Tout le monde dit qu’ils sont axés sur les données. Les chiffres disent le contraire

Pourquoi la plupart des projets de données stagnent avant même de prendre une décision, et ce qui vient après le tableau de bord ?

Presque toutes les grandes entreprises affirment être axées sur les données : cela se retrouve dans leurs diapositives stratégiques, rapports annuels, et la justification des datalakes, entrepôts et innombrables tableaux de bord qui brillent sur les écrans du bureau.

Ensuite, regardez qui en utilise réellement.

Depuis des années, la recherche sectorielle estime l’adoption de l’intelligence économique et de l’analytique entre 20 % et 35 % des employés. Environ une personne sur quatre touche aux données que son entreprise a dépensé des millions pour collecter. Plus frappant encore, ce chiffre n’a guère évolué au fil des deux décennies de nouveaux outils, de nouvelles plateformes et de nouvelles vagues d’enthousiasme. La technologie continue d’évoluer. Le taux d’adoption ne le fait pas.

C’est ce fossé que nous avons exploré lors d’une récente conversation en podcast. La réponse que nous avons trouvée est inconfortable car elle met en lumière le rôle de l’état d’esprit de l’entreprise plutôt que le logiciel seul.

La mauvaise première question

Lorsqu’une entreprise décide de « prendre les données au sérieux », elle commence généralement par se demander quelles données elle doit collecter. La question va directement au département informatique, qui répond comme le font les services informatiques : avec des pipelines, une infrastructure et un endroit où tout ranger.

Bien que cela semble être un progrès, ce n’est souvent pas le cas.

La meilleure question n’est presque jamais posée en premier : quelle décision essayons-nous réellement d’améliorer ? Sans cet ancrage, une entreprise peut construire un système techniquement parfait que personne n’a de raison d’ouvrir. Une infrastructure sans modèle de décision par-dessus est simplement un stockage très coûteux.

C’est une remise en scène trompeusement simple. De nombreuses stratégies de données sont construites de A à Z, en privilégiant l’infrastructure au détriment des personnes qui les utilisent. Les systèmes techniques deviennent plus avancés, tandis que les gens continuent à dépendre d’Excel.

Les couches qui ne mènent nulle part

Le voyage typique paraît ordonné sur un schéma. D’abord, un lac de données, où tout atterrit, souvent de façon désorganisée. Ensuite, un entrepôt de données, qui structure les données pour qu’elles puissent être interrogées, mais uniquement par des personnes qui savent écrire SQL. Puis une couche de tableaux de bord et de rapports, mettant enfin les chiffres à portée de main des managers et analystes.

Chaque couche est un vrai travail. Chacun est défendable. Et pourtant, la destination est presque toujours la même : un écran qui vous indique ce qui s’est déjà passé.

C’est la limitation silencieuse de l’ère du tableau de bord. Les tableaux de bord décrivent le passé. Ils sont excellents pour ça. Ce qu’ils ne peuvent pas faire, c’est vous laisser poser la question que les décisions exigent réellement : que se passe-t-il si ? Que se passe-t-il avec la demande si j’augmente les prix de 5 % ? Combien de temps dois-je encore commander ? Qu’est-ce que cela fait aux coûts de stockage, aux marges, aux clients qui s’éloignent discrètement ? Un tableau de bord n’a pas de solution. Il n’a jamais été construit pour en avoir un.

De la description du passé à la mise à l’épreuve de l’avenir

C’est ici que nous plaçons notre mise. Nous construisons en fait un jumeau numérique d’une organisation : un modèle de fonctionnement suffisamment détaillé pour qu’un manager puisse tester une décision avant de s’y engager.

La promesse est un changement de posture. Au lieu de revoir ce qui s’est passé le trimestre dernier, un cadre peut simuler le trimestre suivant. Faites monter le prix. Observez la demande, le taux de désabonnement, les marges, les niveaux de stock et les opérations réagir dans le modèle. Alors décidez. Les données cessent d’être un rétroviseur et commencent à se comporter comme un volant.

C’est le cœur de ce que l’industrie a commencé à appeler l’intelligence décisionnelle : relier données, analyses et flux de travail autour des choix qui font évoluer l’entreprise, plutôt que de l’acte de stocker l’information.

La vérité peu glamour sous-jacente

Rien de tout cela ne fonctionne si les données sous-jacentes sont en désordre, et c’est presque toujours le cas.

Derrière des systèmes ERP soignés qui assurent le bon déroulement des transactions, la véritable planification réside souvent dans ce qui est en fait « l’enfer Excel » : de nombreux tableurs, partiellement chargés par le système et en partie saisis manuellement, circulaient sous forme de pièces jointes par email avec des noms comme version 3 final final. Les processus critiques tels que les clôtures financières, les lancements de produits et les prévisions manquent souvent de gouvernance adéquate.

Donc le travail n’est pas glamour. D’après notre expérience, environ 80 % d’un projet est consacré au nettoyage et à la structuration des données avant qu’une seule décision ne puisse être modélisée. Déchets entrent, déchets dehors n’est pas un slogan ici ; C’est le budget.

Un concept fait la majeure partie du travail : la couche sémantique. Dans un tableur, une formule pointe vers une cellule — A1, B2 — et se casse dès que quelque chose bouge. Une couche sémantique pointe plutôt vers le sens . « Revenus » signifie toujours revenu, où qu’ils se trouvent. Construisez des calculs sur des concepts plutôt que sur des références cellulaires, et la fragile machinerie en dessous cesse de se briser à chaque déplacement des données. Tout aussi important, les personnes qui n’apprendront jamais SQL peuvent enfin se servir elles-mêmes.

Là où commence le vrai travail

L’implication plus profonde ici ne concerne pas le logiciel. Si les données deviennent véritablement accessibles — si un manager peut modéliser une décision de tarification sans la faire passer par un contrôleur ou un analyste — les gardiens traditionnels de l’information commencent à être différents. Ce n’est pas tant une question technologique qu’organisationnelle.

Cela ne signifie pas dissoudre le département de contrôle ou mettre de côté une expertise extérieure ; Les deux portent encore un jugement durement gagné. Cela signifie que la propriété doit déménager. La personne qui détient une décision doit diriger les données qui la sous-tendent. La stratégie descendante et l’infrastructure ascendante doivent se retrouver au milieu.

C’est pourquoi le problème d’adoption ne sera pas résolu par la prochaine plateforme si la question de départ ne change pas. Avant de financer la prochaine initiative de données, nommez les décisions répétables qu’elle est censée améliorer. Si vous ne pouvez pas, vous financez le stockage. L’avantage ne reviendra pas à celui qui collecte le plus de données. Cela ira à celui qui décidera mieux, plus rapidement et de manière plus transparente avec les données qu’il possède déjà. Dans la plupart des industries, c’est la différence qui s’accumule.

Pour plus d’informations ou de questions : https://www.natzka.com/contact-us/

Écoutez le podcast ici :

Spotify : https://open.spotify.com/episode/31Uy2ZyiRP58PyE1gpBEDV
Apple Podcasts : https://podcasts.apple.com/de/podcast/das-palantir-playbook-wie-das-schweizer-startup-natzka/id1494839760?i=1000771622254