Devenez un data pionnier ! E-Book

Gauthier Vasseur

• Herausgeber: Mardaga
• Kategorie: Fachliteratur
• Sprache: Französisch

Seitenzahl: 435

Veröffentlichungsjahr: 2021

Beschreibung

Comment maîtriser les données et saisir les nouvelles opportunités du numérique?

Savoir collecter, comprendre et exploiter les données est aujourd’hui un enjeu stratégique pour toute entreprise qui souhaite rester performante et innovante. Mais comment faire de cette transformation digitale un succès ?Gauthier Vasseur, expert en analytique appliquée, démystifie la data et son analytique, et accompagne les entreprises dans cette transformation nécessaire. Présentant des approches concrètes permettant de maîtriser systèmes, données et processus, il expose les possibilités offertes par la data, son analyse et les intelligences artificielles. L’auteur en explore également les aspects humains : la gestion du changement, l'adaptation du leadership, les biais ou l’éthique. En s’appuyant sur des témoignages d’experts, il démontre que c’est l’harmonie des interactions entre l’humain, la data, les outils et les processus qui est la clé du progrès efficace et durable.

Le manuel nécessaire pour les entreprises qui désirent se servir profitablement des données et mener à bien leur transition digitale !

CE QU'EN PENSE LA CRITIQUE

"Dans cet ouvrage, Gauthier Vasseur, auteur de Devenez un data pionnier ! a rassemblé l’ensemble des pratiques (technologie, données, leadership et processus) que nous pouvons tous apprendre pour travailler avec confiance." - Cadre & Dirigeant
"Dans cet ouvrage, Gauthier Vasseur, expert en analytique appliquée, démystifie la data et son analytique, et accompagne les entreprises dans cette transformation nécessaire." - Eurotribune
"Un guide indispensable pour les entreprises qui souhaitent exploiter efficacement les données et réussir leur transformation digitale !" - Occitanie Tribune

À PROPOS DE L'AUTEUR

Gauthier Vasseur est directeur exécutif du Berkeley Fisher Center (Université de Berkeley), fondateur et CEO de Data Wise Academy ainsi que co-président d'Alliance for Inclusive (AI).

Leseprobe

Devenez un data pionnier !

Gauthier Vasseur

Devenez un data pionnier !

Comprendre et exploiter les données en entreprise

Adapté des classes de l’auteur

« Become a Data CEO » du programme Continuing Studies Program de Stanford University

« Seven keys to Master Data » de L’Alliance for Inclusive AI à L’Université de Berkeley en Californie

À Marie

Avant-propos

Ce livre, j’aurais dû l’écrire il y a vingt ans, quand mon parcours professionnel a croisé celui de Philippe, de Salah, de Marie, et un peu plus tard de Nazhin et de Burton.

J’avais embrassé une carrière en finance, un peu par passion, certainement beaucoup par convention. J’aimais le côté technique du sujet, ses aspects processus et optimisation. J’y rencontrais toutefois beaucoup de frustrations : je passais beaucoup trop de mon temps à faire des choses que je n’aimais pas, telles que de la collecte manuelle de données, des traitements sous tableurs à rallonge. J’avais aussi le sentiment de ne jamais vraiment être en contrôle : toujours à la limite des échéances de reporting, à la merci d’une erreur ou souvent bien trop loin de la réalité opérationnelle, tout enfoui que j’étais dans mes fichiers. À coups d’effort, de week-ends écourtés et de nuits blanches, j’arrivais à continuer à progresser, à faire de nouvelles choses et à casser la routine et la monotonie d’un hamster dans sa roue. Mais la lumière au bout du tunnel ressemblait plus à une faible ampoule, vue par mes yeux fatigués, qu’à un éclat d’espoir.

Parfois, il faut un peu de chance, que j’ai eue et que j’ai combinée avec l’énergie (du désespoir) et une insatiable curiosité. En quelques minutes, j’ai réalisé que je pouvais bouleverser ce statu quo, lorsque deux consultants et experts en analytique sont arrivés dans mon bureau : Philippe et Salah. En recherche de projets, ils avaient été orientés jusqu’à moi par mon directeur informatique, soit par pitié pour moi soit par intérêt de se débarrasser d’eux. À leur rencontre, j’ai été bien inspiré de me défaire des certitudes que m’avaient inculquées mes études. En leur ouvrant mes fichiers Excel (mon cœur) et en partageant mes peines, j’ai lu dans leurs yeux la compréhension profonde de mes souffrances et, surtout, cette étincelle de confiance qui semblait me dire : « Tu connais ton métier, on connaît la data, on est tous prêts à fournir les efforts… C’est déjà gagné ! » Trois ans, une quinzaine d’articles et autant de conférences plus tard, mon rôle s’est transformé. Mieux encore, j’ai vu autour de moi grandir et apprendre une équipe qui avait trouvé cette même passion pour l’analytique et la data. Rien ne nous résistait : le passage à l’an 2000, à l’euro, les normes comptables, le multidevise, le juridique, les dérivés, la trésorerie, la dette, le cash, les budgets : nous transposions tous ces challenges en des processus finement huilés qui nous laissaient le luxe de la réflexion et du temps libre.Marie était comme moi novice en la matière et, malgré plus de trente ans de maison, elle fut la première à me rejoindre dans cette aventure. Nous avons appris ensemble, en combinant ma précipitation à son organisation, mon sens de la vision globale à son attention au détail, mon engouement parfois débridé à sa patience. Marie nous a quittés une veille de noël il y a quelques années. Elle restera pour moi l’une des meilleurs analystes avec lesquels j’ai travaillé, mais surtout la représentation avant l’heure de ce que les profils data sont en train de devenir : une harmonie de compétences pour servir des questions et des challenges métier.

