« Il n’y a ni richesse, ni pouvoir que de données » semblent vouloir nous dire les nouveaux géants de l’économie qui ont placé la « data » au cœur de leurs modèles économiques. Nos entreprises, survivantes, tentent d’incorporer la donnée au sein de leur mode de fonctionnement ou tout au moins de collecter puis d’agréger une multitude de données, parfois de manière désordonnée. Eventuellement issues des opérations internes ou provenant parfois de sources externes, il reste bien illusoire d’imaginer l’agrégat, ainsi constitué, générer par lui-même une nouvelle valeur économique !
Cependant, si la donnée dont nous disposons n’a pas de valeur à nos yeux, d’autres pourraient-ils en percevoir une valeur ? A l’inverse, sommes-nous en mesure d’apporter de la valeur à des séries de données externes qui ne semblent pas concerner notre cœur de métier ? Comment nos entreprises peuvent-elles se réorganiser autour de la donnée ? Quelle pourrait être l’organisation optimale pour maximiser ainsi la valeur des données dont elles disposent déjà ?
C’est dans ce cadre contraint, que 26 membres du Lab d’Open Innovation du cabinet, le Bengs Lab, ont partagé leurs connaissances, leurs expériences, leurs doutes et leurs espoirs respectifs afin d’apporter une réponse à ces nombreuses questions. Nous espérons que vous aurez grand plaisir à lire ces pages, comme nous avons eu plaisir à les rédiger en collaboration avec les membres de cette 5ème saison.
Bonne lecture,
1 La donnée ? Un actif !
La donnée est définie par le dictionnaire de l’Académie Française comme la « représentation d'une information sous une forme conventionnelle adaptée à son exploitation ». La donnée est ainsi une abstraction de notre monde produite par nos soins (c’est-à-dire une représentation) sous un format conventionnel. Les données dont nous traitons dans cet ouvrage sont de types informatiques, qu’elles soient produites par des hommes et des femmes dans leur quotidien (email, documents, liste de clients, journal des ventes, etc.) ou par des capteurs (capteur de température, de localisation, niveau de stock, etc.)
Ce premier chapitre est une introduction nécessaire à la naissance du big data et aux enjeux technologiques associés. Le lecteur familier de ce sujet pourra, s’il le souhaite, directement commencer directement sa lecture au second chapitre par les enjeux de valorisation de la donnée qui constitue le cœur de la saison 5 du Bengs Lab par les enjeux de valorisation de la donnée qui constitue le cœur de la saison 5 du Bengs Lab.
2 Comment valoriser le potentiel de l’actif « donnée » ?
Si l’on prend la notion de valeur dans son acception la plus large, désignant la qualité d’une chose « objectivement désirable ou estimable », les données ont une valeur dans divers domaines et pour divers acteurs, sans nécessairement être motivés par une finalité économique. Ainsi, par exemple, les pouvoirs publics, les scientifiques, les médecins ou encore les organismes de protection de l’environnement se servent des données pour mener à bien leurs missions, leur conférant une valeur morale, de bien commun ou de sécurité et dépourvue de motivation économique.
Notre travail porte sur les entreprises, qui, quand bien même ne considèreraient pas exclusivement la valeur dans sa définition économique mais pourraient avoir des motivations autres (Responsabilité Sociale d'Entreprise, etc.). Elles ont un rapport plus direct à la valeur économique et considèrent la donnée, ou du moins devraient la considérer, comme pourvoyeuse de bénéfices quantifiables. Nous considérerons dans ce chapitre la donnée sans l’angle de sa « valeur économique », c’est-à-dire du caractère mesurable prêté à un objet en fonction de sa capacité à être échangé ou vendu ; prix correspondant à l'estimation faite d'un objet.
La donnée possède deux valeurs. La première est la valeur brute qui émerge de la maîtrise de 5 étapes qui peuvent constituer un cycle de vie de la donnée, et de 3 règles. Les maîtriser, c’est garantir la fiabilité de ses données et son utilisation ou éventuelle transaction. La seconde valeur est plus complexe et émerge des usages de la donnée, c’est la valeur nette. Elle n’est possible qu’une fois la valeur brute stabilisée.
3 Maximiser la valeur nette de la donnée ?
Quel modèle de management doit adopter une organisation pour maximiser la valeur nette de ses données ? L’histoire du management identifie deux modèles successifs sur lesquels nous allons tout d’abord revenir pour montrer leur inadaptation à une entreprise centrée sur la donnée. Nous verrons ensuite comment une organisation transversale agile est à même de maximiser la valeur nette grâce à une circulation maximale des données à même de faire émerger des usages. Enfin, nous détaillerons le modèle de gouvernance nécessaire au développement de ces usages.
4 Le changement d'échelle
Elément traditionnel de la littérature sur l’innovation, les outils et les moyens à adopter pour développer une innovation sont bien documentés. Néanmoins, dans le cadre d’une organisation data centric, toute nouvelle innovation fondée sur les données de l’entreprise introduira de facto un lien de dépendance avec les unités de production existantes. Ce changement conduit à une évolution de la cohérence entre business model innovant et le business courant de l’entreprise, ainsi qu’à une évolution des stratégies managériales.
5 Réussir la mise en œuvre d’une organisation data-centric par l’identification et la mobilisation des bonnes compétences pour les bons projets au bon moment ?
L’organisation data-centric que nous venons de présenter à travers les grandes lignes d’une gouvernance associée facilite l’émergence des idées et de développement de l’intuition. Elle met à disposition les données qui permettent non seulement de détecter des opportunités mais également d‘alimenter et étayer les réflexions des opérationnels au quotidien. C’est un vivier de compétences souvent inexploitées où les talents sont noyés par un manque de visibilité. Les organisations sont complètement aveugles sur la multiplicité des compétences transposables et transférables dont elles disposent largement. Dans une optique d’innovation continue, la nécessité de qualifier les opportunités sur lesquelles l’organisation doit porter son attention devient cruciale. La vitesse et la pertinence de cette qualification se doit d’être élevée, l’utilisation d’outils d’aide à la décision devient donc un passage obligé.
Un des éléments clefs de la réussite consiste à réunir au sein des différents comités les bonnes compétences au bon endroit et au bon moment quelle que soit leur position géographique, leur niveau hiérarchique ou encore l’état d’avancement du concept : il nous fallait donc un outil universel de recherche de compétences. C’est dans ce cadre que les membres du Lab ont mis l’accent sur le produit-service d’innovation : le Skills Finder. C’est un concept innovant qui prend en compte l’ensemble du spectre des compétences des employés pour organiser les activités de l’entreprise. Il a pour but d’objectiver et de légitimer la mise en commun des ressources humaines et financières d’une organisation afin d’améliorer son fonctionnement.