Entreprise Data Driven : Qu’est-ce que c’est ? Définition, avantages & exemples
Dernière date de mise à jour le : 8 mars 2024 à 10:07 am
5,00/5Une entreprise data driven, c’est une entreprise qui va utiliser ses données pour prendre de meilleures décisions.
À partir du moment où une entreprise devient data driven, elle décide d’optimiser son fonctionnement et de prendre ses décisions grâce à la data qu’elle génère.
Cela peut poser beaucoup de questions :
- Est-ce que le fait d’être data driven s’applique à toutes les entreprises et tous les secteurs ?
- Comment collecter les meilleures données et les analyser ?
- Quelles sont les législations à respecter ?
- Etc.
Pour y répondre, Valérie Zapico (Managing Partner de l’agence Valkuren) est passée dans l’épisode 34 de Beyond Marketing, le podcast de Sortlist.
Valkuren aide les entreprises à transformer leurs données et à les mettre en valeur pour identifier des leviers de croissance.
Cet article résume la discussion que nous avons eue avec Valérie Zapico et explique les bases d’une stratégie d’entreprise data driven.
Data driven : Toutes les industries sont-elles concernées ?
Quand on parle de data driven, le premier point à éclairer consiste à savoir dans quels cas il est intéressant d’adopter cette stratégie.
Ce qu’on apprend dans le podcast, c’est qu’une stratégie data driven est pertinente dans toutes les industries et dans tous les secteurs.
L’usage de la data peut se faire aussi bien pour du E-Commerce que pour du divertissement ou des usines actives en industrie lourde.
Data driven et E-Commerce
L’exemple le plus connu de E-Commerce data driven est bien évidemment Amazon. À partir du moment où vous y effectuez un achat, Amazon vous recommande automatiquement des produits complémentaires susceptibles de vous intéresser.
C’est une utilisation de la data qui s’applique à tous les principaux sites de E-Commerce. Nous aurions aussi pu citer Zalando, qui va vous suggérer des vêtements dans le même style que ceux que vous avez déjà acheté.
Data driven et divertissement
Autre exemple : celui du divertissement. Dans cette industrie, l’exemple d’entreprise data driven le plus connu est celui de Netflix.
Selon les contenus que vous regardez, Netflix vous propose automatiquement des séries / films / documentaires susceptibles de vous intéresser.
Le même principe a lieu sur YouTube.
Data driven et industrie lourde
Enfin, dernier exemple d’industrie que l’on pourrait citer : l’industrie lourde et les usines. Dans le podcast, Valérie Zapico explique qu’une stratégie data driven permet aux usines de mieux prévoir la maintenance de leurs machines.
En utilisant le bon type de données et en les analysant de la bonne manière, une usine peut être en mesure de savoir à quels moments ses maintenances doivent être faites. Mais cela permet aussi de déterminer quel type de maintenance doit être effectué sur quel type de machine.
Data driven : Toutes les entreprises sont-elles concernées ?
Le deuxième point qu’on aborde dans le podcast concerne les entreprises. Startups, PME, grands groupes : tous les types de structure peuvent trouver de la valeur dans une stratégie data driven.
Cela dit, une stratégie data driven doit être transverse. Ce sont tous les départements d’une entreprise qui doivent adopter cette approche.
Marketing, Finance, RH, IT : tous les départements d’une entreprise sont concernés par le data driven et peuvent tirer parti d’une analyse de données.
Par conséquent, si vous pensez adopter une stratégie data driven, pensez à la manière dont vous allez l’appliquer à toute votre entreprise et pas uniquement à un département précis.
- Comment votre marketing peut-il devenir data driven ?
- De quelle manière vos RH peuvent utiliser la data pour rendre vos équipes heureuses et attirer des talents ?
- La data peut-elle optimiser vos finances ?
- Quelles données pouvez-vous utiliser pour développer de nouveaux produits ?
- Etc.
Quelles données collecter dans une stratégie data driven ?
À partir du moment où une entreprise devient data driven, il faut se poser la question de savoir quelles données collecter en priorité ?
Se baser sur vos objectifs
Avec la digitalisation, les entreprises génèrent énormément de données et peuvent en collecter tout autant. Cela dit, pour qu’une stratégie data driven soit efficace, il faut éviter le bruit et se concentrer uniquement sur les data les plus pertinentes.
Pour faire cette sélection, il est important de connaître votre objectif. Quel est l’objectif que vous voulez atteindre avec une stratégie data driven ?
C’est cette question qui vous permettra de délimiter les données que vous devrez vraiment collecter.
Par exemple, dans le cas de Netflix, voilà comment ça pourrait se structurer :
- Objectif = Garder les utilisateurs sur la plateforme
- Comment = Leur proposer du contenu pertinent
- Quelle data = Trouver les contenus similaires à ceux qu’ils ont déjà consommé
Autre exemple, dans le cas d’une usine, on pourrait imaginer ce scénario :
- Objectif = Maximiser et optimiser la production
- Comment = Maintenir les machines dans un parfait état de marche
- Quelle data = Historique des entretiens précédents, quantité d’objets produits, etc.
C’est donc l’objectif que vous voulez atteindre qui détermine le type de données à collecter pour atteindre l’objectif en question.
Deux critères à prendre en compte
Une fois que vous avez listé les données dont vous avez besoin, il y a deux critères à prendre en compte :
- La quantité de data
- La qualité de data
Plus concrètement, votre stratégie data driven doit se baser sur une quantité de données suffisante et qui respecte certains critères de qualité.
Si vous n’avez pas assez de données, vous ne pourrez pas en tirer des conclusions. Et si vos données ne sont pas qualitatives, vos conclusions risquent d’être faussées.
