L’importance de la donnée n’est plus à prouver dans certains secteurs d’activités ( télécommunications, économies d’échelles, marketing, etc. ). Mais malgré le discours dominant sur les bénéfices de la révolution de la data, les entreprises sénégalaises sont peu avancées dans la valorisation de leurs données ( culture de la data ). Auparavant, cette donnée était rare et difficile à trouver ; elle devient pléthorique, largement accessible. Mais sa collecte et son analyse reste toujours un vrai challenge. En général les entreprises traditionnelles n’ont pas la culture de la data. Elles ignorent qu’elles ont une mine d’or qu’elles pourraient éventuellement exploiter pour parvenir à de meilleurs résultats.

N’est-il pas temps de changer les mentalités et de s’orienter vers les nouvelles technologies, de digitaliser les processus métiers afin d’orienter nos systèmes vers une culture basée sur les données, tout faire pour mieux optimiser l’usage de ses dernières, en tirer de l’information utile pour améliorer la prise de décision et en faire un nouvel or noir ?

Les données sont devenues essentielles pour accompagner la stratégie de l’entreprise mais aussi pour piloter une grande partie des décisions. Cependant ne pas savoir exploiter toutes les données aujourd’hui disponibles et ne pas se donner les moyens de le faire, met l’entreprise en danger, dans un contexte où les concurrents, le feront.

Que votre entreprise suive déjà un plan de gouvernance des données, ou est en train de réfléchir sur la mise en place d’un système pour avoir des données de qualité, …ce présent article va vous aider à mieux cerner la science des données et à trouver une stratégie à suivre pour une meilleure prise en main de vos données.

 

Donnée mal gérée et peu valorisée :

La transformation digitale a suscité pas mal de réflexion et de révolution technologique au sein de nos entreprises ; mais n’empêche beaucoup d’entre elles ont encore du mal à réellement tirer profit de leurs données, elles ignorent qu’elles possèdent des données valorisables et valorisantes. Pourtant cette dernière est devenue l’un des projets digitaux le plus important pour la productivité d’une entreprise.

Des données saisies dans un fichier Excel, Word, ou même dans un bout de papier ne peuvent pas à long terme servir à l’entreprise du moment où les données deviennent éparpillées, dispersées. On ne peut ni les regroupées, ni les valorisées, en d’autres termes l’entreprise va devoir agir sur l’incertitude et ne pourra pas profiter sur l’information concrète à sa disposition, et cela devient un grand danger pour cette dernière du moment où les autres feront tout pour être informé sur l’évolution de leurs business en temps réel et vont s’y appuyer pour prendre des décisions et orienter le business en cas de faille.

Quand la base de données de l’entreprise n’est pas fiable ou que les données sont redondantes, le décideur devient réticent sur l’utilisation de certaines informations recueillies ; c’est ce qui fait que la majorité des entreprises n’ont pas confiance en leurs données.

 

Comment aider les entreprises à avoir des données fiables ?

Il faut se saisir de ce problème et se doter d’un plan complet afin d’assurer une qualité aux données, de leur réception jusqu’à leur traitement. Oui, une donnée, c’est un composant “vivant” avec une valeur, mais dont la péremption est réelle, et le recyclage possible.

La gouvernance des données permet d’optimiser et d’encadrer les méthodes de collectes et la façon d’utiliser les  données.

Ce sont des procédures mises en place pour optimiser l’efficacité sur l’utilisation des données dans le respect d’un cadre juridique et déontologique.

Avec une bonne gouvernance, vos données seront mises en conformité, disponibles, utilisables, sécurisées. Des règles de saisie et de maintenances de donnée seront mises en place, contrôlées et éventuellement optimisées.

Manquer d’une bonne gouvernance de données efficace au sein d’une entreprise vous garantit une chose : une base de données non fiable

Ce qui est associé à des données douteuses et au non-respect de la réglementation (RGPD).

Avec la RGPD, ne pas gouverner ces données constituent un grand danger pour les entreprises à fort potentiel du moment ou des sanctions drastiques peuvent être appliquées.

 

Data Warehouse

En plus d’être une base de données relationnelle, un environnement data Warehouse intègre un outil d’Extraction, de Transformation, et de chargement des données (ETL).

L’une des principales particularités d’un data Warehouse est que les informations y sont classées par sujet : clients, produits, transactions…

Ce qui permettra aux utilisateurs, analystes, décideurs d’accéder facilement aux données collectées et mises en forme pour la prise de décision.

Avec un data Warehouse l’entreprise peut analyser ses data ( données ) jusqu’au niveau de granularité.Elle peut suivre, gérer et améliorer ses performances, optimiser des campagnes marketing…pour limiter l’incertitude lors d’une prise de décisions.

En plus il existe pas mal d’outil ETL open source dont vous pouvez profiter,c’est le cas de :

• Cloudera : une distribution d’Hadoop qui propose des fonctions de sécurité et d’intégration ,
• BIRT : (Business Intelligence and Reporting Tools)
• pentaho,Talend ETL.

 

Data Lake

On peut le définir comme étant un référentiel de données permettant de stocker une très large quantité de données brutes dans leur format natif pour une durée indéterminée.

Les data lakes sont nés de la nécessité d’exploiter des données brutes, granulaires, structurées et non structurées avec l’analyse de données ou le machine Learning.

Pour une architecture data lake, le stockage et le traitement peuvent être effectués sur site ou dans le cloud. Selon le besoin de l’entreprise, il existe plusieurs solutions à adopter comme celui de :

• Hadoop
• Amazon AWS
• Microsoft Azure

Nous allons entrer plus en détail pour chacunes des solutions de data lake et datawarehouse lors des prochains articles.