En 2004, décidément à court de vision long terme, je perdais un peu de ma passion dans une routine qui finissait par s’installer, clôture après clôture, budget après budget. Ma route a croisé Nazhin et Burton, cadres exécutifs d’une société en logiciel décisionnel, Hyperion (rachetée par Oracle en 2006). C’est à une conférence qu’ilsm’ont demandé pourquoi je ne ferai pas mon métier de cette passion pour la data. Ils avaient mis le doigt sur ce que j’avais toujours eu en face de moi, mais que j’avais refusé de voir : la data et la technologie étaient mes vraies passions. Depuis mon premier PC en 1983, mes premiers prix en programmation, mon premier jeu publié, mes premiers devoirs rendus sous traitement de texte (qui m’avait valu une convocation chez le proviseur à l’époque), mes nuits à faire des petits boulots, à câbler des PC dans des salles de marché bancaires (pour m’offrir un disque dur ou de la mémoire), la technologie avait toujours été autour de moi. Et je dois cela à mon papa, ingénieur, qui m’avait dès le plus jeune âge associé à ses projets.

C’est alors que j’ai « basculé ». En quelques mois, j’ai abandonné douze ans de carrière en finance pour rejoindre la Silicon Valley, sans garantie, sans réelle visibilité, mais avec la certitude de réaliser un rêve caché en moi depuis si longtemps.

Quinze ans et cinq aventures plus tard entre Hyperion (Business Intelligence), Oracle, Google, TriNet (services RH en ligne), Semarchy (solution de Master Data Management) et un bel échec dans une start-up européenne, je comprenais que la richesse de tout ce que j’avais vécu et l’inspiration de professionnels exceptionnels que j’avaiscroisés devaient être partagées. De mes premiers cours donnés à l’université de Stanford et à l’Association des financiers professionnels (l’AFP), puis le mentorat avec le Google Launchpad jusqu’à aujour­d’hui, je n’ai cessé de me passionner pour l’enseignement. J’avais vu au Fisher Center for Business Analytics de l’Université de Berkeley tant de mes collègues ou employés grandir et se révéler grâce à la maîtrise de l’analytique : je voulais maintenant partager tout ce que j’avais appris et qui m’avait tant apporté. Et je dois cela à ma maman, institutrice qui m’a certainement donné l’engouement pédagogique.

Introduction

Dans un monde volatile, la capacité des entreprises à se réinventer, à agir vite et à s’adapter constamment est une des clés de survie. Les leviers de cette agilité sont le temps et la visibilité. Le temps permet de se poser les bonnes questions, de réfléchir et d’agir. La visibilité permet de se situer, de savoir d’où l’on vient et où l’on doit se diriger. La transformation digitale n’est donc pas un but en soi. Elle est, par la maîtrise des flux d’information et des gains de temps qu’elle procure, un formidable atout pour réussir (chapitre 1).

Pionnier de la data, ou Data Pioneer, n’est pas une terminologie officielle, universelle ou approuvée par tous. C’est une expression que j’ai choisie parce qu’elle représente toutes les facettes de l’analyste d’aujourd’hui.

Ce chemin du data pionnier est devenu clé dans un parcours professionnel. Dès lors que les organisations vont acquérir une culture data plus forte, les analystes d’hier devront élever leur niveau de jeu pour répondre à des populations plus au fait et en attente des promesses du digital. Ils devront devenir des pionniers, moteur de progrès, d’amélioration, de découverte. Les analyses jusqu’à présent concentrées au niveau des équipes data vont naturellement être reprises par les salariés devenus Data Citizen, laissant aux analystes des responsabilités nouvelles sur des domaines plus en pointe.

Comment pouvons-nous aborder ce tournant et nous équiper des compétences clés pour réussir dans ce rôle émergeant de Pionnier ?

Cet ouvrage rassemble tout ce qui m’a permis de bâtir ma connaissance en data et en analytique. Il se concentre sur les fondements impératifs à connaître, il intègre les derniers paradigmes et livre des cas réels, vécus. Il ne s’attardera pas sur les modes et les gadgets non nécessaires au quotidien des professionnels. Il passera également sur les querelles de terminologie et de clocher qui ne sont d’aucune utilité pour ce qui nous rassemblera au cours de ces pages, à savoir résoudre les questions et les challenges du quotidien de manière pragmatique, efficace, éthique et durable.

Ce livre a aussi pour but de secouer nos schémas de pensée par des prises de position parfois volontairement paradoxales. En nous étirant de part et d’autre d’une pensée molle et convenue de la data, nous allons pouvoir recalibrer nos expériences vers des positions plus claires et plus saines.

La principale erreur en analytique est de ne pas savoir ce que l’on cherche. Maîtriser son analytique ne sert à rien si on l’applique à la mauvaise question ou à une question mal posée. Cet exercice délicat s’appuie sur l’expérience, la compétence, la curiosité et une dose de courage tout en maîtrisant ses biais cognitifs et de raisonnement (chapitre 2).

Au cœur de l’analytique est la donnée (chapitre 3). C’est la sève, le sang de tout process. La définir avec précision, en connaître sa nature et les conditions de sa fluidité est la condition sine qua non pour une analytique efficace et pertinente.

L’analytique peut se passer de technologie (chapitre 4), mais les volumes et la complexité de la donnée aujourd’hui nécessitent des outils dédiés. Comprendre les solutions qui nous entourent, choisir et mettre en place celles sur lesquelles nous allons nous appuyer sera nécessaire pour développer des processus performants.

La donnée est une matière première. Sa capture, son organisation, sa valorisation et son analyse font appel à des techniques à la portée de chacun. 80 % de l’analytique se gagne dans ces phases de préparation de données (chapitre 5).

L’élément le plus complexe de la chaîne analytique, c’est l’humain (chapitre 6). La gestion du changement, l’adaptation de notre leadership, la connaissance de nos biais font partie des outils essentiels de tout projet data.

Lorsque technologie, données et humains sont prêts, mettre en harmonie leurs interactions est la clé des processus légers, efficaces et durables (chapitre 7). Les processus Creeper paralysent nos entreprises. Des processus lean font gagner des heures chaque semaine pour nous permettre de nous concentrer sur les missions à valeur ajoutée.

Vous avez tous les outils en main. Il faut maintenant commencer. Le dernier pas, c’est avec votre cœur que vous le prendrez. Il vous faudra du cœur pour franchir les obstacles du quotidien de la data, pour faire preuve d’humilité, de curiosité et de collaboration, et pour commencer ce cheminement d’apprentissage. Il vous faudra du cœur pour grandir en architecte et chef d’orchestre de votre donnée et pour faire de votre maîtrise du temps et de l’insight un formidable tremplin pour l’innovation.

