4 exemples Concrets du Big Data avec information builders et business & decision

Jean-Michel Franco, Business & DécisionsLe 16 octobre j’ai assisté à une conférence organisée par information builders au Shangri la de Paris intitulée : « Les nouveaux enjeux de l’EIM, MDM et big data, l’association gagnante ».  Même si le titre est un peu abscons, et requiert lui-même un peu de data mining, le contenu allait au-delà de mes espérances avec une présentation très intéressante de Jean-Michel Franco (photo), Directeur de l’innovation chez Business & décision. Et je peux dire qu’enfin j’ai tout compris, ou presque,au big data, au vrai big data, pas aux incantations aux dieux de la mode, mais à la description d’une vraie révolution au sein des entreprises et des directions marketing qui n’a pas fini de créer des remous dans les organisations et les méthodologies. Voici mon compte-rendu :

Business et décision, contexte

Business et décision est une société de services numériques (nouveau nom des SSII) forte de 2500 collaborateurs dont la moitié est située en France. La moitié des effectifs français est en région. La société est présente sur 16 pays, et dispose de 17 agences régionales en France. Les 3 spécialités du cabinet sont le business intelligence (BI), le CRM et le e-business. Ils font aussi de l’EIM (Enterprise Information Management : ou informatique décisionnelle) et du conseil et auraient été placés par Gartner dans le magic quadrant du CRM (NDLR: source non trouvée), preuve de leur expertise.

MDM (Gestion des données de référence)

Le MDM, ou Master Data Management est la discipline dédiée aux données cœur de l’entreprise, celles qui vont servir à son système d’information. Les données clients, produits, ventes etc… Bref les données dures, celles qui sont structurées, maîtrisées (enfin plus ou moins, il y a encore du travail dans nombre d’entreprises pour que les fichiers clients soient exploitables et propres), par opposition aux données non structurées, dont les plus emblématiques sont celles issues des médias sociaux. C’est la rencontre de ces deux types de données, sur le plan de la donnée seul, qui donne naissance à cette nouvelle dynamique des big data.

Evernote Snapshot 20131016 090654

Jean Michel Franco de Business & Decision

MDM et big data sont aussi un sujet de spécialisation et d’avenir pour B&D a indiqué monsieur Franco : 50 personnes en France sont déjà dédiées à ces sujets au sein du cabinet et 80 dans le monde. La société est aussi animatrice d’un veille technologique avec l’animation des matinales du MDM dont la 5e édition a eu lieu récemment. “La Méthodologie de mise en œuvre du MDM n’est pas facile” a dit Jean Michel Franco : “elle nécessite de la transversalité et des méthodes agiles et des références dans tous les secteurs de ce domaine”.

Quels sont les enjeux de l’EIM en 2013 ?

Pour expliquer ces e,jeux, M. Franco a pris l’analogie d’Amazon : “Amazon, on en parle depuis 15 ans comme un vendeur de livre et aujourd’hui c’est la marque préférée des français. Tous les secteurs sont dans le domaine d’Amazon aujourd’hui et ils pèsent 61 milliards de $ (2012). Alors voici quelques métriques en rapport avec Amazon :

  • 1/2 seconde gagnée sur le temps de conclusion d’une vente équivaut à 1% du ÇA chez Amazon ;
  • On y reconnaît immédiatement le client et ils ont inventé le one click ™ : celui-ci est estimé à environ 20% du CA en plus. Cette connaissance client se traduit concrètement dans le chiffre d’affaires de l’entreprise ;
  • Le catalogue : c’est le principe de la longue traîne donc ils ont étendu la gamme et ils ont même intégré une marketplace et amazon est garant d’amener le produit chez vous. La marketplace c’est 25% ou 30% du CA rien que par le fait qu’ils soient capables de référencer tout ;
  • Valoriser l’écosystème : amazon vous amène de la confiance sur son écosystème. Le e-commerce est un marché qui a changé, ce n’est plus de la logistique. La différence se fait sur les informations additionnelles qu’Amazon est capable de gérer et de croiser ;
  • L’information était du pouvoir maintenant elle est partagée et c’est de la valeur pour l’entreprise.

