Par Raphaël Savy, Vice-Président France et Europe du Sud d’Alteryx
La plupart des entreprises, quelle que soit leur taille, ont-elles un faible niveau de connaissances en matière de données ?
Le problème n’est pas qu’il y ait une méconnaissance totale en matière de données – au contraire, certaines entreprises font les choses incroyablement bien, engrangeant d’énormes succès grâce à des informations intelligentes et adaptées.
Le problème réside dans le fossé qui se creuse entre le petit pourcentage d’entreprises qui maîtrisent les données et celles qui ne les maîtrisent pas.
Nous voyons une poignée d’entreprises technologiques se lancer à pas de géant dans la course à la majorité, grâce à leur planification stratégique et à leur manipulation des données clients.
Ce n’est pas non plus un secret. Les entreprises axées sur le numérique sont désormais sur toutes les lèvres lors de nos échanges avec nos clients.
Les data scientists formés professionnellement sont rares, et pourtant la pression exercée sur les travailleurs à tous les niveaux des organisations pour qu’ils prennent des décisions plus rapides, meilleures et plus éclairées s’accélère.
Il ne fait aucun doute que la promotion d’une main-d’œuvre compétente en matière de données – qui permet de former à la fois des citizen data scientists et des data scientists avancés – est la clé de la transformation numérique.
La vraie question est de savoir comment, exactement, il est possible de devenir complètement digital-first sans une base solide de data scientists entièrement formés.
Comment améliorer l’apprentissage des données ?
Avant toute chose, nous devons dépasser le mythe selon lequel travailler avec des données n’est possible que pour ceux qui ont des diplômes hautement techniques.
La seule façon de démocratiser les données – et donc d’en faire le fil rouge de la société – est de donner à chacun la possibilité d’accéder à leur valeur.
Cela commence par fournir de simples cours d’introduction aux données à ceux qui le souhaitent et, plus important encore, par le soutien de programmes de reconversion pour les personnes qui se sont retrouvées au chômage en raison des tensions économiques de la pandémie.
Bien qu’il s’agisse d’une période difficile pour l’emploi, c’est l’occasion de s’efforcer de combler le déficit de compétences, tout en ouvrant le secteur à des idées nouvelles et originales.
La clé ? Les dirigeants doivent créer et développer une culture de la donnée, de la data science et de l’analytique.
Quels sont les principaux défis auxquels les entreprises sont confrontées lorsqu’elles tentent d’améliorer leur maîtrise des données ?
La première erreur consiste à utiliser les outils d’hier pour les ensembles de données d’aujourd’hui.
La plupart des entreprises ont maintenant établi qu’elles voulaient commencer à utiliser efficacement les données pour obtenir des résultats, mais le plus souvent, elles ne savent pas comment s’y prendre.
Cela conduit généralement des équipes inexpérimentées à fouiller dans des feuilles de calcul obsolètes et à essayer de trouver des informations pertinentes.
Si les systèmes existants ont sans aucun doute encore une place importante dans les entreprises, notamment pour l’administration générale, ils ne sont pas suffisamment avancés pour fournir des informations fiables.
En fin de compte, être capable de gérer un milliard de lignes et de les traiter n’est probablement pas quelque chose que vous pourrez faire avec une feuille de calcul classique posée sur votre bureau.
Les logiciels conçus spécifiquement pour manipuler les données sont non seulement plus puissants et plus efficaces pour manipuler les données, mais aussi beaucoup plus accessibles aux équipes internes.
Les outils dont nous disposons aujourd’hui sont-ils suffisamment matures pour fournir les informations sur les données dont les entreprises ont besoin pour réussir à court et moyen terme ?
En moyenne, les travailleurs de la donnée exploitent plus de six sources de données, 40 millions de lignes de données et sept sorties différentes au cours de leur parcours analytique.
Les systèmes auxquels la plupart des organisations ont actuellement accès sont, pour la plupart, inefficaces lorsqu’il s’agit de données.