Le succès en data repose sur la compréhension de ces fondamentaux. Il s’appuie aussi sur la pratique. L’excellence ne viendra que par la répétition continue de ces gestes et de ces réflexes. Enfin, le progrès que nous ferons sera une fonction de notre engouement, de notre appétit d’apprendre, de notre curiosité et de notre courage devant les défis et les nouveautés que nous rencontrerons.

Si vous avez ce livre, vous démontrez déjà ces qualités. Vous vous démarquez déjà d’une majorité de professionnels qui se contentent de lectures rapides et de mots à la mode. Vous faites la différence entre le dire et le faire. Vous vous présentez aux côtés de ceux qui bâtissent ce que sera la data de demain dans nos entreprises, mais également dans nos sociétés.

Alors, pour votre engagement, pour votre passion, bravo et bienvenue dans un monde de découverte et d’apprentissage sans fin. Bienvenue chez les Pionniers de la data.

CHAPITRE 1 Les racines de la transformation digitale

La direction générale annonce son nouveau projet digital.

Ne sommes-nous pas souvent frustrés quand nous voyons quelqu’un justifier une décision, une action ou un comportement… parce qu’elle est « importante », parce qu’elle est « bonne », parce que « tout le monde le fait », parce que « tout le monde en parle » ? La data, l’analytique, la transformation digitale sont des domaines riches en ce type de dogmes. Ces affirmations ne sont pas mauvaises et ont le mérite d’être en ligne avec une tendance observée, validée et pertinente.

Néanmoins, ces raccourcis et simplifications peuvent s’avérer contre-productifs dans une dynamique de changement et d’adhésion au changement. Si, dans le meilleur des cas, nous avons la profondeur de compréhension du sujet et n’éprouvons plus le besoin de nous répéter les détails, la perception de nos propos par notre entourage, elle, va s’appuyer sur ces seuls termes simplistes. Cela peut être suffisant pour commencer une transition, mais cela n’aura plus guère de poids lorsque les premières difficultés apparaîtront.

Si, tout au long de notre courbe d’apprentissage, notre seule motivation est guidée par « parce que c’est important », nous risquons rapidement de lâcher prise. Le « c’est important » doit avoir une substance que nous pouvons comprendre, que nous pouvons appliquer à ce que nous faisons, et surtout un ancrage dans des éléments stratégiques ou tactiques pertinents pour justifier nos efforts. L’objectif de ce chapitre est de fonder l’impératif de la data dans une logique claire et d’apporter des arguments et des exemples pour l’illustrer, afin que nous soyons les meilleurs ambassadeurs de la data.

Depuis mes premiers pas en data, j’ai constamment remis en cause la raison d’être de ma passion. Je voulais être sûr que je ne lui succombais pas en perdant mon pragmatisme et mes obligations professionnelles pour suivre une mode. Je ne suis jamais parvenu à changer d’opinion et j’ai d’ailleurs pris le risque de m’engager dans ce domaine en laissant beaucoup derrière moi, en quittant ce pour quoi j’avais été formé pendant cinq années d’études, puis en me tournant complètement vers l’éducation, abandonnant ma carrière d’entrepreneur. Je ne faisais pas de la data parce que c’était dans l’air du temps, mais parce que j’avais la conviction que c’était un sujet clé, bien avant qu’il devienne Big (Data).

Pour comprendre l’importance de la maîtrise de la donnée et de l’analytique aujourd’hui, il faut prendre quelques pas de recul.

Les défis d’un monde en constante évolution

L’annonce du cygne noir.

Quels sont les éléments de succès d’une organisation ? Nous pouvons penser à ses profits, à son cash flow, à la satisfaction client ou à sa domination mondiale. Mais il y a un élément plus fondamental : sa survie ou son développement durable. Qui en effet lancerait une entreprise sans objectif de durer, ou au moins d’avoir la maîtrise de sa durée de vie ?

Ce point évident a pendant longtemps été couplé avec la relative assurance que, une fois sur des rails et une taille critique atteinte, une entreprise pouvait se considérer hors de danger. C’était le fameuxtoo big to fail (trop gros pour échouer) qui donnait aux grands groupes mondiaux l’assurance qu’ils vivraient toujours.

C’était sans compter sur l’accélération des économies, sur l’émergence de catastrophes climatiques, politiques, terroristes, boursières, sanitaires plus fréquentes, sur la révolution digitale et ses opportunités exponentielles, et sur l’émergence de nouveaux modèles insufflés par des start-up audacieuses. En quelques décennies, l’environnement de l’entreprise s’est considérablement transformé et s’est rempli d’incertitudes.

Le darwinisme digital

Le darwinisme digital est un concept développé par Bryan Solis. Il transpose la théorie de l’évolution de Charles Darwin au monde de l’entreprise et postule que cette dernière est comme un être vivant : elle doit s’adapter, évoluer, se transformer, si elle veut survivre. Il ajoute également que cette transformation digitale ne doit pas être limitée à la technologie ou à la data, mais qu’elle doit également toucher les effectifs de l’entreprise, le leadership et la culture.

La fin d’un règne

Une histoire naturelle qui illustre bien l’aspect caduc d’une domination par la taille et la puissance est celle du Mégalodon. Ce requin, aujourd’hui disparu, mesurait plus de 20 mètres de long. C’est certainement le plus grand prédateur que les océans aient connu. Et pourtant, après vingt à trente millions d’années de règne, il s’est éteint. Ce n’est pas la collision de notre planète avec le funeste astéroïde il y a 66 millions d’années qui a mis un terme à son existence. Les paléontologues estiment que c’est sa physionomie et sa physiologie qui sont en cause. Il était trop lent pour capturer suffisamment denourriture pour sa taille. Les requins de taille plus réduite ainsi que d’autres poissons ou mammifères marins plus agiles ont probablement contribué à limiter son accès à des sources de nourriture. Enfin, sa mobilité plus réduite l’a peut-être empêché de migrer vers des eaux à température viable lors de grands épisodes climatiques de notre Terre.

