Maîtriser la Gestion des Big Data : Prévenir le Chaos Avant Qu'il Ne Commence

 

Il n'y a pas si longtemps, les opérateurs travaillaient en parallèle sur deux systèmes métier. L'un était généralement un ERP ou un programme financier, l'autre une application de la suite Microsoft Office. Mais ces dernières années, la technologie a changé à un rythme stupéfiant. L'entrée de l'architecture Software as a Service (SaaS) a révolutionné les processus, les utilisateurs préférant un abonnement pour tout ce dont ils ont besoin. Le rapport « State of SaaS-Powered Workplace 2017 » indiquait que l'utilisation de 16+ applications SaaS par les entreprises avait augmenté de 33 % par rapport à 2016.

 

Les systèmes SaaS peuvent rendre l'accumulation et l'analyse des données très faciles, générant instantanément des rapports esthétiques tout en offrant des capacités d'opération à distance. Mais c'est plus facile à dire qu'à faire et cela nécessite une stratégie claire et d'abondantes ressources techniques.

Les employés peuvent contourner les stratégies technologiques conventionnelles en s'abonnant simplement à ces produits. Cela peut mener à des efforts dupliqués, sans supervision. Par exemple, dans le cas du stockage cloud et du partage de fichiers, il y a de fortes chances que si vous interrogiez vos employés, vous trouveriez une variété de produits en usage, ex. Google Drive, OneDrive, Dropbox, etc. Si la tendance à utiliser des outils numériques peut être appréciée, les opérations risquent de devenir redondantes et coûteuses, car la variété des coûts d'abonnement est difficile à suivre. De plus, les données de l'entreprise deviennent dispersées, tout en l'exposant à des menaces de sécurité.

Ce sont des problèmes significatifs, mais il y en a un qui est encore plus grand : la capacité des applications SaaS à générer d'énormes quantités de données. Il a été dit plus haut que les entreprises utilisent des dizaines d'applications, mais prenons en compte les données que chaque application génère. Chaque connexion, chaque modification, notification, avertissement, etc. génère des données. Multipliez cela par les centaines ou milliers d'employés présents et l'information devient un chaos.

Rappelez-vous : « garbage in, garbage out » (entrée poubelle, sortie poubelle). La qualité des données est fondamentale si une entreprise veut tirer parti des outils qui font partie de l'Industrie 4.0. Une saisie utilisateur incomplète, des extensions tierces défectueuses et de mauvaises politiques de données peuvent tous constituer des polluants pour les jeux de données. En conséquence, ils gaspillent de précieuses ressources informatiques.

Une étude a révélé que les entreprises passent souvent 50 à 80 % de leur temps à nettoyer les jeux de données. C'est scandaleux, puisque les ressources chargées de ces tâches sont hautement qualifiées et embauchées pour l'analyse plutôt que pour corriger des fautes de frappe. Une approche stratégique de la gestion des données peut résoudre bon nombre de ces problèmes. Comme pour toute autre décision d'entreprise, un plan complet élaboré par la direction et soutenu par toutes les fonctions est essentiel.

Mise en Place d'une Équipe Transversale de Gestion des Données

La première étape devrait être la mise en place d'une équipe transversale de gestion des données. L'équipe doit incorporer des spécialistes technologiques, pas seulement du département IT, mais aussi des personnes qui utilisent les services, pour que leur avis puisse être pris en compte. Une fois l'équipe assemblée, les efforts des membres peuvent se concentrer sur trois priorités majeures :

Alignement des Processus et des Systèmes

Les processus métier doivent être étudiés en détail. Les points de génération de données doivent être identifiés, tout en gardant deux objectifs majeurs à l'esprit :

• Réduire les obstacles à la saisie des données
• Encourager l'utilisation des données

Réduire les Obstacles à la Gestion des Données

Un ensemble commun d'outils SaaS doit être identifié pour permettre aux équipes de travailler efficacement. Vous devez rechercher des outils déjà utilisés dans l'espace de travail, facilitant le processus d'implémentation. Les applications principales doivent ensuite être utilisées dans le cadre de stratégies de déploiement progressif, afin de promouvoir leur adoption généralisée. Si nécessaire, le personnel doit être correctement formé et motivé. De plus, une fois une décision prise, les employés doivent être instruits de la suivre, par exemple personne ne devrait utiliser Google Drive si Dropbox a été choisi.