Ce n’est pas parce qu’ils sont incapables de fournir des informations, mais plutôt parce qu’ils sont souvent trop compliqués à utiliser pour la plupart des employés.
Les fonctions de tableur sont souvent utilisées comme substitut aux outils de préparation des données, d’analyse et de développement des applications de données, mais elles sont sujettes aux erreurs et exposent l’organisation à des problèmes de conformité et de confiance.
Aujourd’hui, plus que jamais, les organisations et les chefs d’entreprise doivent être en mesure de dégager des tendances incroyablement rapidement, ce qui signifie que les erreurs sur les systèmes existants deviennent encore plus fréquentes.
Le paysage des données devenant de plus en plus complexe, et les tâches liées aux données devant être accomplies avec précision, les dirigeants doivent désormais investir dans des processus plus robustes.
Les systèmes conçus spécifiquement pour l’analyse des données peuvent offrir une solution. En automatisant le processus d’analyse, le risque de mauvaise utilisation des données est considérablement réduit et une base plus large d’employés est en mesure de travailler sur des informations.
Dans beaucoup de débats, on entend que les données ne sont pas le problème, les gens le sont. Les connaissances et les compétences sont-elles toujours le principal obstacle auquel les entreprises sont confrontées lorsqu’elles développent leur maîtrise des données ?
Tout commence avec votre équipe.
Il s’agit d’embarquer tout le monde dans l’entreprise en démocratisant les données, en donnant accès à une plateforme centralisée et en amplifiant l’intelligence humaine pour que chacun puisse résoudre les défis complexes de la data science.
Si les employés sont mal équipés ou dépassés, ils ne seront pas en mesure de produire les résultats souhaités ; c’est aussi simple que cela.
C’est pourquoi il est absolument essentiel d’offrir aux employés une formation adéquate et de nombreuses possibilités de perfectionnement, en particulier pendant une période de changement aussi brutal.
Dans le contexte des données, de nombreux dirigeants interpréteront cela comme une demande de reconversion de la moitié de leur personnel en data scientists, mais cela est bien sûr irréaliste.
Dans la pratique, il s’agit de mettre en place des systèmes intelligents et automatisés qui permettront aux employés existants de fonctionner plus efficacement et d’en tirer des informations rapides et tangibles.
Les organisations détiennent une grande quantité de données, mais leurs initiatives de transformation numérique ne porteront leurs fruits que si elles donnent à leur personnel les moyens d’influer sur l’évolution de l’entreprise grâce aux données.
Plus important encore, ce n’est qu’en rendant le travail sur les données collaboratif et les informations pertinentes accessibles de manière transparente (et sécurisée) aux parties concernées que les entreprises pourront accélérer leur processus de transformation numérique.
Si les travailleurs disposent des bonnes technologies, faciles à utiliser, combinées à l’accès aux données, la magie peut opérer.
À quoi ressemble l’avenir de la culture numérique ?
C’est notamment une question de continuité. Ce n’est pas en ayant trois data analysts sur une base de 300 employés qu’une entreprise deviendra numérique.
Cela l’aidera, bien sûr, mais leur influence sera inévitablement limitée. La maîtrise des données consiste à ouvrir le monde de l’analyse à l’ensemble du personnel.
Pour permettre à l’entreprise de prospérer dans un monde axé sur les données, il ne suffit pas de donner aux travailleurs les bons outils technologiques, mais de favoriser une culture de l’analyse.
Cela implique également de participer à la communauté au sens large pour découvrir comment d’autres entreprises ont utilisé l’analytique pour résoudre des problèmes similaires.
Si la culture de votre entreprise n’adopte pas cette approche centrée sur l’humain, peu importe la technologie et les données dont vous disposez, il vous sera difficile de combler le fossé numérique et de rester compétitif.
En 2021, l’apprentissage du numérique consiste à équiper les personnes qui ne sont pas des data scientists qualifiés ou des analystes expérimentés d’outils intelligents qui leur permettront de travailler de la même manière.
Heureusement, cela est désormais réalisable grâce à une combinaison de formations et de systèmes d’analyse avancés et automatisés.