→ Mais où sont-ils ?

À la fin de mes études, me destinant à une carrière financière, je contemplais de nombreuses entreprises alors au pinacle du secteur pour bon nombre de jeunes professionnels. Arthur Andersen et Lehmann Brothers étaient parmi les sociétés les plus en vue. Je m’amuse de voir certains de mes étudiants aujourd’hui ne mêmepas se souvenir de ces noms. Une de mes statistiques préférées est l’évolution du nombre d’entreprises du Fortune 500 (500 plus grandes entreprises) de 1955 jusqu’à aujourd’hui. Il ne reste que 71 de ces groupes de l’époque dans le classement actuel. Les autres ont été soit dépassés par des évolutions trop rapides ou les aléas de notre monde, soit réduits à néant par la compétition.

Les clés de la survie

De quelles armes disposent les entreprises pour assurer leur survie ? Même si la tentation est grande de dire « la data », si nous remontons à un niveau plus stratégique, nous nous rendons compte que ce ne sont pas les analyses qui vont sauver les organisations (sauf si l’analytique est leur produit ou service final). Ce qui va compter, qui semble évident et qui pourtant est régulièrement occulté par les mirages de la technologie, c’est :

– l’innovation ;

– l’agilité ;

– la résilience ;

– l’efficacité ;

– la qualité des produits et des services.

Nous pouvons facilement nous accorder sur ces points, même si souvent nous demandons à des cabinets de consulting de nous les rappeler à grands frais. Le problème est que, si cette constatation est évidente, voire triviale, engager une organisation sur ces sujets ne se décrète pas. On peut certes apporter des éléments de confort ou de support propices à les encourager ou rédiger de grandes chartes, voire investir dans des toboggans et des baby-foot, mais c‘est rarement suffisant pour déclencher des engagements durables. Travailler la culture de l’entreprise va également être un facteur clé pour engager ces énergies, mais cela reste un travail de longue haleine souvent délicat.

Il existe deux leviers immédiats pour déclencher ces comportements innovants, audacieux et collaboratifs :

– garantir une visibilité de tous les instants sur notre situation ;

– gagner le temps pour réfléchir, échanger et agir.

Si nous savons où nous sommes, d’où nous venons et où nous pouvons aller, si nous avons le temps de nous poser les bonnes questions, de mettre en place une équipe et surtout de prédisposer notre esprit à une réflexion calme et posée, alors nous allons naturellement commencer à entrevoir des solutions nouvelles et certainement meilleures.

Même en n’identifiant des axes de progrès ou des solutions que marginalement supérieurs, la récurrence de ce processus va nous donner un vrai avantage. Les succès sont rarement bâtis sur des coupsde génie : ils cachent souvent un travail d’équipe, de multiples échecs et des réajustements de stratégie douloureux. Ce travail itératif est une des clés de la réussite dans toutes les start-up que j’ai connues. Cette même logique s’applique aux équipes, aux départements ou aux divisions d’organisations : nous ne gérons pas avec des coups de poker, mais nous progressons constamment en nous adaptant à ce que nous découvrons et en apprenant de nos échecs.

Si le concept est simple et plutôt intuitif, la question est de savoir comment on déclenche ces comportements et ces dynamiques. Il est évident que l’approche par diktat peut fonctionner à court terme : forcer les équipes dans des réunions de brainstorming, récompenser les nouvelles idées ou encore sanctionner le manque de résultat est un processus simple à mettre en œuvre. Mais qu’en est-il de la substance créée ? La vraie bonne idée ne vient pas d’un cerveau fatigué et sous pression. Elle vient d’une vague d’itérations rapides de pensées d’un groupe collaboratif et se raffine à l’épreuve du temps. C’est toute la valeur qu’apporte une donnée maîtrisée que nous avons vue plus haut : une visibilité claire et pragmatique et des gains de temps significatifs.

Voilà pourquoi grandir nos compétences data et analytiques est clé. En tant qu’individu, le temps et la visibilité nous permettent de valoriser notre expérience. En tant qu’organisation, nous pouvons nous reposer sur des équipes vraiment engagées dans les défis stratégiques, parce que libérées du pensum du data crunching (bricolage manuel de la donnée).

→ Des gains de 90 %

Dès mes premiers pas en analytique, je me suis intéressé aux gains de temps produits par le design de processus optimisés (grâce aux principes partagés dans cet ouvrage). Depuis vingt ans, je retrouve les mêmes mesures. Même des processus manuelsconsidérés comme courts (souvent sur tableur), perçus comme efficaces et ne nécessitant que« quelques minutes », finissaient souvent par prendre au moins trente minutes de labeur. Leur version optimisée était opérée sous la barre des trois minutes sans efforts et surtout sans risque de mauvaise manipulation. 90 % de temps de réduction est devenu une norme à laquelle je me suis habitué et que j’ai systématique réinvesti pour continuer à apprendre.

La data est-elle vraiment le nouvel or noir ?

La data, ce n’est pas toujours le nouvel « or noir ».

Cette métaphore est doublement intéressante pour notre réflexion.

Bien que séduisante, elle induit une conception erronée, voire contre-productive de la data. Celle-ci en tant que telle ne vaut rien. Nous sommes entourés d’une infinité de données et la majorité ne sont d’aucune utilité à un instant t. Cette illusion de l’Eldorado de la data a conduit de nombreuses entreprises à se lancer dans des courses frénétiques de centralisation d’informations sans but particulier, si ce n’est d’apporter un rassurant : « Nous l’aurons au cas où. » Après des années de collecte et des millions d’euros ou de dollars engloutis, ces lacs de données sont devenus des marais inextricables. Les données jamais contrôlées ou alignées ont perdu de leur pertinence.

Avec le temps, l’intérêt statistique perd de sa valeur et ce ne sont pas toujours les plus grands échantillons qui font la pertinence d’un résultat statistique, car ils introduisent souvent des biais historiques et des problèmes de consistance dans le temps.