 

Avec une bonne gouvernance, vous profiterez de données de qualités, fiables et sécurisées qui vous permettront d’avoir des informations pertinentes pour vos prises de décisions.

 

 

Utiliser la donnée pour piloter la stratégie d’évolution de l’entreprise

Utiliser des données signifie commencer par des questions sur votre entreprise :

• Quelles sont les informations dont j’ai besoin pour prendre des décisions ?
• Où puis je trouver ces informations ?
• Qu’est-ce que vous essayez de comprendre ?
• Comment les données peuvent-elles vous fournir une réponse ?

En décomposant les questions relatives à votre entreprise et en réfléchissant à la manière dont les données peuvent aider à éclairer les différentes décisions prises dans ces domaines, les petites entreprises peuvent utiliser les informations dont elles disposent de manière efficace et productive.

La première nécessité, pour que la valeur de la donnée puisse être réellement exploitée, c’est qu’elle soit collectée, gérée et disponible dans toutes les applications et, notamment toutes celles en relation avec le client.

 

Comment gérer les données de l’entreprise pour créer de la valeur ?

• L’analyse de données

L’analyse de données est un ensemble de méthodes statistiques appliquées à un jeu de données dans le but d’extraire des informations pertinentes. L’objectif est d’avoir une vue globale sur le business model de l’entreprise, les tendances, les comportements, trouver des liens entre les données pour appuyer la prise de décisions.

Les domaines d’application sont nombreux : Banque/Finance, Assurance, Médecine, Télécom, transport…à présent, dans n’importe quel domaine il est possible de collecter le maximum de données, de les analyser et d’avoir des résultats permettant d’améliorer, d’optimiser ou même d’anticiper sur les processus métiers.

Il existe deux types d’analyse :

L’analyse descriptive : permet de résumer un ensemble de donnée en leur assignant une nouvelle représentation. Par exemple :

• On peut classer des produits par catégories ou sous catégories et sortir le produit le plus vendu, les villes les plus touchées par la vente, les habitudes d’achats d’une ville ou région, ou même d’un client.
• Connaître la durée de livraison des produits ; est ce que c’est satisfaisant ou pas, on peut aussi expliquer en allant jusqu’au niveau de granularité des données une variation en fonction des autres ou repérer les variables influentes pour une vente.

L’analyse dépend spécifiquement du métier. Pour réussir une analyse, le métier doit être bien maîtriser par l’analyste pour cerner les besoins et savoir ou commencer son travail et de quoi a besoin le décideur.

En guise d’exemple je vous présente une plateforme : Andandor

Andandor-XL est une plateforme permettant une gestion dématérialisée de la force de vente pour :
– Améliorer l’efficacité des agents sur le terrain
– Offrir un reporting en temps réel afin d’avoir un suivi à 360 degrés sur l’évolution du chiffre d’affaires

La plateforme Andandor-XL est composée:
– d’un environnement backoffice réalisé avec Odoo 10, pour tout ce qui est configuration, suivi et planification
– d’une application mobile en Nativescript-angular pour l’exécution des tâches (tournées) planifiées (modifié)
– d’un environnement de reporting avec Tableau pour la visualisation des résultats afin d’établir des modèles prédictifs.

C’est une plateforme complète avec une valorisation de ses données intégré (reporting tableau) ; une manière d’utiliser la donnée pour avoir des informations pertinentes sur le business de l’entreprise et en même temps orientée la prise de décision.

 

• Churn

L’arrêt d’utilisation des services par les clients existants (churn) est un phénomène omniprésent dans le milieu des business et en particulier dans les milieux économiques à forte compétitivité.

Grâce à la science des données il est possible de concevoir un modèle de prédiction propre à l’entreprise pour prévenir les cas de churn.

L’idée est de mettre en place un modèle prédictif de l’attrition, autrement dit un outil capable de nous dire si un client  va “churner”, arrêter l’utilisation de services, avec un certain score d’appétence. L’objectif étant de permettre à un manager de faire ces prédictions de manière interactive avec un temps de latence s’apparentant au temps réel et de disposer à vue d’une stratification des clients par rapport à leurs scores.

Le résultat du modèle sera visualisé dans un tableau de bord et analysé par les experts métier afin de pouvoir anticiper sur les décisions.

Ci-joint un use case faite par des ingénieurs.

 

Fraud detection

Les algorithmes de détection de fraude sont surtout utilisés dans les secteurs de la banque, et de l’assurance. Ces entités ont trouvé leurs intérêts à investir sur cette technologie afin de diminuer les fraudes externes ainsi que les fraudes managériales.

La puissance de ces analyses vient de leurs capacités à effectuer le traitement de toutes les transactions en temps réel et à découvrir de manière automatique les anomalies. Ce qui permet non seulement de créer de nouveaux outils de détection de fraudes mais aussi d’accompagner les outils existants en les challengeant et les renforçant grâce à de nouvelles informations.

En front end le manager aura à sa disposition un tableau de bord pour avoir une vue à 360 degrés sur l’ensemble des transactions détectées en temps réels. Ce qui lui permettra d’anticiper sur les décisions.

 

CONCLUSION

Dans cet article, juste quelques exemples sont cités sur les multitudes de cas d’utilisation des données pour montrer l’importance de la data et l’enjeux qu’offre les données au sein des entreprises.

L’analyse de données, en partie la visualisation des données s’incorpore dans diverses phases d’un projet data.

Du moment où le cerveau humain assimile plus facilement les informations au format visuel, il existe une multitude d’outils de dataviz qui permettent de faire l’analyse et la présentation des données avec des types de visualisations et de graphiques percutants.
Lors des prochains articles nous verrons quels sont ses outils et comment utiliser ces types de visualisations pour chaque cas d’utilisation.