5 étapes pour construire une stratégie de données d'entreprise, directement d'un expert

Les données peuvent être un mot effrayant.

Cela ne devrait pas être le cas, mais c’est le cas. Principalement parce que les gens ont du mal à le gérer.

De nombreuses entreprises ont atteint le point où elles disposent de tellement de données qu’elles ne savent plus où aller ensuite. D’autres pensent qu’ils sont si petits qu’il n’est pas nécessaire d’investir dans une stratégie de données d’entreprise.

La vérité est que quelle que soit la taille de votre entreprise et l’état actuel de vos données, vous bénéficierez de la mise en œuvre d’une stratégie de données.

Pour vous aider à démarrer, nous avons fait appel à l’expertise de Zosia Kossowski, le chef de produit du groupe pour l'équipe de business intelligence de HubSpot (c'est-à-dire notre expert interne en stratégie de données.)

Au moment où vous aurez fini de lire cet article, vous aurez une meilleure idée du niveau actuel de maturité des données de votre entreprise, des facteurs à prendre en compte avant d'élaborer votre stratégie et de quelques étapes pour vous aider en cours de route.

Contrairement à la croyance populaire, une stratégie de données d’entreprise n’est pas réservée aux grandes entreprises disposant de gros volumes de données. En fait, les petites entreprises peuvent bénéficier d’un investissement précoce dans une stratégie de données et établir les bases qui les aideront à évoluer.

Avantages d'une stratégie de données d'entreprise

Le piège courant auquel de nombreuses organisations sont confrontées est que même si elles collectent beaucoup de données, chaque équipe les interprète à sa manière. Il n'existe pas de méthode de reporting standard et chaque équipe peut signaler une valeur différente pour la même métrique.

Cela signifie que tout le monde se retrouve avec des données différentes sans comprendre clairement ce qui est exact. Lorsqu’il n’existe pas de source unique de vérité, il devient extrêmement difficile de faire confiance à vos données et d’en tirer des informations précieuses.

« Les données n’existent pas seulement en silo », a déclaré Kossowski. « L’équipe marketing ne va pas seulement utiliser des données marketing spécifiques sur lesquelles aucune autre équipe n’a d’influence. Ils voudront également extraire des informations de différents domaines.

Elle poursuit : « Ainsi, un élément de gouvernance et de normalisation ainsi qu’un langage commun sont vraiment importants pour garantir que ces équipes peuvent communiquer entre elles.

Ainsi, en mettant en œuvre un EDS, vous évitez les silos d’informations, permettez la confiance dans les données et permettez la prise de décision.

Ce qu'il faut prendre en compte lors de l'élaboration d'une stratégie de données d'entreprise

1. Votre niveau actuel de maturité des données

La première chose que Kossowski recommande de faire avant d’élaborer votre stratégie est une auto-évaluation.

Posez-vous la question : où se situe votre entreprise dans la phase de maturité des données ?

Dell dispose d'un « modèle de maturité des données » largement utilisé qui aide les entreprises à déterminer dans quelle mesure leur entreprise est réellement axée sur les données. Il y a quatre étapes :

• Conscient des données – Votre entreprise n’a pas standardisé son système de reporting et il n’y a aucune intégration entre vos systèmes, sources de données et bases de données. De plus, il y a un manque de confiance dans les données elles-mêmes.
• Maîtrise des données – Il y a encore un manque de confiance dans les données, notamment dans leur qualité. Vous avez peut-être investi dans un entrepôt de données, mais il manque encore quelques éléments.
• Maîtrise des données – Votre entreprise est habilitée à prendre des décisions commerciales à partir de vos données. Cependant, il reste encore quelques problèmes à résoudre entre les dirigeants d'entreprise et le service informatique, car le service informatique s'efforce de fournir des données fiables à la demande.
• Axée sur les données – L’informatique et les entreprises travaillent en étroite collaboration et sont sur la même longueur d’onde. Désormais, l’accent est mis sur la mise à l’échelle de la stratégie de données, car le travail de base (en particulier l’intégration des sources de données) a déjà été mis en œuvre avec succès.

Le plus important ici est d’être réaliste quant à la situation de votre entreprise.

« Je pense que le plus gros piège que je vois est de ne pas être vraiment honnête avec vous-même quant à l'état de maturité des données de votre entreprise », a déclaré Kossowski.

