De l’importance de la fonction d’analyste et de la structuration d’une cellule d’analyse pour maximiser la contribution des systèmes d’information au développement du Business futur.

Les données de l’entreprise : un patrimoine à réveiller pour mieux avancer

Les investissements accumulés dans les systèmes d’information depuis des dizaines d’années se sont traduits par des générations d’applications toujours plus pointues, couvrant maintenant l’ensemble de l’écosystème de l’entreprise. Ce capital immatériel, principalement constitué des données accumulées lors des actes de gestion, est à la fois peu valorisé (en comparaison du capital de marque en marketing) et relativement sous-utilisé. Bien évidemment, les actes de gestion sont assurés, et l’exécution des tâches et processus est pilotée et mise en regard des objectifs via des systèmes de pilotage de plus en plus avancés. Mais l’information générée est rarement exploitée pour en dégager du « sens » (microsegmentation, personnalisation à la volée des actions…) ou, tout aussi faiblement, pour aider les dirigeants à piloter le devenir de l’entreprise (non pas contrôler dans le rétroviseur la bonne exécution des directives, mais fixer le nouveau cap, et les objectifs induits, cf. figure 1).
 

 

En effet, en ces périodes économiquement troublées, de globalisation toujours plus intense, et de concurrence toujours plus innovante, il est essentiel pour le dirigeant de fixer le cap avec assurance dans la tourmente, et d’être apte à prévoir, anticiper et riposter au plus vite. En regard de cette attente légitime, quelles réponses apporte le DSI aux dirigeants : quels sont les modèles mis à disposition ? Quelles sont les données externes, capitalisées et confrontées au patrimoine de données internes ?… Ensemble de domaines encore bien souvent en friche et vis-à-vis desquels il ne faut plus se contenter du seul flair (professionnalisme) des dirigeants. C’est pourquoi il devient nécessaire de les « outiller », non pas pour les remplacer, mais pour leur donner la capacité de tester un nombre plus important de scénarios, permettant de mieux cibler les mouvements stratégiques à conduire et les orientations à fixer.

Une pratique d’exploitation du patrimoine de données à peine naissante

En regard de ces attentes, les entreprises ne manquent pas de données, mais sont-elles structurées pour répondre à ces besoins ? Ont-elles été capitalisé dans cet objectif ? Et par delà les données, l’entreprise dispose-t-elle des technicités et des logiques d’exploitation pour contribuer aux réflexions des dirigeants ? En fait, cette « fonction d’analyste » est actuellement peu présente ou encore éclatée entre différents acteurs. Comment structurer une offre lisible pour les dirigeants qui souhaitent à la fois de la simplicité et de l’efficacité.
En fait, l’analyse nécessaire nécessite la réunion au minimum de trois composants :

• une expertise métier, pour traduire en orientation stratégique les résultats chiffrés ;
• une technicité de traitement de données (modélisation, statistique) pour faire « parler les données » par un choix judicieux des informations majeures allié à un choix adapté de restitution (graphiques) mettant en exergue les traits marquants,
• et une forte maîtrise de l’exploitation des données dans un mode « boîte à outils » permettant par des circuits courts et de façon itérative de converger rapidement vers des résultats significatifs. Tout en tenant compte de la forte confidentialité de cette convergence de données manipulées, de la complexité dans certains métiers de modéliser l’activité, de la dimension culturelle (notamment en France ou l’on s’appuie moins, pour décider, que dans les pays anglo-saxons, sur les « faits et les chiffres »). 

Il convient donc de structurer ce besoin et de l’organiser autour d’une « cellule d’analyse » en soutien des dirigeants s’appuyant sur une fonction « d’analyste » qui regroupe les expertises précitées. L’entreprise doit aussi en expliciter les apports et les modalités de fonctionnement (passage de commandes…). Bref : la promouvoir auprès des « consommateurs » et non pas « utilisateurs » que sont les dirigeants. Pour ce faire, l’approche de type « proof of concept » est préférable, car elle met en lumière sur des cas concrets l’utilité et la pertinence de l’approche. Enfin, la montée en maturité peut s’avérer lente pour la structuration de modèles d’exploitation pertinents des données.