En réalité, la data, comme le pétrole brut au sortir du puits, n’est d’un intérêt que très limité. Si ce dernier n’est pas utilisé, sa valeur devient même négative car son stockage entraîne des coûts. Ce qui va donner sa valeur à l’or noir comme à la data, c’est notre capacité :

– à la transformer et à la raffiner efficacement pour la rendre utilisable par les différents acteurs de la chaîne de décision. Le pétrole brut n’a intrinsèquement que peu d’applications. L’embaumage de momie ou l’étanchéisation de coque de bateau de bois n’étant plus très porteurs, c’est grâce aux techniques de raffinage que l’or noir a pu livrer tant de dérivés utiles à l’industrie et à notre quotidien. La data n’est pas différente. Seule une data préparée, nettoyée, arrangée, agrégée ou connectée peut servir l’analytique. Sans capacité de transformer de manière efficace, durable et précise la data, une organisation ne pourra en tirer qu’une valeur réduite, et ce, au prix d’efforts opérationnels coûteux ;

– à trouver des applications concrètes. Le pétrole brut et les hydrocarbures sont incontournables, car ils sont devenus des sources d’énergie, des briques pour la chimie de composants complexes ou des produits dérivés. On les retrouve ainsi omniprésents dans des applications de notre quotidien. De la même façon, la donnée ne crée de la valeur qu’à partir du moment où elle peut être appliquée à une problématique. Si elle n’est pas attachée à un objectif, elle ne peut être rattachée à une valeur potentielle. Elle devient rapidement un centre de perte.

Le voyageur et le guide

Cette fable illustre les paradoxes de certaines courses à la data. Pour qui aime voyager, découvrir de nouveaux pays, vivre l’expérience de nouvelles cultures, préparer son voyage est une phase importante. Ce que chacun va chercher dépend de ses centres d’intérêt, de la saison de la visite, du budget et du temps sur place. Un voyage de quinze jours va prendre des mois de préparation et de collecte d’informations. Imaginons maintenant une approche similaire à celle que certaines organisations ont choisie à grands frais. « Dès aujourd’hui, je vais récupérer toutes les informations de tous les pays à toutes les saisons, parce que, sait-on jamais, je pourrais un jour être amené à les visiter. Autrement dit, je vais chaque année acheter tous les guides touristiques de la planète que je vais ranger consciencieusement dans ma bibliothèque achetée à cet effet. Je vais même développer un système de gestion de ces ouvrages tant il y a de pays, de régions et d’éditeurs à mettre à jour chaque millésime. Les années passent et je me décide enfin à partir quelques semaines visiter une partie de l’Afrique occidentale. Avec fierté, et non sans en parler à tous les dîners entre amis et collègues, je me mets à compulser les nombreuses années de guides et les multiples éditeurs différents sur le sujet. Une belle masse d’informations qui, sans nul doute, me permettra de faire le voyage parfait. Mais la réalité est différente. Les vieux guides sont périmés, certains éditeurs se concentrent sur des thèmes qui ne sont dans mes centres d’intérêt et puis je n’ai pas le temps de faire une analyse en profondeur de dizaines de milliers de pages. Je comprends que mon retour sur investissement temps est nettement plus intéressant si je me concentre sur une sélection récente de guides et que j’emprunte ou achète quelques ouvrages vraiment spécialisés sur ce que je veux voir : la faune, l’histoire, l’art, etc. Un grand sentiment de frustration m’envahit alors : tout cet argent dépensé pour ces milliers de livres, tant de papier gâché. L’in­for­mation pertinente dont j’ai besoin tient finalement sur ma table de nuit et ne m’aura coûté que quelques dizaines d’euros. J’essaie de me rassurer en me disant qu’avec une décennie de guides j’ai accès aux tendances, aux évolutions du pays : mais est-ce là une donnée vraiment pertinente pour ma décision de voyage ? N’est-ce pas une donnée que je peux récupérer en ligne sur des services spécialisés à payer quand j’en ai besoin ? Cette donnée va-t-elle vraiment influencer mes choix de visites ? Finalement, n’est-ce pas ma passion de visiter ce qui me plaît, indépendamment de toute donnée socio-économique ou autre ? De façon pragmatique, la décision et l’organisation de mon voyage dépendront de facteurs beaucoup plus terre à terre, voire d’éléments d’imprévus qui font partie de toute expédition. Les statistiques et les simulations pointues tomberont rapidement devant la réalité de terrain (cela me fait penser aux plans de bataille à l’armée !). Le succès de mon voyage dépendra principalement d’une information fraîche, ciblée et facilement accessible pour être adaptée aux situations changeantes.Alors, sans rien dire à personne, je vais garder près de moi ces quel­ques guides et préparer mon voyage. Je ne manquerai pas néanmoins de faire visiter ma collection massive de guides “tous les pays depuis quinze ans” dans ma bibliothèque en noyer massif équipée de son système informatique dernier cri d’indexation et de recherche, et de régulièrement publier photos et commentaires pour assurer au monde que tout cela était une bonne idée ! »

Trois illustrations non conventionnelles des bénéfices de la maîtrise de la data

On ramène souvent l’exercice de la data à celui de l’analyse financière, de la Data Science ou de la mesure d’une performance. La maîtrise de la chaîne analytique a une portée beaucoup plus large illustrée par les trois exemples ci-après.

Protéger ses dirigeants de la prison (Keep your execs out of jail)

Pendant plusieurs années, c’était l’objectif numéro 1 des équipes financières d’un grand groupe de la Silicon Valley qui n’avait clairement pas à se soucier de problème de rentabilité. Cette mission l’emportait sur la performance des processus budgétaires (objectif numéro 2) ou la rapidité des clôtures comptables (objectif numéro 3). La maîtrise de la donnée devait se concentrer sur la transparence des processus, l’application des normes et surtout la remontée des informations régulières permettant d’identifier les expositions aux risques pénaux.

Préparer sa survie aux cygnes noirs

Les cygnes noirs sont des événements aléatoires, hautement improbables, qui jalonnent notre vie : ils ont un impact énorme et sont presque impossibles à prévoir1.

