Data democratisation : les 10 facteurs clés de succès | Analytics

82% des décideurs pensent que l’analytics peut fortement améliorer leurs activités et processus métiers. Ce chiffre est révélateur d’une tendance à la démocratisation des données qui séduit de plus en plus d’entreprises. A priori, le principe d’une approche data driven semble presque simpliste : on ouvre l’accès aux données à tous les collaborateurs et on attend que chacun, à son niveau, décide de ce qui est bon pour son propre métier, chiffres à l’appui. Résultat : réduction des coûts d’accès à l’information, gain d’efficacité et accélération des prises de décisions. Ok, mais dans un tel projet, les pièges sont nombreux. Sécurité, responsabilité des données, questions de gouvernance, facteur humain, formation, conduite du changement… Il faut anticiper pas mal de choses pour éviter les obstacles et concrétiser le projet. Voici quelques principes généraux et parfois très spécifiques au Digital Analytics, qui nous semblent important d’appliquer.

Impliquer un membre du codir dans le projet

L’appui de la direction générale est crucial. Oublier d’embarquer une personne influente du board dans l’aventure peut vous pénaliser… Il est là pour soutenir et promouvoir l’initiative de démocratisation des données en interne. Ses prérogatives :

• Garantir l’alignement du projet analytics avec la stratégie et les priorités de l’entreprise,
• Préserver l’existence même du projet (qui pourrait être menacé par d’éventuels conflits et pressions internes),
• Etre un appui de poids pour l’acquisition de budgets liés à l’analytics.

Mais à quoi ressemble ce super ambassadeur ? Pas de profil type, mais il doit être à la fois convaincu par la valeur de l’approche data-driven et suffisamment influent pour défendre et faire avancer le projet.

Prendre en compte l’effet disruptif sur les décideurs

En toute logique, si au niveau de l’exécutif, personne n’est pas partie prenante du projet de démocratisation de la data, aucune décision stratégique ne pourra s’appuyer sur des données analytiques. Mais au-delà du constat, et même si la donnée n’est qu’un élément influent (parmi d’autres) dans la prise de décision, le pilotage du business par la data peut constituer une rupture majeure dans certaines entreprises. Il n’est pas toujours si simple pour un décisionnaire de s’en remettre aux chiffres et de déléguer une partie de son pouvoir décisionnel. Pour amorcer ce changement radical de culture, le plus gros challenge est de prouver l’efficacité de la démarche de démocratisation de l’analytics sur la croissance de l’entreprise.

Aligner les KPI analytics sur la stratégie d’entreprise

Un lien direct doit exister entre la stratégie d’entreprise et vos indicateurs clés de performance (KPI). Autrement dit, tous vos efforts doivent s’adapter à la stratégie globale de l’entreprise : offre de produits, objectifs business, axes de développements, marchés clés, organisation du travail, etc. Chaque utilisateur de données, à son niveau, peut ensuite fixer des objectifs et un périmètre de mesure. Il peut s’agir de zones géographiques à adresser, d’opérations spécifiques en cours ou à venir (soldes, période de noël), de canaux à optimiser principalement (Sites mobiles vs. Applications par exemple). De là, vont découler des KPI ainsi que des métriques qui permettent de piloter la performance digitale propre à chaque métier.

Aborder la question de la responsabilité des données

Celui qui collecte, traite et diffuse les données n’est pas (forcément) comptable du résultat qu’elles révèlent… La donnée peut être un catalyseur puissant, aussi bien pour justifier une décision, stopper une campagne et renouveler un budget, que pour alimenter des conflits internes ou freiner l’avancée de projets. La dimension politique de la donnée est réelle et peut avoir un retentissement dans l’entreprise. L’analyste qui annonce les bonnes ou les mauvaises nouvelles n’est que le messager. Il n’a pas à pâtir ou se féliciter des performances. Il est néanmoins garant de la qualité (exactitude, cohérence, fraicheur, véracité) de la donnée. Soyez donc clair. Eveillez les consciences de chacun pour déterminer les responsabilités : analyse, process, usage, sécurité, résultats. Bref, posez les bases d’une stratégie de gouvernance solide, sans laisser de place à l’ambiguïté. L’analyste doit acquérir et conserver cette indépendance pour sa survie.

Ne pas tout miser sur l’outil analytics

On a un superbe outil, des fonctionnalités hyper avancées, ça va rouler tout seul… Hélas non ! Il ne faut pas compter que sur votre solution. Le meilleur outil analytics du monde ne sert à rien sans l’expérience d’individus compétents et formés pour l’implémenter et l’utiliser au mieux. Plus la complexité technique est élevée, plus l’analyse humaine est clé pour interpréter les chiffres, détecter les signaux faibles et mettre les données dans leur contexte. Ne passez pas outre le facteur humain. Formez vos équipes et collaborateurs à l’utilisation de l’outil et faites appel à des agences pour interpréter vos données analytiques.

S’appuyer sur l’équipe Analytics

C’est-à-dire investir de manière suffisante et réfléchie dans votre staff analytics. L’équipe (ou la personne) en charge de l’analytics est moteur dans le projet de démocratisation. Elle intervient évidement dans l’implémentation, l’analyse, le reporting, le pilotage quotidien de la performance, mais aussi dans des actions d’évangélisation et de conduite du changement auprès des autres collaborateurs. Mettez les moyens suffisants, structurez-vous selon la complexité de la mesure, de votre activité, du nombre d’utilisateurs dans la société, de leurs besoins en données, et de leur maturité en digital analytics.

