Analyse et gestion de données : crucial ou à éviter ?

Tim Bottelbergs, Partner BDO Digital
Steven Cauwenberghs, Partner BDO Risk Advisory
Walter Vanherle, Partner BDO Digital

Chaque organisation produit des données. Mais toutes n’en ont pas un usage actif. Cette mine d’informations peut pourtant s’avérer une boussole bien utile lorsque le paysage commercial est de plus en plus numérique. C’est pourquoi une analyse et une gestion pertinentes des données est nécessaire. Comment procéder ? Poser la question, c’est y répondre.

Je débute mon trajet d’analyse de données. Par quoi commencer ?

Inutile de recourir immédiatement à des stratagèmes compliqués. Commencez petit et affinez progressivement. Par exemple, centralisez les données des systèmes opérationnels dans un datawarehouse. Des rapports et tableaux de bord pourront être établis sur cette base, de manière à obtenir de premières informations. Important : garantissez dès le premier jour la qualité, la confidentialité et la sécurité des données. Veillez donc à ce que les données soient documentées et que la manière dont elles sont traitées soit claire, avant de les rapporter. Au fil de l’avancement de votre trajet, expérimentez (sous forme de « proof of concepts ») différents modèles d’apprentissage automatique ou techniques issues de la data science. Cela vous permettra de mieux comprendre votre activité et la valeur de vos données. Ces informations pourront ensuite être implémentées dans les processus pour aider votre personnel dans ses tâches quotidiennes (éventuellement via la Robotic Process Automation – lisez aussi notre white paper gratuit « Robotic Process Automation »).

Les analyses de données sont-elles coûteuses ?

Non, pas nécessairement. Vous pouvez par exemple centraliser les données dans une solution cloud. Vous ne payez dans ce cas que ce que vous consommez, qu’il s’agisse d’espace de stockage ou d’outils nécessaires pour extraire et transformer les données des systèmes opérationnels. De nombreuses techniques d’analyse ou de visualisation sont par ailleurs déjà intégrées dans des outils open source (PowerBI ou Python, par ex.).

Les analyses de données doivent-elles être faites par des experts en deep learning ?

De grandes entreprises (Google, Facebook, Uber) misent sur des modèles « top shelf », parmi lesquels les réseaux neuraux, autrement appelés « deep learning ». Mais il existe d’autres modèles moins complexes qui n’exigent pas d’avoir la maîtrise absolue de ces algorithmes et pourront vous être d’une aide précieuse. La régression linéaire ou les arbres de décision en font partie. Si vous avez besoin de techniques plus avancées, privilégiez une solution prête à l’emploi via une API (Application Programming Interface, payant ou pas). Vous voyez grand ? Vous souhaitez générer et gérer des modèles de machine learning ? Dans ce cas, mieux vaut s’adresser à une entreprise spécialisée.

Pourquoi la qualité des données est-elle de plus en plus importante ?

Plus vous avez recours à l’analyse de données, plus le résultat des visualisations et des modèles sera utilisé comme base pour les décisions d’entreprise. Il est donc essentiel que ce qui figure dans les tableaux de bord & rapports soit correct et clair. Précisez aussi comment les informations doivent être interprétées et d’où elles proviennent, afin d’éviter des résultats erronés.

Comment gérer la confidentialité des données ?

Demandez systématiquement le consentement explicite de la personne concernée avant de sauvegarder des données. Inventoriez toutes les données à caractère personnel traitées au sein de l’organisation. Vérifiez si elles sont justifiées. Conservez et traitez uniquement celles qui sont nécessaires. Anonymisez autant que possible les données à caractère personnel pour limiter l’impact d’éventuelles fuites. Les données sont précieuses, sécurisez-les comme si elles étaient votre bien le plus cher. En cas de fuite de données, informez les personnes concernées. Enfin, sensibilisez vos collaborateurs à l’importance de la confidentialité des données et de la cybersécurité. Organisez régulièrement des campagnes de phishing à l’occasion desquelles vous attirez leur attention sur les dangers des e-mails frauduleux.

Comment tirer le meilleur parti d'un algorithme d’apprentissage automatique ?

Une analyse coûts-bénéfices donne un aperçu des différents scénarios, fournit un calendrier pluriannuel/trimestriel détaillé, indique les coûts, revenus, risques et attentes prévus. Les coûts comprennent : le temps consacré par vos propres collaborateurs ou collaborateurs externes (converti en euros) et les coûts informatiques (infrastructure, logiciels). Ceux-ci sont indiqués comme frais uniques ou récurrents. Les produits sont exprimés en Financial Impact Templates (FIT). Ils évaluent les économies, le temps en euros et les revenus supérieurs pour chaque processus, ainsi que l’impact en temps (exprimé en pourcentage). Les FIT indiquent également les réalisations attendues que vous devez suivre.

Le département IT est-il responsable de la gestion des données ?

Pas exactement. L’IT n’est pas seul responsable. Chacun au sein de l’organisation doit avoir conscience de la manière dont l’entreprise gère les données, de leur impact et de leur interprétation. Depuis l’input jusqu’à l’output, en passant par leur traitement. Vous devez mettre en place des processus adaptés, intégrés dans une politique de données, surveillés (ou pas) par un Data Privacy Officer. Ce dernier vous indique e.a. ce qui est possible en matière de qualité des données, confidentialité, etc.