Trois règles d'or pour réussir un projet data

Trois règles d’or pour réussir son premier projet Data

La Data constitue une révolution pour l’entreprise et peut impliquer des changements perturbateurs. Pour capter la valeur qui réside dans la Data sans déstabiliser toute l’organisation, il convient donc de procéder avec méthode : Wintics vous propose 3 règles d’or pour y parvenir dès le premier projet.

Première règle d’or : bien choisir la problématique business du projet

La Data est capable de répondre aux enjeux clés des entreprises : elle peut donc donner lieu à de nombreux projets. Parmi tous les candidats potentiels, le choix du premier projet est essentiel. S’il est réussi, il permettra d’impulser une dynamique positive quant à l’utilisation de la Data dans toute l’entreprise. A l’inverse, s’il n’est pas au niveau des attentes de vos collaborateurs, il pourrait favoriser la naissance d’un sentiment data-sceptique dans votre organisation.
Pour sélectionner votre premier projet :

  • Choisissez un projet dont les retombées sont rapides et visibles (quick wins) : inutile de vous engager tout de suite dans un projet long et coûteux, l’enjeu est d’abord de démontrer l’utilité de la Data à vos collaborateurs et de créer une certaine émulation autour de cette thématique.
  • Ne réfléchissez pas à un niveau macro : vous ne changerez pas l’organisation de toute votre entreprise dès le premier projet. Concentrez-vous plutôt sur l’échelle micro (une équipe par exemple) : vous pourrez développer des outils qui changent son quotidien et qui feront de ses membres des ambassadeurs de votre stratégie.

Deuxième règle d’or : placer l’humain au cœur de la démarche

Le principal frein au développement des initiatives Data dans les entreprises est d’ordre humain plutôt que technique. L’intelligence artificielle peut faire peur à vos collaborateurs dans la mesure où elle redessine les organisations et redéfinit la place de chacun. En même temps, elle fait naître de nouveaux métiers et libère vos collaborateurs de certaines contraintes. Ils peuvent ainsi concentrer leur énergie sur les tâches à plus forte valeur ajoutée et se montrer plus créatifs.
Pour appréhender au mieux les aspects humains d’un projet data :

  • Montez une équipe projet de champions
    Le succès du projet dépend beaucoup des personnes qui seront mobilisées. Le choix de l’équipe projet est donc essentiel. Elle doit combiner les expertises techniques et métiers afin de répondre de façon pertinente à la problématique posée. Une telle équipe est au minimum composée de quatre personnes : un chef de projet, un data scientist, un ingénieur réseau de la DSI et un opérationnel.
  • Associez l’ensemble de vos collaborateurs au projet
    Afin d’impulser une dynamique de changement dans votre organisation, l’équipe projet peut prévoir des consultations afin de recueillir les attentes des salariés concernés. Elle peut aussi organiser des comptes-rendus informels (ex : lunch & learn) pour présenter l’avancement du projet et répondre aux questions. Ce type d’événement permet d’anticiper les blocages potentiels en relevant les remarques de chacun.
  • Soignez l’ergonomie de l’interface utilisateur
    La facilité d’utilisation et l’ergonomie du produit final (user experience) sont des facteurs clés dans l’adoption par vos collaborateurs de la solution développée. Une prise en main rapide et intuitive favorisera grandement l’intégration de l’outil dans les processus actuels de vos équipes.

Troisième règle d’or : procéder méthodiquement

Quelle que soit l’envergure du projet que vous souhaitez lancer, il est nécessaire de respecter certaines étapes clés afin de valider sa pertinence et de s’assurer de ses retombées.
On distingue généralement quatre grandes étapes dans un projet Data :

  • Le diagnostic
    Lors de cette étape, l’équipe projet est en charge de passer en revue les données disponibles (nature, qualité, quantité) afin de définir ce qu’il est possible de faire. Le diagnostic est aussi une phase de pédagogie et de partage d’idées, propice à l’alignement des objectifs de chacun.
    Il aboutit sur une feuille de route décrivant l’ambition du projet, ses grandes étapes, la contribution de chacun et les indicateurs de performance.
  • Le PoC (Proof of Concept = prototypage)
    Le PoC correspond à la phase de développement de l’algorithme. A ce stade, l’algorithme est entrainé et testé sur un ensemble de données statique (ex : des données historiques). Cette première version de la solution permet d’évaluer les gains espérés du projet en modélisant ex-post les décisions qui auraient été prises historiquement sur la base des recommandations de l’algorithme. Une telle approche permet donc d’estimer le retour sur investissement du projet et de décider ou non de sa mise en œuvre à plus grande échelle.
  • Le pilote
    Lors du pilote, l’algorithme est testé en conditions réelles sur un périmètre limité de l’entreprise (ex : sur les données CRM d’un pays uniquement pour un projet marketing) afin de valider la pertinence de l’outil auprès des opérationnels, d’estimer la capacité d’acceptation des équipes et d’évaluer les risques de dérives lors du passage à l’échelle.
  • Le déploiement industriel
    A l’issue du pilote, la solution est branchée sur l’ERP de l’entreprise avec l’aide de la DSI. Elle permet alors de prendre des décisions éclairées en temps réel. L’algorithme est ré-entrainé automatiquement avec le flux continu de donnée et s’améliore continuellement.