Comment démocratiser l’usage de la donnée avec sa visualisation

Trois axes permettent de mener à bien cette transformation : Acculturer

Mettre en place une culture de la donnée : la data literacy

La data literacy est un enjeu incontournable dans tout projet de transformation data. En effet, faire en sorte que les collaborateurs utilisent au mieux la donnée à disposition constitue un accélérateur de création de valeur.

Afin d’engager toutes les parties prenantes dans ce changement de culture, il est capital de sensibiliser aux usages de la data et à ses bénéfices.

Cette acculturation peut se faire par différents vecteurs :

• Formation : expliquer les usages de la data, par exemple en présentant la valeur créée grâce à la dataviz
• Accompagnement : concrétisation de cas d’usage avec des bénéfices immédiats
• Mise en place d’une communauté favorisant l’échange et la diffusion de l’engouement qui constituera le premier cercle d’ambassadeurs au service des utilisateurs

Superviser la conduite de l’acculturation

Afin de piloter cette acculturation, il est opportun de mettre en place des indicateurs tels que le suivi du nombre d’utilisateurs, la fréquence d’utilisation, le nombre de collaborateurs ayant suivi une formation, etc.

Accompagner les métiers

Notre conviction forte est qu’il faut ensuite accompagner les métiers pour accélérer l’adoption de cette transformation et valider la démarche en se basant sur des cas concrets. Les outils récents de data visualisation permettent de déployer rapidement des cas d’usages à forte valeur ajoutée et d’en mesurer les bénéfices.

Nous préconisons quatre axes d’accompagnement :

• Technique : manipulation de la donnée et prise en mains des outils
• Méthodologique : penser agile de bout en bout pour maximiser la valeur créée
• Visualisation : bonnes pratiques en matière de visualisation des données et de storytelling
• Vision produit : cadrer les besoins des utilisateurs pour obtenir des rapports actionnant

Mettre à disposition données et ressources

Faciliter l’accès à la donnée

Pour en accélérer l’usage, la donnée doit être libérée et rendue accessible en cassant les silos. Pour cela, il faut mettre en place un espace commun de stockage et de traitement des données (data lake, data hub ou datawarehouse), ou des espaces qui la partagent dans une approche data mesh.

Manipuler et exploiter les données grâce à la dataviz

Une fois ces données centralisées, la dataviz va permettre d’exploiter facilement un volume important de données brutes et d’en créer de la connaissance. Les outils disponibles sur le marché donnent les moyens aux utilisateurs métiers, ceux qui travaillent au plus proche de la donnée, de créer seuls des représentations adaptées à leurs besoins sans compétences techniques particulières.

À lire : comment choisir le bon outil de data visualisation.

Mettre en place la gouvernance adéquate

Définir des rôles clés pour engager toutes les parties prenantes

La transformation va impliquer une nouvelle organisation entre les métiers, les équipes data et l’IT. Il faut définir et attribuer des rôles clés aux acteurs de la donnée :

• Le propriétaire de la donnée (data owner) : son rôle est de s’assurer de la pertinence et de la qualité des données utilisées par les métiers concernés, dans un domaine précis de l’entreprise (Marketing, RH, Finance, etc.)
• Le gardien de la donnée (data custodian) : il a une vision technique et opérationnelle. Il est responsable de la sécurité et de l’accessibilité des données.
• Le responsable de la donnée (data stewards) : c’est le référent dans un projet de gouvernance des données. Il joue un rôle clé dans sa réalisation, notamment car il détient la connaissance des données et de leurs méta-données.
• L’utilisateur de la donnée (data analyst) : il collecte et analyse les données, puis les transcrit dans des rapports compréhensibles par tous les métiers de l’entreprise.

Cette organisation devra évidemment être adaptée au contexte de l’entreprise.

Maîtriser les risques

Le développement de l’usage de la donnée peut générer différents risques (conformité, fiabilité des données présentées, gestion des ressources partagées, etc.). Nous préconisons de l’organiser selon les axes suivants :

• La qualité : data quality
• La conformité : data compliance
• La cartographie des données : data lineage
• La gestion des référentiels communs : master data management

Conclusion

La connaissance, la compréhension et la maîtrise des données par les métiers ouvriront le champ des possibles dans votre organisation afin de maximiser la valeur de vos données.

Pour garantir le succès dès la mise en place d’un outil de dataviz, découvrez les cinq étapes clés pour construire un produit de data visualisation efficace.