L’information est devenue ouverte : elle représente la valeur

Surtout, il y a un changement de mentalité entre information ouverte et fermée : “dans les cabinets de conseil il y a une culture du secret et la volonté de cacher les consultants alors qu’avec LinkedIn tout est ouvert il n’y a plus rien à cacher” a défendu M. Franco. “Dans l’hôtellerie on avait de beaux sites web, mais maintenant on va sur trip Advisor car c’est sur l’information ouverte que s’est déplacée la valeur”.  Les projets MDM sont tous soumis aux enjeux métiers (si on est en rupture de stock pas exemple, comment faire apparaître le produit néanmoins et livrer vite ?) Il y a des projets de fusion et acquisition, de reconfiguration de marques, de désimbrication de SI (au moment ou des entreprises se séparent), et d’entreprises étendues.  Tout cela change la donne … et la donnée !

Redonner le pouvoir aux utilisateurs : sans perdre le contrôle

“L’enjeu dans les entreprises c’est un changement entre intégration de données en silos gérées en central par l’informatique, très maitrisées avec les utilisateurs cantonnés dans un rôle d’utilisation qui crée des conflits et des frustrations (tout le monde se rejette la faute de la non mise à jour de la BDD clients)” à un monde où la donnée est mise en commun pour créer de la valeur. “L’enjeu c’est que les métiers prennent la main sur la définition des besoins et réclament un catalogue de services pour pouvoir croiser des données” a ajouté JM Franco : “l’informatique doit continuer à accompagner les utilisateurs et il n’est pas question de faire tout ça sans contrôle mais il faut redonner l’émouvoir aux utilisateurs”.

Les données de référence : bien mais pas suffisant !

Un master data c’est une donnée commune au référentiel de l’entreprise, partagée par plusieurs entités de l’entreprise. Le MDM c’est la mécanique, technologique et humaine pour mettre ces projets en route. A peu près 1/3 des données sont des référentiels (clients et produits), puis les choses, puis les lieux (3% seulement aujourd’hui de données mais on peut s’attendre à un décollage dans ce domaine)

Mais le MDM ne suffit pas, car gérer les référentiels c’est bien, mais ça n’est pas assez. La qualité des données est liée à leur gouvernance, à leur maintenance par les utilisateurs, au “lifecycle management” de ces données et à leur stockage temps réel dans l’entreprise et enfin, il faut savoir comment on va mettre la donnée à disposition des utilisateurs, à la manière d’Amazon. 

Les 4 grands types de données dont certaines amenées par le big data 

  • Les métadonnées (qui servent à décrire d’autres données : exemple la date de sa production, les coordonnées GPS, les données EXIF d’une photo etc.) ;
  • Données transactionnelles qui résultent de l’achat en ligne ou non ;
  • Données référentielles : qui sont propres à décrire les assets de l’entreprise, ses produits, ses prix, etc.
  • Enfin les données décisionnelles qui vont se référer aux segments, aux clients, aux codes qui permettent de qualifier, segmenter, analyser, requêter sur les clients, les produits, les régions, les vendeurs etc.

Comment ça se met en place ? il y a 3 étapes !

  • phase de cadrage : est-ce que j’ai une plateforme, comment je gère mes dictionnaires de données. On analyse les différentes technologies et on en définit le hub de données ;
  • définition de l’organisation : sur chacun des métiers il va falloir responsabiliser les métiers responsables, comment on partage ces responsabilités. C’est ce qu’on appelle le “stewardship” (qui gère ?) et le “ownership” (qui est responsable ?)
  • Enfin la méthodologie de projet itérative pour la mise en œuvre proprement dite

Et le big data dans tout ça ?

information-builders-mdm-bigdata-131016140315-phpapp01

M Franco n’y va pas par quatre chemins : “c’est un peu fumeux donc je propose une définition et pourquoi on en arrive là (voir le slide ci-dessus). On explique ça avec le 4v.” Je n’y reviens pas, il suffit de voir cet autre article.

On peut décrire l’évolution des données ainsi :

  1. En 1950, démarrage des systèmes de données
  2. En 1960 le système Sabre est inventé qui n’est pas seulement un système de réservation aériennes mais aussi un Système de pricing, qui a préfiguré les systèmes d’aujourd’hui .. On en est encore au MB
  3. En 1970 Fedex trace ses colis
  4. Dans les années 1980 Citicorp fait monter les bases au GB
  5. Dans les années 1990 on atteint les TB avec Walmart
  6. Puis les PB avec Google dans les années 2000
  7. Et en 2010 Facebook fait monter les données à des centaines de PB

“On est obligé de subir cette inflation de données” a conclu M. Franco

“Le big data c’est la longue traîne appliquée à notre métier” a-t-il ajouté. La FNAC vend surtout les best sellers. Amazon a eu une logique différente. Ils vendent beaucoup de livres en peu d’exemplaires. Le e-commerce a permis de faire baisser le coût de gestion des références et ils ont étendu leur assortiment aux livres qu’ils n’ont pas en stock, puis ils ont tout dématérialisé. Leur catalogue est quasi infini. Le processus marche bien, le big data permet de changer de braquet. Le client a besoin de temps réel, et ça permet des s’intéresser à de nouveaux types de données et notamment des données non structurées.