Elle ajoute qu’il ne suffit pas d’examiner les sentiments que vous ressentez quant à la manière dont les données vous influencent. penser votre entreprise l'est. Regardez les faits.

Commencez par identifier les problèmes de données auxquels votre entreprise est actuellement confrontée, car c'est un excellent indicateur de votre situation.

2. Votre secteur d’activité et la taille de votre entreprise

Le secteur dans lequel vous évoluez et la taille de votre entreprise détermineront si vous adoptez une approche centralisée ou distribuée pour votre stratégie de données.

Mais avant de détailler ces approches, parlons de deux cadres de stratégie de données : l’offensive et la défense.

Au cours de ma conversation avec Kossowski, elle a expliqué comment ce cadre (expliqué en détail ici) a aidé HubSpot à développer sa propre stratégie.

La défense des données donne la priorité à des éléments tels que la sécurité des données, l'accès, la gouvernance et l'exactitude, tandis que l'offensive des données se concentre sur l'obtention d'informations qui permettront la prise de décision.

Chaque entreprise a besoin d’un équilibre entre attaque et défense. Cependant, certains se penchent davantage sur une extrémité du spectre en fonction de leur secteur d’activité.

Un organisme de santé ou une institution financière, par exemple, traite probablement des données très sensibles, pour lesquelles la confidentialité et la sécurité des données sont primordiales.

Obtenir des données en temps réel et des informations rapides n’est probablement pas une priorité absolue, alors que fournir des garde-fous pour savoir qui peut accéder aux données l’est probablement. En tant que tels, ils pencheront davantage vers un cadre de défense.

D’un autre côté, vous avez les entreprises technologiques, un secteur qui a tendance à évoluer rapidement et qui s’appuie davantage sur un traitement rapide des informations sur les données.

Donc, ils s’appuient davantage sur l’offensive. Cela dit, il existe certainement des départements au sein des entreprises technologiques (et d’autres secteurs en évolution rapide) qui se concentreront davantage sur la défense, comme la finance.

Revenons maintenant aux stratégies centralisées et distribuées.

Le cadre que vous utilisez déterminera quelle stratégie convient le mieux à votre entreprise.

Dans une structure centralisée, vous disposez d'une équipe centralisée de reporting ou de business intelligence (BI) qui gère et prépare les données ainsi que les rapports.

« Cette [structure] peut fonctionner beaucoup mieux dans une organisation plus petite, et surtout dans une organisation qui donne la priorité à la défense, car vous allez avancer plus lentement », a déclaré Kossowski. "Vous allez être le goulot d'étranglement, mais vous avez également un contrôle strict sur chaque élément."

En revanche, un modèle distribué fonctionne mieux pour les grandes équipes qui adoptent une approche offensive. De cette façon, chaque équipe peut agir rapidement et est habilitée à travailler de la manière qui lui convient.

Dans ce modèle, BI est simplement responsable des plates-formes et de la mise en place des garde-corps pendant que les équipes effectuent le travail de développement, explique Kossowski.

"Si vous pensez à une organisation, à mesure que l'entreprise grandit, avec une équipe plus centralisée, il devient de plus en plus difficile de la faire évoluer", a-t-elle déclaré. « Il suffit d’embaucher de plus en plus de personnes pour y parvenir. »

"Je pense donc qu'à une certaine taille de l'entreprise, vous finirez de toute façon par vous diriger de plus en plus vers [une] [stratégie] décentralisée."

Ainsi, une fois que vous avez compris quel cadre fonctionne le mieux pour votre secteur et votre taille, vous pouvez mettre en œuvre la stratégie appropriée.

3. Votre équipe de gestion des données

La science des données est actuellement le sujet brûlant dans la gestion des données, selon Kossowski. Et elle n’a pas tort.

En 2012, la Harvard Business Review l'a nommé le métier le plus sexy du 21ème siècle. Près de 10 ans plus tard, Glassdoor l'a nommé le deuxième meilleur travail en Amérique.

Mais si vous vous demandez quel rôle ajouter à votre équipe de gestion des données, un data scientist ne devrait pas être votre première option.

Kossowski souligne que votre science des données ne sera aussi bonne que les données qui l'alimentent. Et si ces données ne sont pas fiables, vous n’obtiendrez pas d’informations précieuses.