Comment analyser et visualiser vos données ?
Dans une stratégie data driven, l’analyse et la visualisation des données fait suite à la collecte.
Une fois que vous avez collecté suffisamment de données, il est nécessaire de l’analyser et de la visualiser pour en tirer des conclusions.
Attention aux biais cognitifs
Pour analyser un set de données, il est crucial d’éviter les biais cognitifs. Quand on utilise une stratégie data driven, l’objectif est de se baser sur la donnée pour prendre des décisions de façon objective.
Cela peut être mis à mal si on ne prête pas attention aux biais cognitifs, qui peuvent nous jouer des tours.
Dans le podcast, Valérie Zapico explique que des biais peuvent arriver à toutes les étapes d’une stratégie data driven :
- Pendant la collecte des données (par exemple en ne collectant pas tel ou tel type de données pourtant intéressant),
- Lors de l’analyse (en décidant d’adopter un angle plutôt qu’un autre),
- Dans la façon de visualiser la data et de présenter l’information,
- Et dans les conclusions qu’on en tire.
Ce qu’on apprend dans le podcast, c’est qu’au moment d’analyser vos données, il est nécessaire de prendre du recul. Rappelez-vous que des biais peuvent se manifester, et prendre du recul ainsi que se questionner permet de les éviter.
Méthodes de visualisation de la data
Quand vient le moment de visualiser la data que vous avez collecté, le maître mot est de rester simple.
En quelques secondes, il faut que l’oeil humain puisse comprendre le graphique et l’information qu’on veut transmettre. Ce qui est important, c’est de comprendre rapidement et facilement l’information qui est transmise.
Pour ce faire, respectez les bonnes pratiques suivantes :
- Allez droit au but,
- Ne multipliez pas les informations sur un graphique,
- Indiquez un titre clair et explicite,
- Utilisez des couleurs pour faire ressortir l’information.
Pour prendre un exemple de bonne visualisation, voici un graph qui présente l’évolution du trafic web global selon le type d’appareil utilisé :
En un coup d’oeil, on comprend facilement que la part du trafic mobile a énormément augmenté depuis 2011, au détriment du trafic sur desktop.
Quels outils de data visualisation utiliser ?
Énormément d’outils existent pour rassembler et visualiser des data efficacement. Chaque outil a ses avantages, ses inconvénients, ses forces et ses faiblesses.
Choisir un outil va dépendre de plusieurs critères :
- Votre budget,
- Viabilité de l’outil au long terme,
- Votre secteur d’activité,
- Vos objectifs,
- Etc.
L’idée est de choisir l’outil de data visualisation qui correspond le mieux à votre situation.
Si vous voulez en savoir plus, et avoir des exemples d’outils, Valkuren a justement rédigé un article sur la data visualisation.
Valkuren y donne son top 5 des outils de data visualisation ainsi que des conseils d’utilisation.
Exemple concret de stratégie data driven
Enfin, dans le podcast, Valérie Zapico donne un exemple concret d’application de stratégie data driven qui prend en compte tous ces éléments.
Depuis la définition de l’objectif jusqu’à la prise de décision, en passant par la sélection, l’analyse, et la visualisation des données.
Cet exemple concerne les transports publics puisqu’il s’agit de l’optimisation de la maintenance des roues d’un tram.
L’objectif était double :
Premièrement, optimiser la maintenance et déterminer le moment le plus opportun pour la réaliser. L’idée étant de minimiser la période où le tram doit être à l’arrêt pour faire cette maintenance et donc ne pas trop impacter la fluidité du trafic.
Deuxièmement, maintenir le tram en bon état pour proposer une bonne expérience de voyage à ses utilisateurs.
Valkuren a ensuite déterminé quelles datas étaient nécessaires :
- Durée des trajets réalisés par le tram
- Quantité de kilomètres parcourus
- Nombre de passagers moyen par trajet
- Poids moyen de chaque passager
- Historique des maintenances réalisées par le passé
La collecte de ces datas, leur combinaison, et leur analyse va ainsi permettre de savoir et de prédire en avance les moments auxquels une maintenance devra être effectuée.
Tout l’avantage étant d’optimiser cette maintenance, mais aussi de ne pas être pris au dépourvu au moment où il faudra la réaliser. Admettons qu’une roue de tram doit être changée, si la supply chain est perturbée et que les délais de livraison sont importants, le fait de ne pas avoir vu venir cette maintenance peut rapidement devenir un problème.
C’est un exemple parmi beaucoup d’autres. Comme nous l’expliquons en début d’article, une stratégie data driven peut s’appliquer à tout type d’entreprise, dans tout type de secteur.
Législation à respecter
Enfin, le dernier point important à prendre en considération dans une stratégie data driven concerne la législation.
Évidemment, tout dépend de votre industrie et de ce que vous cherchez à faire, mais le point le plus important reste l’anonymisation des données. À partir du moment où vous utilisez des données, celles-ci doivent être anonymisées.
Nous en parlons plus en profondeur à la fin du podcast :
En conclusion
Dans cet article, nous avons appris ce qu’était une entreprise data driven. Nous avons également vu qu’une telle stratégie pouvait s’appliquer dans toutes les industries, pour tous les types d’entreprises.
De plus, grâce au podcast enregistré avec Valérie Zapico (Managing Partner chez Valkuren), nous avons aussi appris les différentes étapes qu’il fallait suivre :
- Définir son objectif
- Collecter les bonnes données (en respectant des critères de quantité et de qualité)
- Les analyser en évitant des biais cognitifs
- Faire une visualisation simple et facile à comprendre
Si vous voulez aller plus loin, n’hésitez pas à lire cet article sur la data visualisation et à contacter Valkuren.
