de l’ensemble de votre organisation.
Pourquoi cette mise à l’écart de la DSI est-elle préoccupante ?
Avant de répondre à cette question, il est important de faire un rappel : de quelles données parle-t-on exactement ? Le Big data s’appuie sur deux grandes catégories de données, structurées et non structurées. Schématiquement, les données structurées sont formatées de manière précise ; on les trouve dans les systèmes d’information, les bases de données, elles sont accessibles via un langage de requête bien connu : SQL. Les données non structurées sont les textes, les e-mail, les photos, les vidéos , le son ,...
Le Big data est capable d’analyser et de traiter les deux types de données, c’est ce qui fait sa grande force (à contrario de la business Intelligence limitée aux données structurées); son pouvoir prédictif est renforcé par cette capacité, à condition toutefois de nourrir les algorithmes de Big Data de données « propres » et « à jour ».
Or la DSI exerce son contrôle sur le système d’information qui renferme la majorité des données structurées internes à l’entreprise (exemple : systèmes ERP); les entités métiers, quant à elles, ont besoin d’analyser ces même données internes, tout en les croisant avec d’autres données externes à l’entreprise (structurées ou non, en provenance de sites internet,...).
En effet, plus les données sont enrichies en provenance de différentes sources, plus le big data et les algorithmes prédictifs vont se montrer performants.
Les projets dont nous avons parlé ci-dessus qui naissent dans le giron des entités métiers, sans que la DSI ne soit consultée ou impliquée, ne peuvent pas atteindre leurs objectifs s’ils sont privés des données contenues dans le SI. Nous avons fréquemment observé la situation suivante : lorsque le périmètre du projet data est bien défini et lorsque l'équipe projet a commencé son travail, les parties prenantes réalisent qu’elles ont besoin de la DSI, détentrice des clés d’accès au SI.
A ce stade, il est souvent trop tard; cette dernière n’ayant pas été impliquée dès le début du projet aura beau jeu de le freiner, voire de le bloquer, prétextant un risque pour la sécurité (à juste titre parfois !).
Commentaire d’un data scientiste collaborateur d’un cabinet de conseil spécialisé : « Chaque fois que je vois la DSI arriver sur un projet, démarré avec mon client ,
Je suis sûr que le projet va être soit retardé, soit torpillé !»
Risque principal engendré par ces initiatives nées au sein des métiers sans embarquer la DSI
Nous assistons pour beaucoup d’entreprises à une sorte de foisonnement des projets data issus des métiers, une situation au demeurant positive car source d'innovations mais qui peut s’avérer brouillonne : le savoir-faire accumulé par chaque direction métier est souvent mal partagé vis-à-vis des autres. Le manque de coordination est parfois flagrant. De plus, la DSI est réduite à jouer un rôle de frein alors qu’elle devrait être motrice. Enfin, les données elles-mêmes risquent d’être fragmentées (pour satisfaire aux besoins de chaque directions métiers) : ce qui est contraire à la « raison d’être » du Big data. Sans brider l’innovation, il faut mettre un cadre : se pose alors la question de la gouvernance des données à l’échelle de l’entreprise.
Dans ce contexte, quel rôle peut jouer la DSI ?
Il nous apparaît que la DSI dispose de cartes maîtresses et que le moment est venu de les jouer. Il y a visiblement de la place pour donner de la cohérence à tout ce mouvement autour de la data, et c’est bien ce rôle que peut (doit) jouer la DSI.
L’entreprise a besoin de cette cohérence, faute de quoi, toutes ces initiatives issues des métiers ne seront pas coordonnées et iront droit dans le mur.
Ainsi la DSI doit monter en puissance sur deux axes majeurs :
1) La gouvernance des données : La DSI est naturellement incontournable sur ce sujet. Elle doit donc être une partie prenante essentielle de cette gouvernance, voire d’en assurer le leadership.
2) Les projets : une implication de la DSI en amont sur tous les projets métiers permettra de redonner de la cohérence entre ces projets. Travailler sur les choix technologiques, intégrer les travaux data dans l’existant figureront parmi les contributions de la DSI.
Ainsi, pour chaque équipe projet data (Agile), un membre de la DSI devrait participer activement, dès le démarrage du projet, aux côtés du responsable métier (ou product owner au sens « Scrum ») et du data scientiste.
En Conclusion
Rien n’est perdu pour la DSI : il est grand temps pour elle de retrouver un rôle de coordination et de structuration dont l’entreprise a besoin dans l’effervescence des projets data.
Dans ce rôle, très transversal, elle doit se comporter en partenaire des entités métiers.
Il faut néanmoins nuancer les constats qui précèdent : au-delà du titre quelque peu provocateur de cette tribune, reconnaissons que certaines DSI sont plus ou moins intégrées dans l’univers data et Big data en particulier, certaines ont plus ou moins de difficulté à dialoguer avec les directions métiers. La question de la coopération métiers/DSI n’est pas nouvelle, maintes fois évoquée depuis de nombreuses années, elle est maintenant devenue cruciale dans ce contexte de la vague data et de la transformation numérique des entreprises.
Toute cette analyse nous amène à proposer un concept nouveau : celui de la “maturité data” des entreprises. Cette maturité doit pouvoir être analysée et mesurée pour chaque organisation au travers d’une grille multidimensionnelle (ou matrice de maturité data), ce qui permettra de poser des diagnostics et formuler des recommandations ciblées et différenciées : le but étant d’aider les entreprises à accélérer leur transformation numérique et à bénéficier de la valeur des data.
C’est sur cette matrice de la « maturité data » que travaillent actuellement les auteurs de cette tribune.
Axell ULLERN
Pierre SIMON
Charles-Henri RUSSON
Plus sur www.polytechnique.education/ign