« La science des données n’est pas une baguette magique qui transforme comme par magie les mauvaises données en informations. Quoi qu’il en soit, vous aurez toujours besoin de cette base de données », ajoute-t-elle. "Donc, se lancer dans quelque chose parce que c'est la prochaine grande chose, je pense que c'est une grande préoccupation."

Si vous en êtes aux premières étapes du modèle de maturité des données, Kossowski a une suggestion sur où concentrer vos efforts.

"Un architecte d'entrepôt de données ou même un analyste de données expérimenté dans l'écriture de SQL et la création de tables SQL", dit-elle. « Si vous ne comptez embaucher qu’une seule personne et que vous ne disposez pas de beaucoup de données, cela peut être une embauche très efficace, car une seule personne peut faire beaucoup de choses à plus petite échelle. Ils peuvent porter de nombreux chapeaux différents et apprendre différentes choses.

Lorsqu'il s'agit de tâches plus techniques, comme l'ingestion de données dans l'entrepôt, il existe des outils tiers que vous pouvez utiliser pour le faire à votre place.

À ce stade, ce dont vous avez réellement besoin, c’est de quelqu’un pour vous aider à structurer vos données.

1. Décrivez votre architecture de données.

La première chose que vous souhaitez faire est de comprendre vos données à un niveau granulaire.

Posez-vous ces questions:

• Où vivront les données ?
• Quel type de données allez-vous collecter et à partir de quelles sources ?
• Comment les données seront-elles organisées ?

Le but ici est de comprendre la structure de vos données.

Si vous ne comprenez pas la structure, vous ne pouvez pas élaborer un plan complet sur la façon de gérer vos données.

2. Définissez la relation entre la BI et vos équipes.

En matière de stratégie de données, l'une des étapes les plus importantes consiste à définir les équipes impliquées dans le processus et à définir les attentes en matière de BI.

Dans une grande organisation qui n’a jamais réfléchi à la stratégie de données auparavant, vous constaterez souvent que chaque équipe suit un modèle différent et entretient une relation différente avec la BI, ce qui rend difficile le fonctionnement de la BI de manière rationalisée et standard.

Cela brouille également les frontières entre les rôles de l’analyste de données et de la BI.

L'analyste de données doit connaître la logique métier spécifique à son équipe et la structure des données collectées. La BI, en revanche, ne devrait pas avoir besoin de connaissances spécifiques sur le domaine opérationnel qu’elle prend en charge, mais devrait plutôt se concentrer sur la source de données et gérer la plateforme pour soutenir l’analyste.

Lorsque la BI ajuste régulièrement son processus pour correspondre à la logique métier spécifique de l’équipe, cela ralentit tout et crée un besoin constant de réapprentissage.

La suggestion de Kossowki ? Supprimez la logique métier de la couche BI et travaillez sur des éléments pertinents pour le plus grand nombre d'équipes possible.

De plus, proposer un profil d'analyste standard et un modèle de relation entre la BI et les équipes.

"Il y aura encore certains endroits où nous travaillerons sur des ensembles de données et non sur l'ensemble de la plateforme", a déclaré Kossowski, "mais autant que nous le pouvons, il s'agit de nettoyer les données de base, ce qui facilite l'adhésion, mais faire réellement ces jointures et leur logique.

3. Attribuez la propriété.

Après avoir établi la relation entre vos équipes et la BI, l’étape suivante consiste à définir qui possédera quoi.

Il est courant d’avoir un propriétaire différent pour chaque partie des données. Par exemple, une personne ou une équipe peut être propriétaire des données opérationnelles tandis qu'une autre est propriétaire des données de reporting.

Vous devrez peut-être également affecter des propriétaires à différentes étapes du pipeline. L'équipe BI peut posséder les données à une étape particulière puis les transmettre aux analystes.

Kossowski estime que l'appropriation commence par les équipes qui produisent les données.

«Ils doivent se sentir un certain degré de propriété sur les données et avoir un certain niveau de responsabilité en cas de problème», a-t-elle déclaré. "Parce que si c'est faux à la source, la BI ne peut pas faire grand-chose."

Elle poursuit : « Et si vous essayez d’installer des correctifs à ce niveau, vous allez simplement rencontrer davantage de problèmes à long terme, cette relation est donc également importante. »

4. Établir une gouvernance des données.

La gouvernance des données est un ensemble de politiques et de réglementations qui déterminent la manière dont les données seront collectées et stockées pour garantir leur exactitude et leur qualité.

