Digital Finance, Cryptofinance Daily News | Innovation, Transformation


              



(Big) data - Où en sont les entreprises françaises ?


Les résultats de cette enquête, menée par EY auprès de plus de 150 entreprises françaises, révèlent qu’en dépit d’une perception majoritairement positive, le « Big data bang » n’a pas encore eu lieu dans la réalité.



Laurent Leloup
Laurent Leloup
Depuis quelques années, le terme « Big data » est associé à toutes les promesses en termes d’efficacité, de performance et d’opportunités de développement de nouvelles offres et services ciblés. Si tout le monde semble s’être emparé du sujet, force est de constater qu’à ce jour, la révolution Big data ne s’est guère propagée au-delà des modèles économiques des grands acteurs globaux du digital.

C’est ce que nous enseigne le passage au scanner de notre Indice EY de Maturité Data, spécialement conçu dans le cadre de cette étude : seule une minorité d’entreprises peut se targuer d’une maturité élevée dans son exploitation de la data, tandis que la majorité adopte une posture attentiste, sans véritablement savoir par quel bout prendre un concept devenu flou.

Ce retard s’explique par des freins d’ordre psychologique, stratégique, organisationnel ou technologique, que nous avons identifiés tout au long de la chaîne de valeur de l’exploitation (Big) data.

Il peut toutefois être rattrapé si l’exploitation (Big) data est intégrée dans une stratégie et une vision globales car ce n’est pas tant un problème technique qu'un sujet de transformation des organisations et de leurs modèles économiques. Elle relève de la capacité à convertir la data en connaissances, en innovation et en valeur pour les organisations.

Chiffres clés de l’étude

Afin de mesurer l’avancement des entreprises en matière d’exploitation de leurs données clients, EY a construit l’Indice de Maturité Data. Cet indice agrège des comportements et faits constatés auprès des entreprises interrogées, et non leurs déclarations d'intention.
Le passage au révélateur de cet indice de maturité établit un fort décalage entre le « buzz » que génère le concept flou du Big data et la réalité de la maturité des grandes entreprises.

Exploitation de la data : Quelle maturité pour les entreprises françaises ?

(Big) data - Où en sont les entreprises françaises ?
« Après la compétition entre les réseaux (Télécoms et Technologies) et les contenus (Médias), la bataille s'articule désormais autour de la data et s'étend à l'ensemble des détenteurs de données (publiques ou privées). Bruno Perrin, Associé EY - Responsable du secteur Technologies, Médias, Télécoms.

L’Indice EY de Maturité Data a révélé que les entreprises les plus matures en matière d’exploitation des données clients se distinguent par les critères suivants :
- Anticipation des enjeux stratégiques liés à une meilleure utilisation des données internes et externes ;
- Diversité des données collectées et des canaux de collecte
- Constitution d’équipes de data scientists et autres experts data ;
- Adoption de nouvelles technologies d’exploitation de la data ;
- Prise en compte des enjeux de protection de la vie privée et des données à caractère personnel (privacy) dans l’exploitation des données clients ; Anticipation du risque réputationnel.

Les secteurs les plus matures

Les deux secteurs les plus matures dans l’exploitation de la data sont les TMT (Technologies, Médias, Télécoms) ainsi que celui de la distribution et des produits de grande consommation.
Un résultat guère surprenant dans des industries où la data est le pilier historique de la connaissance client et des stratégies de segmentation marketing associées.

(Big) data - Où en sont les entreprises françaises ?
Secteur des Technologies, Médias, Télécoms

Le secteur des TMT est caractérisé par la quantité colossale (amplifiée avec l’Internet des objets/objets connectés) de data disponibles dans les systèmes d’information.

- Collecte des données : les TMT représentent le tiers des entreprises du panel collectant des données sociales et le quart de celles ayant recours à l’open data.
- Stratégie (Big) data : l’exploitation de la data permet une optimisation inédite du business, le développement de « services intelligents » et la valorisation de données auprès de tiers. Dans les médias, les modèles analytiques à visée prédictive sont déjà largement utilisés. De nombreux sites utilisent la capacité à formuler des recommandations pertinentes à des audiences / cibles potentielles sur la base d’une analyse poussée de la data.
- Protection/Sécurité : Les TMT constituent la deuxième industrie la plus mature en termes de sensibilisation aux aspects de privacy.

Secteur de la distribution et des produits de grande consommation

Dans le secteur, l’exploitation (Big) data répond à trois enjeux opérationnels majeurs : la relation d’engagement avec le client final, la performance opérationnelle et la qualité et cohérence des données remontées par l’ensemble des entités du groupe (franchises et autres filiales).