La préparation aux cygnes noirs est par définition impossible. Il convient donc, pour mieux les appréhender, de bâtir des processus super agiles et des analytiques rapides. Par exemple, pour les compagnies aériennes, le 11 septembre aura été un cygne noir, compte tenu des disruptions qu’il a entraînées en termes de baisse du trafic, d’annulations de vols, de hausse des prix des carburants, etc. Comment la data peut-elle jouer un rôle dans ce contexte ? Pour une compagnie aérienne américaine, Southwest Airlines, c’est l’agilité avec laquelle elle a su modéliser ses modèles économiques et simuler ses choix tactiques qui lui ont permis de conserver une activité bénéficiaire. Même lors de la pandémie de Covid-19, la société, qui n’a cette fois pas pu éviter des pertes, s’est appuyée sur son agilité pour s’approprier des itinéraires délaissés par des compagnies en souffrance.

Faire de la data un non-sujet

Cette approche a priori paradoxale illustre parfaitement le concept détaillé plus haut : la data n’a intrinsèquement pas de valeur si elle n’est pas appliquée à un problème. Dans le cas de ce manufacturier d’armes du Royaume-Uni, le point de sa directrice financière était de dire que son activité ne présentait pas vraiment d’aléas économiques ou de recouvrement. Par conséquent, les reportings mensuels, les analyses budgétaires et les beaux tableaux PowerPoint n’étaient pas son obsession. Son risque, comme celui de l’entreprise, était la sécurité de la donnée : le vol d’un fichier clients aurait des conséquences graves, de sécurité de portée nationale. Avec son équipe, elle avait fait de la data un « non-problème ». Elle avait réduit le processus à des automatisations parfaitement huilées. Ses équipes passaient un temps minimal à « faire de la data » pour se concentrer sur ce qui comptait : l’assurance que les données de l’entreprise restaient confidentielles et protégées tout au long des transactions.

Ces trois exemples illustrent à quel point les enjeux de la data doivent être considérés au-delà de la simple maîtrise de l’exercice analytique. Ce qui nous amène à devenir d’excellents analystes doit rester la résolution des challenges de nos organisations de manière durable.

Comprendre la data dans sa globalité

L’ancrage de la donnée dans une logique métier implique une définition plus large de la data. Réduire ce monde à la composante information est trop réducteur et ne reflète pas sa richesse.

La data est un monde à cinq facettes indissociables :

– la donnée : les informations qui nous entourent ;

– la technologie qui va nous permettre de traiter les données de manière efficace et durable ;

– les humains qui les bâtissent et leur donnent une raison d’être ;

– les processus qui les orchestrent et les supportent ;

– l’objectif métier ou personnel qui les unit au sein d’un projet.

Cette définition simple possède une autre vertu : elle nous rappelle que le succès de nos initiatives digitales repose sur l’équilibre et l’harmonie de ces cinq piliers. Ces derniers nous évitent les visions tunnel qui nous enferment dans des logiques trop simplistes.

Sommes-nous prêts ?

Nous pouvons commencer notre cheminement. Nous avons compris que les enjeux de cette quête digitale sont des enjeux pour les sociétés et la société. Les problématiques économiques et humaines seront de plus en plus complexes à résoudre et notre contribution devra être active et éclairée.

Si vous lisez ce livre, vous êtes certainement parmi ceux qui ont compris ces défis. Votre rôle à ce stade est de devenir un ambassadeur de ces idées.

J’ai longtemps négligé cette mission en me jetant tête baisséedans des problématiques analytiques. Je viens de partager avec vous les recettes qui m’ont aidé à créer l’engouement, l’engagement et surtout la confiance. À vous de jouer !

1. Taleb N.N.,Le cygne noir, Les Belles Lettres, 2011.

CHAPITRE 2 Commencer sur de bonnes bases

La pression pour trouver la bonne question.

Au démarrage, dans la data, nous pouvons nous sentir un peu désarmés devant l’étendue du sujet et la perspective d’un apprentissage sans fin. Néanmoins, même si la destination se dessine au fur et à mesure et que la ligne d’horizon semble s’éloigner sans cesse, la bonne nouvelle est que le point de départ, lui, reste constant dans sa définition.

Toute initiative analytique doit commencer par la formulation d’une question ou d’une problématique précise. En apparence simple, ce principe est en fait souvent négligé. Nous allons voir son importance, les raisons qui nous poussent à court-circuiter cette étape et enfin les outils qui permettent de mieux l’aborder.

Pourquoi est-ce capital de poser une question pour commencer ?

Il ne nous viendrait pas souvent à l’idée d’entreprendre une recette de cuisine ou un bricolage sans but précis. Même si un projet peut évoluer dans sa mise en œuvre du fait de contraintes ou d’opportunités, savoir ce pour quoi nous commençons à travailler semble assez naturel. Et pourtant, en pratique, cette règle est régulièrement mise de côté dans les projets analytiques : « Donnez-nous la data, on trouvera bien quelque chose », ou « On va tout stocker pour avoir plus de chance de trouver quelque chose », ou enfin « On va mettre de l’intelligence artificielle et elle nous dira ce qui est important ». Si commencer tout de suite pour rendre des rapports tous azimuts est tentant, car cela démontre une certaine maestria et expose vite des « résultats », cette approche aboutit rarement à une vraie création de valeur. Nous produisons certes des mesures, des tableaux et des graphiques intéressants, mais, comme ils ne répondent pas à des besoins concrets, leur valeur est limitée. On devine rapidement le retour sur investissement négatif de ces projets malgré les apparences.

Pourquoi est-ce difficile de poser une question ?

De nombreux facteurs de différente nature rendent cet exercice délicat.

L’obstacle des biais cognitifs

« La plupart d’entre nous posons systématiquement les mêmes types de questions, ce qui ne représente que 15 % des possibilités, et ceci afin d’obtenir des réponses qui nous conviennent, ou auxquelles nous sommes habitués », écrit Fabrice Anguenot2.

Les principaux ennemis de la bonne question sont notre habitude, notre routine et notre champ d’expérience.

Les biais cognitifs sont des mécanismes de pensée qui sont à l’origine d’une altération du jugement en nous faisant perdre notre rationnel et notre raisonnement. Lorsque ces biais se produisent, nous ne capturons plus l’information de manière impartiale ou nous ne la traitons plus de manière logique. Ils sont souvent liés à une compréhension limitée d’une situation par manque de temps, d’informations ou de capacités, ou à des facteurs plus personnels tels que des croyances, des habitudes ou de la complaisance avec soi-même3.