Mais il n’y a pas qu’Amazon, donc M. Franco nous a cité 4 exemples emblématiques des entreprises de tous les jours :

4 exemples de longue traîne appliqué à la data

  1. Sears : veulent aller plus loin que le stockage des bons d’achat et personnaliser les magasins. Leur process de pricing prenait 5 semaines avec des logiques de batch. Ils ne pouvaient pas le faire tourner souvent et impossible de différencier les prix selon les magasins. Ils ont tout descendu sur Hadoop, Le processus, de 5 semaines est tombé à 3 jours ;
  2. Exemple français avec Veolia qui met des capteurs sur les compteurs pour éviter les fuites et les fraudes. Toutes les heures ils ont une vue instantanée sur leur réseau. Ainsi la plupart du temps ça ne sert à rien, mais en cas de problème, ils sont capables d’agir vite et aussi de prévenir le client final et lui permettre d’agir en conséquence.
  3. The climate Corp, est une startup fondée par des anciens de Google et ils proposent des assurances personnalisées et à distance aux agriculteurs, grâce à des capteurs, pour suivre les risques sur une récolte. Pour les sinistres c’est facile aussi, il y a une mesure. Cette Startup a été rachetée près d’un milliard de $ par Monsanto.
  4. Infinity : toujours de l’assurance, ils récupèrent toutes les données de déclaration de fraudes et en déduisent les signes avant-coureurs. Exemple : si vous déclarez que la voiture à brûlé mais il n’y avait rien à l’intérieur, donc cela permet de faire du scoring beaucoup plus précis et sans lancer des enquêtes pour rien car ça coûte cher. 85% des cas transmis au service des enquêtes sont un succès donc il y a un gain rapide de ROI.

ALL_161013

Le Big data ne s’appplique pas qu’au e-commerce et pas seulement aux américains. l’exemple de Veolia est bien parlant

S’organiser pour stocker et analyser les données

Il faut ensuite s’organiser : où je stocke les données, comment je les tague (gouvernance) et comment je les analyse, avec des outils de BI et enfin comment j’agis sur le business en revenant vers les utilisateurs.

C’est pour cela que le MDM et le big data sont des sujets connexes

  • Pourquoi le big data à besoin du MDM : Exemple : la dématérialisation des vœux au Père Noël. A partir d’une lettre on va extraire le contenu, une gestion de la qualité et la réconciliation avec les master data (quoi/quand/où…) et comment la commande peut arriver à temps avant Noël. Si je fais du big data il faut que j’aie le pivot qui permette de donner du sens à mes données même si elles sont totalement non structurées comme dans cet exemple.
  • Pourquoi le MDM à besoin du big data : pour constituer un référentiel complet il faut que je puisse insérer des données d’information clients de toutes les sources structurées et non structurées. C’est ce qui permet d’enrichir la gestion classique des données  et de les réinsérer dans les sites web car c’est là qui se passe et c’st comme ça qu’on trouve le ROI

et demain ?

Les enjeux de demain, selon Forrester c’est la prédiction, comme LinkedIn qui propose des contacts potentiels, dès la première connexion. “Nos applications doivent devenir un coach personnel par rapport aux actions qu’il doit pouvoir faire dans le futur” a conclu, M. Franco. Alors que beaucoup d’industriels en sont encore à se gratter la tête pour savoir ce que big data veut dire, les leaders en sont déjà sur le coup d’après. Tout va très vite dans ce monde de la donnée pléthorique.

4 exemples Concrets du Big Data avec information builders et business & decision was last modified: mai 11th, 2015 by Yann Gourvennec
Yann Gourvennec
suivez moi !

Yann Gourvennec

PDG & fondateur chez Visionary Marketing
Yann Gourvennec a créé le site visionarymarketing.com en 1996. Il est intervenant et auteur de 4 ouvrages édités chez Kawa. En 2014 il est devenu entrepreneur, en créant son agence de marketing digital Visionary Marketing, en association avec Effiliation. Il est directeur de programme du Mastère Spécialisé Digital Business Strategy de Grenoble Ecole de Management depuis 2015
Yann Gourvennec
suivez moi !

8 réflexions sur “ 4 exemples Concrets du Big Data avec information builders et business & decision ”

Votre avis nous intéresse :