Engagement des leaders, déploiement des outils, recrutement et fidélisation des talents, les défis et difficultés rencontrés pour adopter l’analyse des données sont nombreux et expliquent en partie pourquoi trop de projets échouent.

Nous avons évoqué dans un précédant article la responsabilité sur les données (lire « Qui est responsable des données et de leur analyse ? »), qui aboutit à la conclusion que la Direction générale joue un rôle particulièrement important dans la conduite des projets analytiques. Nous nous intéressons aujourd’hui, sur la base de la même étude, aux défis organisationnels que rencontrent les entreprises qui soutiennent les projets analytiques.

Rappelons tout d’abord que 86 % des cadres jugent leurs programmes d’analyse des données, et donc de Big Data, peu efficaces, et que pour 38 % la responsabilité de ces programmes revient au dirigeant de l’entreprise.

Quelle stratégie organisationnelle ?

L’étude a permis de détecter les raisons qui ont apporté l’efficacité aux projets de gestion et d’analyse de la donnée.

  • 25 % - S’assurer de l’engagement du 'senior management' dans les données et l’analytique
  • 15 % - Dessiner l’architecture des données et les technologies d’infrastructure efficaces pour supporter les analytiques
  • 12 % - Sécuriser le leadership interne sur les projets analytiques
  • 11 % - Donner aux fonctions métiers un accès au support à la fois pour la donné et les analytiques
  •   9 % - Mesurer l’impact des activités analytiques sur le business
  •   7 % - Apporter de la flexibilité dans les process afin de tirer un avantage des nouvelles connaissances analytiques
  •   7 % - Dessiner une structure organisationnelle appropriée pour supporter les analytiques
  •   6 % - Attirer et/ou retenir les talents, dans les deux domaines, fonctionnel et technique
  •   6 % - Construire une stratégie qui donne la priorité aux investissements dans les analytiques
  •   2 % - Investir au fur et à mesure dans les initiatives analytiques

Au delà de ces motivations, les trois principaux challenges ont porté sur :

  • 25 % - Dessiner une structure organisationnelle appropriée pour supporter les analytiques
  • 21 % - Sécuriser le leadership interne sur les projets analytiques
  • 14 % - Construire une stratégie qui donne la priorité aux investissements dans les analytiques

Des outils et de l’expertise

Au delà de l’engagement de la Direction générale, le succès des projets d’analyse de la donnée repose sur des capacités qui divergent fortement entre les organisations qui affichent de hautes performances, et les autres. Cette performance dépend de :

  • 64 % - L’accessibilité des données à travers l’organisation
  • 59 % - L’expertise et les outils pour travailler sur les données non-structurées en temps réel
  • 52 % - Des capacités analytiques en self-service
  • 46 % - Des outils Big Data et d’analyse avancée
  • 40 % - Des techniques de modélisation avancées (machine learning, langage naturel, analyse temp réel, etc.)
  •   8 % - Autres
  •   7 % - Rien de tout cela

Chez les entreprises les moins performantes, même si l’on retrouve les différents thèmes évoqués ci-dessus, les engagements sont autrement plus faibles, tout comme les priorités :

  • 33 % - L’accessibilité des données à travers l’organisation
  • 30 % - Des outils Big Data et d’analyse avancée
  • 23 % - Des capacités analytiques en self-service
  • 18 % - Des techniques de modélisation avancées
  • 12 % - L’expertise et les outils pour travailler sur les données non-structurées

A faibles investissements, faibles résultats, serions-nous tentés d’affirmer. Un chiffre vient d’ailleurs nous conforter dans cette vision : dans les entreprises au rendement analytique faible, 26 % des cadres interrogés affirment ne pas disposer d’outils d’analyse…

Et des talents

La plupart des cadres d’entreprise expriment leur difficulté à attirer et retenir les talents. Une problématique encore plus forte dans les entreprises dont la performance s’affiche en retrait. Qu’il s’agisse d’attirer ou de retenir les talents, la première difficulté est de disposer d’utilisateurs métiers qui possèdent des compétences sur l’analytique. Suivent les ingénieurs et les data-scientists. Dans les  deux cas, il s’avère plus difficile de les retenir que de les attirer.

Moins sensibles sont les talents des responsables exécutifs de l’organisation des données et des analytiques, les architectes des données, et les traducteurs, c’est à dire des employés disposant à la fois d’une compétence technique et d’une expertise analytique. Tous les cadres interrogés font également le constat du rôle essentiel porté par les dirigeants et leur implication dans les projets.

Ces défis deviennent majeures lorsque l’analytique est décentralisée, dans des unités dispersées qui agissent individuellement et de manière indépendante. Une fois encore, l’implication des dirigeants s’avère essentielle pour franchir les barrières.

Image d’entête 46811250 @ iStock ojogabonitoo