- Collecte des données : Les entreprises du secteur de la grande distribution sont celles qui remontent davantage de données des réseaux sociaux (plus du tiers des entreprises concernées), éléments clés pour connaître les parcours clients.
- Outils et ressources : C’est dans la grande distribution que les ressources humaines et informatiques dédiées à l’analyse des données sont les plus nombreuses.
- Stratégie (Big) data : « L’amélioration de la performance commerciale » est la première raison invoquée par les entreprises du secteur, suivie de très près par « l'amélioration de la connaissance client ».
- Protection/Sécurité : La grande distribution est le secteur le plus mature en termes de mise en place des process internes de fiabilisation des données non structurées, et de sensibilisation aux aspects de privacy.

La collecte de données clients : les canaux digitaux sous-exploités

N°1 : La collecte de la data encore largement limitée aux canaux traditionnels

Les données collectées par les entreprises pour renforcer leur connaissance client et déployer des stratégies marketing en conséquence proviennent très majoritairement des systèmes traditionnels de facturation, pour 84 % des entreprises de notre panel, et d’outils CRM, pour 66 %.
À ce jour, ce sont très majoritairement les entreprises de la grande distribution et du secteur des TMT qui ont recours aux canaux digitaux et mobiles.

(Big) data - Où en sont les entreprises françaises ?
N°2 : Les données non structurées, le maillon faible de l'analyse

45 % des entreprises interrogées collectent des données textes non structurées : verbatims* sur des espaces clients Internet ou remontés de points de vente, conversations numériques, avis soumis ou partagés en ligne, données sonores, images et vidéos.
Ce sont majoritairement les secteurs de la grande distribution et des TMT qui collectent ce type de données.
45 % des entreprises interrogées reconnaissent que les données collectées ne sont pas assez exploitées.

Les données non structurées sont très peu exploitées :
- 45 % des entreprises interrogées collectent des données non structurées
- 27 % des entreprises interrogées sont outillées pour fiabiliser ces données
- Moins de 10 % des entreprises disposent de logiciels de statistique prédictive
- Moins de 10 data experts/entreprise pour traiter les données non structurées (2)

Le traitement et l'analyse des données clients : des capacités inadaptées

N°3 : Un manque de compétences Analytiques

Plus généralement, pour 70 % des entreprises interrogées, l’ensemble des ressources dédiées au traitement des données clients représente moins de 10 personnes. Seules 6 % des entreprises du panel disposent d'effectifs dédiés à la data de plus de 50 personnes.

(Big) data - Où en sont les entreprises françaises ?
N°4 : Une carence des outils de traitement des données

La majorité des grandes entreprises a conscience de la progression de ces données non structurées et de l’indispensable effort de fiabilisation. 59 % des entreprises que nous avons interrogées affirment anticiper une hausse du volume de données à fiabiliser dans les 18 mois. En même temps, seules 27 % d’entre elles affirment avoir mis en place des process internes pour fiabiliser ou exploiter les données non structurées.

N°5 : L’analyse de la data encore (trop) peu orientée vers le prédictif et le temps réel

Seules 10 % des entreprises interrogées exploitent leurs données clients à des fins prédictives et 5 % d’entre elles le font pour optimiser les process techniques permettant d’accroître rapidité d’exécution et augmentation des capacités de stockage (éléments clés pour exploiter des volumes croissants et toujours plus rapides de données et de flux d’informations).

La data non perçue comme un support aux décisions stratégiques

N°6 : Le manque de transversalité dans la gestion des projets (Big) data

Signe que c'est un frein quel que soit le niveau de maturité data des entreprises, 39 % de notre panel reconnaissent que les silos internes demeurent un frein à l'exploitation optimale des données clients. Chaque métier ayant pour habitude d’utiliser et de transformer les données issues de ses bases de données pour répondre à ses propres enjeux métiers ou objectifs, le capital data ne peut pas circuler dans l’entreprise, ce qui explique une absence de vision unifiée.

N°7 : L’absence de mesure du ROI (1) des projets (Big) data

(Big) data - Où en sont les entreprises françaises ?
À ce jour, seules 29 % des entreprises interrogées considèrent que le Big data marque un tournant majeur et représente un levier de croissance. Quant à la mise en place d’un « plan d’action Big data avec des initiatives concrètes », elles ne sont que 18 % à l'avoir fait.
Pour ce qui est du retour sur investissement en particulier, à ce jour, 58 % des entreprises interrogées n’ont pas cherché à quantifier la contribution des solutions à la performance de leur entreprise. Là encore, l’écart est énorme entre les plus matures (77 %) et les « non matures » (3 %).

