La data est considérée aujourd’hui comme l’or du XXIème siècle par les observateurs et analystes économiques. S’il y a quelques années entrer dans une démarche d’exploitation de données au sein d’une entreprise représentait une montagne à gravir (coût, moyen, temps…), aujourd’hui, les coûts et le temps peuvent être significativement réduits. Cela permet ainsi une approche plus agile. Merci aux technologies … mais pas seulement. La méthodologie permet aussi d’avancer rapidement sur des restitutions parlantes et utiles pour l’usager. Petit tour d’horizon.
Ne vous méprenez pas, s’engager dans un projet d’exploitation de données est tout de même un projet conséquent nécessitant d’y consacrer un peu de temps et d’argent. Néanmoins, chez Empreinte Digitale, nous préconisons (comme pour de plus en plus de nos projets) une approche pragmatique et agile. Si effectivement la technologie permet d’être plus performant et efficace, une méthodologie agile peut aider à faire de l’inconnu du résultat d’un projet d’exploitation de données un véritable succès.
Avant de démarrer votre projet, vous êtes vous posé les 3 questions essentielles pour un projet d’exploitation de données ?
En préambule, votre projet doit entrer dans le cadre de votre stratégie globale et donc être soumis aux mêmes règles que n’importe quel autre projet. Par exemple, vous pourrez définir un objectif SMART (Spécifique, Mesurable, Acceptable, Réaliste, Temporellement défini) qui vous permettra a posteriori de juger de la pertinence du projet. Inutile de voir grand pour un premier projet, on peut se poser des questions simples. Par exemple, le directeur commercial souhaitera connaître le vendeur le plus efficace (vendant avec le minimum de négociation affectant la marge). Autre exemple, un hôtelier souhaitera connaître le taux d’occupation de son hôtel par une clientèle d’étrangers et observer son évolution au cours des trois dernières années.
Ici, nous sommes sur des questionnements basiques qui permettront déjà de rentrer dans un premier niveau d’analyse. Ce type d’analyse peut d’ailleurs tout à fait (dans la mesure d’une certaine volumétrie et d’un certain format de données) être réalisé sur Excel.
Étapes à franchir pour un projet data
I) Choisir l'(es) axe(s) d’analyse
Cette étape est primordiale. Il s’agit de répondre à la question : Quel axe d’analyse privilégier pour créer un maximum de valeur ? ou pour avoir un maximum de retour sur investissement ?
Cela peut être par exemple d’identifier les sources de perte de profit. Une fois identifiées, elles pourront alors être taries => retour sur investissement maximal car on enlève d’un coup une source de perte de profit.
En reprenant l’exemple de notre hôtelier, il pourra s’apercevoir qu’il a ces dernières années de plus en plus de clients suédois à la même période de l’année, sans pourtant faire de publicité sur des sites suédois. Il sait aussi que le panier moyen d’une clientèle suédoise est plus élevé que celui des autres nationalités clientes de son hôtel. Celui-ci pourra alors cibler plus spécifiquement cette clientèle via des sites web suédois dédiés.
II) Répertorier les données
- Quelles sont-elles ?
- Quels sont leurs formats ?
- Où sont-elles ?
- Puis-je les importer dans un entrepôt de données ?
III) Collecter et nettoyer des données
Vos données sont issues d’un logiciel de gestion ? d’un outil de gestion de la relation client ? d’un tableau Excel ?… Certaines ont été mal saisies et peuvent compromettre la bonne interprétation in fine des données.
Des compétences métier, type Data Scientist, peuvent vous aider à faire le tri dans vos données.
Ensuite, il faut pouvoir toutes les réunir dans un entrepôt de données (ou Datawarehouse, ETL …). En somme, un endroit où toutes vos données vont pouvoir cohabiter et commencer à former un autre tout.
IV) Premiers résultats d’analyse
Ni notre directeur commercial, ni notre hôtelier ne sont Data Scientists. S’ils ont bien compris le potentiel décisionnel (et donc source de création de valeur) des données qu’ils détiennent, il faut leur simplifier la tâche. Aussi bien dans la phase amont du projet, en évitant un jargon technique pompeux, que dans le déploiement du projet d’analyse, jusqu’à la restitution.
Des deux images ci-dessous, à laquelle êtes-vous la plus sensible ?
La seconde très certainement… Les deux images sont composées absolument du même contenu. Dans le premier cas, il s’agit d’un tableau nécessitant un effort de concentration et de lecture afin de comprendre le message à déduire de ces lignes et colonnes. Dans le second cas, l’information est vulgarisée. Ne sont mises en avant que les données (ou agrégation de données) les plus importantes. Surtout, ces données sont éditorialisées. Certains parlent alors de Data storytelling. Il s’agit de « faire parler vos données« . C’est ce que nous faisons chez Empreinte Digitale.
Nous imaginons le directeur de l’hôtel derrière son écran d’ordinateur sur lequel tous les matins il retrouve les faits marquants sur son marché corrélativement à l’activité de son hôtel : il sait alors comment il doit ajuster sa politique tarifaire du jour. Il pourra savoir où aller chercher ses clients. Il saura, en fonction des événements locaux à proximité de son hôtel (congrès…) dans les semaines à venir, quel peut être le taux de remplissage prévisionnel des prochaines semaines… Autant d’informations cruciales et utiles au pilotage de son activité qu’il pourra obtenir grâce aux données !
C’est cela que nous recherchons chez Empreinte Digitale : Rendre abordable à toutes entités l’analyse de données clés pour votre activité.