Encourager l'Utilisation des Données

Une fois les nouveaux processus conçus, réfléchissez à la manière dont les applications SaaS peuvent soutenir les objectifs globaux d'analyse de données. Avez-vous maintenant la capacité d'extraire des données pour obtenir un aperçu des habitudes de travail des employés ? Des connexions API peuvent-elles être créées entre les services pour fluidifier le flux de données ?

Si l'entreprise a implémenté une plateforme métier d'entreprise, alors la fusion des données au sein d'un système unique peut être un choix viable. Cela dit, vous devez être très strict dans le choix des données que vous souhaitez conserver, car encombrer le système avec des données inutiles est la dernière chose que vous voulez faire.

Maintenant, vous devez engager toute l'équipe dans un brainstorming sur les moyens d'utiliser efficacement les données dans les opérations quotidiennes. La création de tableaux de bord et leur intégration dans les réunions d'équipe est une bonne stratégie, car elles permettent de suivre facilement les KPI des employés tout en offrant un aperçu des objectifs manqués. Les employés doivent également être informés de toutes ces stratégies, car une fois qu'ils savent que leurs saisies comptent, ils se soucieront de la qualité des données.

Adoption par les Utilisateurs

Tous dans l'organisation doivent comprendre l'importance de maintenir l'intégrité des données et y participer comme une obligation.

La communication joue un rôle majeur dans l'adoption par les utilisateurs. Au sein de chaque équipe, le manager doit jouer un rôle actif pour convaincre et motiver les membres. Les résultats des données collectées doivent également être partagés régulièrement pour que les employés connaissent la valeur de leurs actions. De même, les dangers des données problématiques doivent être clairement énoncés, et si nécessaire, des mesures disciplinaires doivent y être liées.

La gestion des données doit être un aspect clé des programmes de formation de l'entreprise afin d'assurer une participation maximale des employés. De temps en temps, le service concerné peut organiser des réunions d'équipe, ateliers, webinaires et déjeuners pour que les employés obtiennent tous les conseils et l'encadrement nécessaires.

Maintenance et Gouvernance

Si l'adoption par les utilisateurs et l'alignement des processus sont les objectifs clés de votre initiative données, alors une maintenance et une gouvernance efficaces joueront le rôle de « manuel d'utilisation ». En tout temps, l'équipe de gestion des données doit travailler à développer une feuille de route mise à jour pour préserver la qualité des données. Le document doit être accessible aux chefs d'équipe, pour qu'ils aient toujours des informations explicites à portée de main lorsqu'ils rencontrent une difficulté. Cela garantirait aussi que les requêtes ne s'accumulent pas sur l'équipe de gouvernance des données, et que la cohérence est maintenue.

Le guide doit être clair, concis et aller à l'essentiel. Il doit incorporer des rôles pour la sécurité des données, l'hygiène et la stratégie, fournissant des instructions complètes sur la manière dont les utilisateurs doivent interagir avec les données. Un modèle de sécurité des données doit également être inclus dans le guide, assurant que les équipes n'ont accès qu'aux données qui les concernent.

Tout cela peut ressembler à un travail à temps plein, et oui, c'en est un. Tous ces problèmes peuvent être gérés par des individus formés qui portent de nombreux noms : Data Scientist, Business Analyst, Data Officer, etc. Vous ne devriez jamais hésiter à embaucher les ressources techniques requises, car le coût d'une mauvaise gestion des données peut être bien plus élevé que le salaire de cette personne.