N°8 : Un manque de sponsorship de la direction générale

L'absence de mesure ROI, alliée à une conjoncture économique défavorable expliquent la prudence de la plupart des DG sur le sujet. La majorité des entreprises non matures considère la perception du top management comme un frein à une exploitation optimale des données au sein de leur entreprise, soit 57 % d’entre elles, contre seulement 11 % pour les plus matures. C’est en effet le management qui, par ses arbitrages en matière de définition des axes stratégiques et d’investissement, va ou non permettre les transformations internes requises pour doter l’entreprise des moyens analytiques adéquats.

Vie privée et sécurité : des enjeux encore sous-estimés

N°9 : Un risque majeur pour la fiabilité de la data : la réticence à partager des données personnelles

L’enjeu de la sécurité des données, auquel s’ajoute celui de la protection de la vie privée, est la clé de l’avenir même du Big data. En effet, la protection des données personnelles apparaît au centre des préoccupations des consommateurs, qui questionnent de plus en plus les entreprises et responsables du traitement sur les garanties et la sécurité qu’ils mettent en place pour protéger les données personnelles qu'ils leur confient. D’après une récente étude EY 70 % des consommateurs sont réticents à partager leurs données personnelles avec les entreprises et 49 % affirment qu’ils seront moins enclins à le faire dans les cinq années à venir.

N°10 : Faible sensibilisation aux enjeux de sécurité et de protection de la data

Parmi les entreprises que nous avons interrogées, 30 % estiment ne pas être concernées par les enjeux de protection de la vie privée lors de l’exploitation de leurs données clients. Les entreprises identifiées comme les plus matures dans l’Indice EY de Maturité Data sont 92,3 % à considérer que la question de la protection de la vie privée est un enjeu prioritaire. Tandis que pour celles qui ont été identifiées comme moins matures, 58,6 % qui ne paraissent pas encore s’en préoccuper.

La révolution (Big) data n’a pas encore eu lieu

Deux tiers des entreprises françaises (63 %) considèrent que le Big data est un concept intéressant mais encore trop flou, difficile à appréhender au sein des entreprises, tant en termes de transformation organisationnelle, de stratégie, de ROI que de gestion et de formation des compétences.

« La deuxième révolution de la (Big) data sera celle de l'exploitation des données non structurées et de l'open data. »
Bruno Perrin, Associé - Ernst & Young et Associés - Responsable du secteur Technologies, Médias, Télécoms en France

- Peu d’études d’opportunités (Big) data sont menées : pour l’heure, la moitié des entreprises n’a pas étudié les opportunités éventuelles liées au Big data. Seules 9 % des entreprises de notre panel ont lancé à la fois une étude d’opportunité du Big data et mis en place une stratégie globale de gestion de leurs données clients.
- L’entreprise n’a pas de vision 360° de la data : la moitié des entreprises interrogées reconnaît que l’absence « d’un plan d’action clair qui constitue une feuille de route pour l’ensemble de l’entreprise » est un frein à une exploitation optimale des données clients. 57 % des entreprises non matures considèrent la perception du top management comme un frein contre 11 % pour les très matures.

Il n’existe pas encore de « gouvernance data » : selon le niveau de maturité des entreprises, la responsabilité de la stratégie data et son application incombe soit à la direction marketing soit à la DSI d’impulser et/ou de mettre en place la stratégie data, mais aussi de concentrer les compétences data de l’entreprise. Outre-Atlantique, on voit émerger une fonction de Chief Data Officer qui a la charge de l’ensemble des questions relatives à la stratégie data de l’entreprise.

Stratégie (Big) data : deux approches coexistent actuellement

Parmi les entreprises interrogées pour notre étude et celles auprès desquelles nos sommes intervenus récemment, nous observons deux tendances principales en matière d’élaboration d’une stratégie de données clients : le modèle Bottom-up et le modèle Top-down.

- Le modèle « Bottom-up »
Son objectif est double : lancer des projets au niveau opérationnel afin de valider les avancées et bénéfices potentiels à en tirer, sachant que les projets sont issus de l’analyse du champ des possibilités offertes par le Big data.
Ce modèle « test & learn » a un triple avantage : des résultats d’impacts concrets sur la société, un effet d’apprentissage sur les équipes et le lancement de plusieurs projets en parallèle.
Il a cependant ses limites : l’absence d’indicateurs de performance et l’absence de fil conducteur commun entre les projets.