Penser au contrôle de la qualité des données

Après la phase d’implémentation de la solution analytics, le contrôle de la bonne qualité d’une donnée analytics conditionne la réussite du projet. Si une donnée est erronée, incohérente, dépassée ou imprécise, elle peut être une source d’erreurs de jugement, anéantir votre crédibilité et faire capoter tout le projet de démocratisation des data. Le secteur analytics a trop longtemps souffert d’être associé à une donnée provenant d’outils gratuits, souvent échantillonnée et peu fiable. Pour gagner la confiance des décideurs et peser sur les décisions stratégiques, votre donnée doit être robuste. Utilisez des outils de type Tag Crawler et Tag Inspector pour contrôler la qualité des données avant leur diffusion et exploitation. Des questions sur ce vaste sujet ? Consultez notre topo complet sur la qualité des données analytiques.

Avoir conscience que vos collaborateurs ne sont pas des analystes…

… Et qu’ils vont se débrouiller facilement tous seuls dans leur coin avec leur data. Malheureusement non. Ils ne maîtrisent pas votre jargon et sont parfois totalement novices face à l’interprétation d’un indicateur. En tant qu’expert de l’analytics, votre rôle est de préparer le travail. Cela consiste d’abord à définir une vraie stratégie d’utilisation des données analytics au sein de l’entreprise. Posez-vous les bonnes questions : vos collaborateurs sont-ils suffisamment autonomes pour consulter leur performance ? Quels sont les 3 KPI essentiels pour eux ? Comment gérer et prioriser le flux de leurs demandes ? … Autant de pistes de réflexions, parmi beaucoup d’autres, qui vont nourrir les bonnes pratiques de l’analytics dans l’organisation.

Privilégier la simplicité d’accès et de visualisation de la donnée

Les technologies de data visualisation sont de plus en plus prisées. Elles favorisent incontestablement la tendance à la démocratisation des données auprès d’un public non initié à l’analytics. La formule est simple : des outils intuitifs, des interfaces épurées, une UX fluide et un accès immédiat à une information pertinente. Notre défi, en tant qu’éditeur d’une solution analytics, est d’offrir cette autonomie aux utilisateurs pour qu’ils décryptent facilement les data pour en dégager des insights.

Anticiper les questions de confidentialité et de sécurité

Mettre des données analytiques dans les mains de tous les collaborateurs n’est pas sans risque. Avec l’entrée en vigueur du RGPD en mai 2018, les questions de confidentialité et de respect de la vie privée sont plus que jamais au centre des débats. Réfléchir à une gouvernance analytics intégrant ces nouveaux aspects législatifs est indispensable. Cela permet aussi de protéger vos actifs (et d’éviter les boulettes !). Un exemple lié aux droits d’accès à votre solution analytics : par souci d’économie, certaines entreprises mutualisent les accès via des adresses emails standards. Cela peut ouvrir des brèches de sécurité béantes, car lors d’un départ de collaborateurs l’adresse demeure généralement active. Prenez donc soin de bien verrouiller et personnaliser les droits d’accès dans votre solution (qui doit impérativement vous offrir cette possibilité !).

Investir dans la formation (à long terme)

Vos outils analytics évoluent constamment, et vos objectifs aussi. La démocratisation du digital analytics est un travail de fond. Voyez donc ce projet comme un marathon, plutôt que comme un sprint. Que ce soit pour l’interprétation de résultats ou l’utilisation de nouvelles fonctionnalités, les actions de formations s’inscrivent dans la durée. Le manque de compétences est un frein majeur aux initiatives analytics. Certaines métriques (comme Visiteur vs Visite par exemple) peuvent créer la confusion pour des publics non-initiés. Sans formation aux fondamentaux digital analytics, vos collaborateurs risquent de ne pas comprendre la donnée et de mal l’interpréter. Pire, mise entre de mauvaises main, la donnée peut être vidée de son sens et manipulée pour servir des intérêts néfastes à l’entreprise. La formation garantie l’usage d’un vocabulaire commun ainsi que la confiance indispensable à toute organisation analytique.

Sortir du cadre de l’analytics

Pour être utilisée à l’échelle de l’entreprise, la donnée analytique doit s’enrichir. Et souvent, on s’arrête sur quelques métriques analytiques standards sans chercher à pousser son analyse. Exploité au maximum, un (bon) outil peut vous offrir bien plus qu’un nombre de visites, visiteurs, pages vues et qu’un taux de rebond. Un exemple : le marketeur utilise généralement plusieurs outils pour mesurer et optimiser ses actions (emailing, dataviz, BI, DMP, testing…). Si votre solution analytics peut s’interconnecter avec d’autres systèmes, elle va offrir un maximum de valeur : extraction/import de données, enrichissement de votre base CRM, visualisations de données tierces. Bref, cet aspect est fondamental pour proposer des indicateurs parlants à vos utilisateurs métiers et faire avancer votre stratégie de data democratisation.

Besoin d’avoir plus d’infos sur ce sujet ? Consultez notre guide en cliquant juste dessous.