Nous retrouvons souvent les biais suivants en analytique.

> L’aversion à l’ambiguïté ou à l’incertitude

Ce biais va nous conduire à favoriser les options que nous connaissons avec leurs risques associés, sans envisager des alternatives à risques inconnus, qui pourraient être moins importants.

Ce biais est illustré par le paradoxe d’Ellsberg. Supposons qu’il y ait deux sacs contenant chacun un mélange de 100 boules rouges et noires. Dans le premier sac, nous savons qu’il y a le même nombre de boules de chaque couleur. Dans le second sac, la proportion rouges/noires est inconnue. Nous sommes invités à tirer une boulle dans l’un des deux sacs avec pour objectif de tirer la couleur rouge. Notre aversion à l’ambiguïté et à l’incertitude va nous conduire à préférer tirer la boule du premier sac avec le mélange connu.

> L’ancrage

L’ancrage apparaît lorsque nous sommes initialement exposés à une référence qui va ensuite influencer notre jugement.

Si nous sommes dans des discussions budgétaires et que des ordres de grandeur de certains projets marketing que nous analysons sont de l’ordre du million, alors nous serons tentés d’aligner les estimations des autres projets sur des bases similaires.

> L’argumentum ad novitatem ou ad antiquitatem

Il s’agit typiquement des raisonnements fallacieux qui nous conduisent à penser qu’une idée est meilleure parce qu’elle est nouvelle et moderne ou l’inverse. Nous allons avoir tendance à sur­évaluer le potentiel ou la qualité de ce qui est récent et à dénigrer les statu quo existants depuis plus longtemps dans le cas du ad novitatem ou de nous retrancher derrière ces mêmes traditions et habitudes dans le cas du ad antiquitatem.

Les organisations qui se veulent tournées vers l’avenir sont des proies faciles pour l’argumentum ad novitatem. Elles vont souvent venir battre en brèche des sagesses validées au profit d’hypothèses futuristes et séduisantes.