- Le modèle « Top-down »
Ce modèle repose sur la définition d’une stratégie Big data et d’une feuille de route avec des offres allant jusqu’à la monétisation de la data, des pistes pour mieux exploiter les data internes ainsi qu’un programme d’enrichissement externe du patrimoine data de l’entreprise.
Dans ce cas, le management soutient la démarche et insuffle une transversalité, incitant les métiers à travailler ensemble sur la data. Limites du modèle : des délais de mise en place et de retours sur investissements relativement longs.

Facteurs clés de succès du déploiement d’une stratégie (Big) data

L’entreprise se doit de définir une stratégie (Big) data, avec la data comme axe stratégique au même titre que la politique tarifaire par exemple.

Les 4 facteurs clés de succès du déploiement d’une stratégie (Big) data sont :

1. Une transversalité indispensable en amont
L’un des premiers enjeux dans le déploiement d’une stratégie (Big) data consiste à mobiliser l’ensemble des directions qui disposent souvent de points de vue divers et complémentaires en matière de connaissance d’un client.

2. Une implication forte de la direction générale
Un programme de travail transverse mêlant des compétences et des entités aussi variées doit être porté par une implication forte, au niveau du Comité Exécutif ou d’une entité ayant déjà pour vocation de travailler en support de multiples entités métiers (direction de l’innovation, direction de la stratégie…). Un soutien qui garantit une meilleure adhésion, une visibilité plus forte et évite que le projet ne soit restreint qu’à l’atteinte d’objectifs spécifiques de l’entreprise (développement des ventes, réduction des coûts…).

3. La mise en place d'un Agile Analytics Program
Un cadrage stratégique des enjeux et opportunités : il faut consacrer un temps significatif à la qualification des besoins et enjeux de l’entreprise et à son diagnostic maturité. Et ensuite seulement choisir les technologies les plus à même de répondre aux besoins identifiés et qualifiés.

Les POV (3) comme point d'ancrage : sur le sujet de la data, il est indispensable de travailler sur projets concrets, via des pilotes, autrement appelés POC (Proof Of Concept*).
Une feuille de route agile et un plan d’actions concret : la feuille de route à moyen terme (3/5 ans) doit définir des actions prioritaires concrètes, des objectifs à court et moyen termes, et des KPI associés à chacune des actions.
Il est important que les décideurs et utilisateurs finaux puissent utiliser eux-mêmes (et interagir avec) les résultats qui leur sont remontés (reporting).

4. La confiance by design
Les entreprises doivent donc prendre en compte, en amont de tout projet Big data, les enjeux de risques techniques, juridiques et réputationnels. Garantir la sécurité et l'intégrité des données traitées, la protection des données personnelles, tout en étant transparent sur l'utilisation de ces données répond à l'enjeu de réputation de l'entreprise à l'ère digitale.

(1) Il existe des outils de business intelligence permettant de remonter les verbatims en temps réel sur une liste de sujets définis, Dossier Big & smart data, Stratégies n° 1770, 22/05/2014
(2) Pour 70 % des entreprises de notre panel
(3) POV : des POC (Proofs of Concept) associés à des études d'impact pour évaluer leur rentabilité (ROI)

Pour aller plus loin téléchargez ci-dessous l’étude complète "(Big) data - Où en sont les entreprises françaises ?" en version imprimable (PDF en français 44 pages).


Les médias du groupe Finyear

Lisez gratuitement chaque jour (5j/7) le quotidien Finyear.
Recevez chaque matin par mail la newsletter Finyear, une sélection quotidienne des meilleures infos et expertises de la finance d’entreprise.
Lien direct pour vous abonner : www.finyear.com/abonnement

Lisez gratuitement chaque mois :
- le magazine digital Finyear sur www.finyear.com/magazine
- la lettre digitale "Le Directeur Financier" sur www.finyear.com/ledirecteurfinancier
- la lettre digitale "Le Trésorier" sur www.finyear.com/letresorier
- la lettre digitale "Le Credit Manager" sur www.finyear.com/lecreditmanager
- la lettre digitale "Le Capital Investisseur" sur www.finyear.com/lecapitalinvestisseur
- la lettre digitale "Le Contrôleur de Gestion" (PROJET 2014) sur www.finyear.com/lecontroleurdegestion
- la lettre digitale "GRC Manager" (PROJET 2014) sur www.finyear.com/grcmanager

Un seul formulaire d'abonnement pour 7 lettres


Mercredi 10 Décembre 2014
Notez


Nouveau commentaire :
Twitter

Your email address will not be published. Required fields are marked *
Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Les derniers articles publiés sur Finyear

Recevez notre newsletter quotidienne comme plus de 40.000 professionnels de la gestion et de l'innovation financières


Livres Blancs




Blockchain Daily News


Cryptocurrencies