De la donnée brute à l’actif stratégique : une approche produit

Selon certaines estimations, les silos de données coûtent aux entreprises près de 3 100 milliards de dollars en manque à gagner et en perte de productivité. Pour y remédier il faudrait changer fondamentalement de point de vue. La donnée doit être reconnue comme un produit de valeur, à innover, améliorer, gérer et monétiser comme n’importe quel autre. Certaines entreprises ont déjà adopté ce modèle. Un grand distributeur européen, par exemple, est parvenu à monétiser des préférences anonymisées de profils d’acheteurs et des préférences de marques auprès d’acteurs des biens de grande consommation. De même, eBay propose aux vendeurs un abonnement à son outil propriétaire de recherche produit, qui fournit des analyses et des insights sur les ventes pour éclairer les décisions en matière de stocks, de tarification et de marketing.

Rajan Padmanabhan, AVP, Senior Principal Technology Architect, Data Analytics and AI, Infosys partage son analyse du sujet.

Considérer la donnée comme un produit

Gérer la donnée tout au long de son cycle de vie avec la même rigueur qu’un produit traditionnel permet de la faire passer d’une fonction technique à une véritable discipline métier. Cette approche met l’accent sur les besoins des utilisateurs, la découvrabilité des données et la valeur mesurable.

Le cycle de vie d’un produit de données s’apparente à celui d’un logiciel. Il commence par la définition du problème métier, du périmètre, des audiences cibles et des résultats attendus. Le produit est ensuite conçu en sélectionnant les bonnes données et en construisant les pipelines nécessaires. Le déploiement consiste à rendre le produit découvrable et accessible via des plateformes en self-service, avec documentation et support associés. Tout au long du cycle de vie, la performance est suivie afin de garantir la conformité réglementaire et une gouvernance responsable. Le produit doit être régulièrement mis à jour sur la base des retours utilisateurs, puis retiré de manière maîtrisée lorsque sa durée de vie utile arrive à son terme.

Voici quelques principes clés de conception :

• Facilité d’usage et accessibilité : les utilisateurs doivent pouvoir trouver, comprendre et exploiter les données aisément. Un catalogue ou une marketplace centralisée, avec des métadonnées claires, est crucial.
• Fiabilité : établir la traçabilité (lineage) des données et des métriques de qualité garantit précision et fiabilité.
• Interopérabilité : le produit doit être conçu pour fonctionner de manière fluide avec les autres systèmes et applications de l’entreprise.
• Passage à l’échelle : la conception doit permettre d’absorber la croissance future des volumes de données sans dégrader les performances.

Bien entendu, l’objectif final de la conception de produits est de maximiser la valeur commerciale de la donnée. Les bons indicateurs permettent aux entreprises de comprendre comment les produits de données influencent les résultats métier. Si les gains d’efficacité sont importants, la véritable valeur d’un produit de données réside dans sa capacité à générer de nouveaux revenus, améliorer la satisfaction client et permettre des décisions éclairées.

Rajan Padmanabhan, AVP, Senior Principal Technology Architect, Data Analytics and AI, Infosys

Faire de la donnée un actif central

Considérer la donnée comme un actif, un moteur qui alimente l’IA, l’automatisation et l’innovation métier constitue une autre perspective essentielle. À l’image d’un équipement industriel, un actif de données doit être correctement entretenu pour que les applications qui en dépendent fonctionnent de manière efficace et fiable à grande échelle. Une approche robuste de product management crée des actifs de données de confiance en assurant qualité, cohérence et conformité.

Les entreprises peuvent ensuite exploiter ces actifs de multiples façons : entraîner des modèles d’intelligence artificielle et de machine learning en ayant pleinement confiance dans la qualité des résultats ; fournir du contexte aux agents virtuels afin d’améliorer leurs réponses ; piloter une automatisation intelligente, adaptable et sensible au contexte ; offrir une visibilité claire sur l’ensemble des opérations pour automatiser des workflows de bout en bout ; réutiliser ces actifs de données pour éliminer les redondances dans les traitements, accélérer les développements et réduire le time-to-market des nouvelles offres ; dégager des insights pour saisir de nouvelles opportunités ; et, à terme, devenir des organisations véritablement pilotées par la donnée.

Passer d’une vision propriétaire de la donnée à une vision d’usage

Adopter un modèle de gouvernance des données (data stewardship) aide les entreprises à rendre leurs données plus facilement utilisables en interne. Le rôle du référent·e données (data steward) est de veiller à la qualité et à l’utilisabilité de la donnée, plutôt que d’en revendiquer la propriété ou le contrôle. En s’appuyant sur des cadres de gouvernance modernes fondés sur ce rôle, les entreprises garantissent un accès aux données à la fois sécurisé et agile, propice à la collaboration et à l’innovation.

L’utilisation de personas pour comprendre les besoins de chaque type d’utilisateur permet de concevoir des outils adaptés, grâce auxquels chacun, quel que soit son niveau de compétence technique, peut découvrir, comprendre et exploiter les données facilement.

Les entreprises les plus valorisées au monde doivent une large part de leur réussite à leurs données et à leurs capacités de gestion de la donnée. En appliquant une approche de product management, en traitant la donnée comme un actif central et en instaurant une gouvernance des données, toute organisation peut organisation peut convertir des informations dormantes en une valeur substantielle pour l’entreprise.