En termes simples, la gouvernance des données dit : « Hé, vous souhaitez utiliser et faire partie de cette source de données de vérité que nous avons créée ? Ensuite, vous devez répondre à ces critères."

Cela peut inclure le respect des normes de codage, la présence d'un certain nombre de réviseurs et le suivi d'un processus de documentation spécifique.

« Lorsque nous pensons à la gouvernance et à l’adoption, il s’agit en réalité des mécanismes que vous pouvez mettre en place pour favoriser l’adhésion », a déclaré Kossowski.

Il y a deux éléments à considérer en matière de gouvernance : l’aspect culturel et l’aspect technologique.

D’un point de vue culturel, comment faire adopter ces standards par vos équipes ? Et d’un point de vue technique, quels processus pouvez-vous automatiser pour que tout ne nécessite pas de modification de comportement ?

Lorsque vous réfléchissez à ces deux éléments, vous devez considérer à la fois le côté analyste et le côté ingénieur (ou équipe source).

Kossowski explique que pour les équipes d'ingénierie, il peut être difficile de penser à quoi ressemblent les données lorsqu'elles arrivent dans l'entrepôt, car elles ne font pas partie intégrante de leur produit ou de leur responsabilité.

Ils ne verront peut-être pas les avantages tangibles des données, à moins qu’il ne s’agisse d’une organisation axée sur les données et qui travaille en étroite collaboration avec ses analystes. Dans ce cas, les analystes peuvent relayer le fait que les données alimentent la décision X, donc tant que les données ne répondent pas aux exigences Y, les décisions ne peuvent pas être prises.

Pour les analystes, il est plus facile de constater les avantages car ils sont plus proches de l’entreprise et peuvent en constater l’impact direct. Ils peuvent se rendre compte que le respect des normes de gouvernance des données signifie moins de dépendance à l’égard de la BI, ce qui accélère les choses.

« Les informations issues des données doivent alimenter les décisions prises concernant le produit, car c'est la seule façon d'amener les équipes produit et d'ingénierie à s'impliquer.

J'ai compris la valeur des données et réfléchi à leurs données au fur et à mesure de leur exportation », a déclaré Kossowski.

5. Réévaluez régulièrement.

Quel que soit votre modèle de maturité des données, votre stratégie de données aura toujours besoin d’être peaufinée.

« [Chez HubSpot], nous avons un plan sur trois ans et toutes ces idées sur ce qui se passe au cours de chacune de ces années », a déclaré Kossowski. Mais je m’attends à ce que dans un an, lorsque nous y réfléchirons, il y ait des choses que nous voudrons modifier en fonction de la façon dont les choses ont changé.

Par exemple, supposons que vous introduisiez une nouvelle fonctionnalité dans votre produit ou service et que vous collectiez désormais des données clients plus sensibles. Cela peut nécessiter d’adopter une approche plus défensive. Si votre entreprise connaît une croissance exponentielle, vous devrez peut-être opter pour une stratégie distribuée plutôt que centralisée.

Même s’il n’y a aucun changement dans le fonctionnement de votre entreprise, vous devrez peut-être réévaluer votre situation. Voici deux indicateurs majeurs : il est temps de revoir votre stratégie data :

• Il y a de la frustration face au temps que prennent les choses.
• Il y a un manque de confiance dans les données.

Kossowski dit qu’il est essentiel de trouver un équilibre entre ces deux éléments.

« Vous ne voulez pas que BI fasse tout, car cela prendrait beaucoup de temps », a-t-elle déclaré, « mais vous ne voulez pas non plus avoir tellement de liberté parmi la population d'analystes que vous ne puissiez vraiment compter sur personne. données."

Une bonne règle de base consiste à revoir votre stratégie tous les six mois à un an. Discutez avec les dirigeants de l'entreprise, le service informatique et vos équipes pour comprendre ce que chacun pense de vos progrès et déterminer les changements à apporter.

Le processus de création d'un EDS varie d'une entreprise à l'autre, car le niveau de maturité de vos données, le secteur d'activité et la taille de l'entreprise jouent tous un rôle dans les étapes que vous suivrez.

En faisant le point sur la situation actuelle de votre entreprise, vous pouvez développer une stratégie qui répond aux besoins spécifiques de votre entreprise.

Source : https://blog.hubspot.com/marketing/enterprise-data-strategy