L’importance de considérer les biais cognitifs en analytique

Jean Doridotest ingénieur et docteur en psychologie. Il partage son temps professionnel entre son activité de psychologue libéral, ses interventions en entreprise et le développement de l’application de méditation Zenfie, qu’il a créée en 2015. Auteur de plusieurs ouvrages de référence, il enseigne la psychologie en école de commerce et intervient régulièrement dans les médias.Qu’est-ce qu’un biais cognitif ?Nous avons dans notre crâne un extraordinaire ordinateur. Cette machine formidable calcule incroyablement vite. Elle est capable de mener de front des milliards d’opérations simultanées. Néanmoins, elle est faillible. Sa plus grande faiblesse, c’est également, parfois, sa plus grande force : l’intuition. Cette espèce de faculté à comprendre, et même à prévoir, ce qui se passe et ce qui va se passer. Le problème est qu’il arrive que cette intuition soit complètement fausse. Sur quoi repose le « il est sûr et certain que ce projet va marcher » ? Sur l’analyse complète et exhaustive de données observables, mesurables et vérifiables ? Ou alors sur le désir aveugle d’un entrepreneur plein d’enthousiasme aux convictions communicatives ? Il nous paraît évident que c’est la première option qui doit toujours l’emporter sur la seconde. Et il n’est pas nécessaire d’être un expert pour avoir la conviction que, dès lors que nous entrons dans le monde des affaires, les bons indicateurs, les KPI’s (key performance indicator), indicateurs clé de performance tels que l’EBITDA, devraient prendre le pas sur nos intuitions. Voici une histoire récente qui nous rappelle à une réalité différente. Un jeune homme, sportif, sympa, a un jour la vision de comment le travail de demain va s’organiser. Il envisage des travailleurs nomades et connectés, avec laptop et smartphone comme tout bagage. Bref, il invente les espaces de coworking et crée WeWork. Adam Neumann réussit à lever des sommes colossales, avant que tout ne s’écroule lors de son entrée en Bourse4. Les investisseurs qui ont engagé des sommes folles dans WeWork étaient certainement tous intelligents et rationnels. Ils se fondaient sur des chiffres observables, mesurables et vérifiables. Ils ont sans doute multiplié leurs analyses avant de prendre leurs décisions. Cette histoire n’est pas unique. Que s’est-il passé pour les investisseurs de WeWork ? La réponse tient en quelques mots : leurs raisonnements étaient biaisés. L’objectif de cet encart est de détailler un peu plus l’art, o combien délicat, de détecter les biais, et idéalement, de ne pas en faire l’objetLes trois erreurs fondamentales à éviter ou la sainte trinité du data pionnier vigilantBiais 1 :je crois ce que je voisC’est notre plus grande faiblesse. Pour comprendre l’importance de ce biais, imaginez la situation suivante : un étudiant fait les cent pas dehors, juste devant son université. Il vient de terminer son grand oral et attend que les membres du jury l’invitent à entrer pour con­naître la décision : reçu ou recalé. Fébrile, il regarde sa montre, puis allume une cigarette, sur laquelle il tire une profonde et longue bouffée. Imaginons maintenant que nous nous demandions pourquoi ce jeune homme allume une cigarette à ce moment-là ? D’expérience, par ordre d’importance, nous pourrions dire que c’est parce qu’il est stressé, ou qu’il trouve le temps long, ou encore qu’il ne sait pas quoi faire d’autre. Évidemment, aucune de ces réponses n’est juste. La seule raison qui explique vraiment pourquoi ce jeune allume une cigarette, est la suivante : c’est parce qu’il s’agit d’un fumeur. Car ce même jeune homme, non-fumeur, son jumeau, dans la même situation, par définition, ne fume pas. Et si nous travaillons sur cet exemple, c’est parce que les tabacologues ont prouvé depuis longtemps que le tabac est une plante qui crée du stress, et non le contraire… Que s’est-il passé ? Nous avons vu une personne, en situation de stress, allumer une cigarette. À ce moment-là, notre cerveau, qui cherche toujours des explications à tout, a déduit que c’est ce stress qui a fait allumer une cigarette à ce pauvre impétrant. Alors qu’en réalité le jeune homme en question fume aussi quand il est heureux et qu’il fait la fête avec des amis. Il fume quand il réfléchit sur un problème compliqué. Il fume quand il a du chagrin à cause d’une peine de cœur. En fait, il fume tout le temps, justement parce qu’il s’agit d’un fumeur. Nous noterons que, même après cet exemple, nous aurons peut-être du mal à nous convaincre qu’il n’y a aucun rapport entre le stress et la consommation d’une cigarette. C’est une autre caractéristique des biais cognitifs : même quand nous comprenons l’erreur, il est difficile de s’en défaire.ExplicationsLe biais du « Je crois ce que je vois » est très utilisé en marketing et en publicité. Encore aujourd’hui, les marques paient très cher des sportifs, des stars et des influenceurs pour qu’ils s’affichent simplement avec leurs produits. Pourtant, tout le monde sait qu’une paire de baskets ne devient pas meilleure le jour où un grand footballeur signe un accord avec son nouveau sponsor. Mais, ça marche quand même. Dans notre métier de data pionnier, la situation sans doute la plus typique des pièges du « Je crois ce que je vois » est la corrélation illusoire. Rien de pire que deux courbes qui nous regardent dans le blanc des yeux, et qui nous prouvent noir sur blanc qu’on ne peut rien en déduire, car, nous le savons certainement, une corrélation ne prouve pas une relation de causalité. Autre exemple, en France, plus les enfants passent du temps devant les écrans, plus leur QI est bas. Cela a été observé maintes et maintes fois. C’est qu’il doit bien y avoir quelque chose, non ? Sans doute, bientôt, l’effet toxique des écrans sur le développement cognitif des enfants sera prouvé, c’est une simple question de temps. Mais ajoutons juste une petite précision avant la suite : à Singapour, c’est le contraire qui est prouvé.SolutionsNous l’aurons compris, il est très difficile de lutter contre un biais cognitif. Pour ce qui est du « Je crois ce que je vois », souvenons-nous justement qu’une corrélation n’est en rien une preuve de quoi que ce soit. C’est en ayant conscience que ce biais est bel et bien là que nous développerons la vigilance nécessaire. Bref, souvenons-nous que, si la sagesse populaire s’échine depuis toujours à nous dire que l’habit ne fait pas le moine, c’est parce que, justement, pour notre cerveau, l’habit fait le moine.Biais 2 : l’erreur fondamentale d’attributionC’est sans doute le biais le plus important après le précédent. Retournons pour cet exemple dans les années 1960, lorsqu’un psychologue demande à des psychiatres quelle serait la proportion d’individus, dans la toute la population, capables d’agir en tortionnaires. Les psychiatres de l’époque ont répondu unanimement qu’il ne pouvait s’agir que de personnes pathologiquement perverses et sadi­ques, donc, Dieu merci, moins de 1 %. Le psychologue en question a alors monté une expérimentation dans laquelle plus de 6 personnes sur 10 infligeaient des sévices terribles à de parfaits inconnus pendant une heure, en échange de quelques dollars. Ce psychologue s’appelait Stanley Milgram, et son expérience a fait date. Deux petites précisions supplémentaires : – Stanley Milgram avait demandé à des psychiatres d’évaluer la personnalité de chacun des participants à son expérience. Ils furent déclarés parfaitement équilibrés, ni pervers ni sadiques ; – l’expérimentation en question a été répliquée de nombreuses fois. Récemment, en Pologne, la proportion de sujets allant jus­qu’au bout (une décharge de 450 volts administrée au participant malchanceux) était de 90 %. Nous avons tendance à attribuer les actes des uns et des autres à leur personnalité. Pourtant, bien souvent, comme le démontre l’expérience de Milgram, c’est la situation qui explique le mieux ce qui se passe. Ce biais d’attribution peut se décliner de différentes façons : – le biais du champion : il suffit qu’un manager obtienne un résultat exceptionnel pour qu’il soit rapidement débauché par la concurrence. L’année suivante, le succès n’est pas au rendez-vous. La personne recrutée est pourtant la même que l’année précédente. Seul le contexte est différent ; – le produit qu’il vous faut : certaines entreprises font le choix de se doter de solutions qui ne leur conviennent pas, simplement parce que le produit en question est leader sur son marché.SolutionsCherchons toujours ce qui ne se voit pas. Lorsque nous analysons des données, amusons-nous à imaginer des paramètres absents, qui pourraient avoir une influence sur les tableaux que nous observons. Notamment, souvenons-nous que la façon la plus sûre d’analyser des données est de recueillir les chiffres de façon expérimentale, avec au moins deux conditions différentes : une condition qui teste notre hypothèse et une condition qui la contrôle. Dans la vraie vie, il n’y a jamais de groupe contrôle. C’est pour cela qu’il est si difficile de devenir un bon data pionnier. Lorsque nous analysons des données, c’est le contexte qui explique souvent le mieux ce qui se passe : succès ou échec d’un produit, taux d’absentéisme, croissance, etc. Cherchons des contextes à peu près similaires et faisons des comparaisons. Même si toutes choses ne sont pas égales par ailleurs, nous aurons quand même un semblant de groupe con­trôle. C’est mieux que rien !Biais 3 : l’influence majoritaireL’influence sociale est un « gros morceau » de la psychologie. Com­ment et pourquoi un individu change d’avis fascine les psys depuis longtemps. Parmi les différentes formes que peut prendre cette influence, la plus simple, et sans doute aussi la plus efficace, reste l’influence majoritaire.Dans les années 1950, Solomon Hasch a monté une expérimentation très astucieuse. Il montrait à des groupes de sept étudiants trois segments de droite de tailles différentes, à côté d’un quatrième qui avait, clairement et indiscutablement, la même taille qu’un des trois autres. Plusieurs planches étaient projetées, et chaque sujet devait dire à voix haute quel segment, A, B ou C, était de même taille que le segment anonyme. Au début, tout allait bien, mais, après quelques essais, les six premiers sujets de l’expérimentation donnaient une réponse clairement erronée. Ils étaient en réalité des com­pères de l’expérimentateur, et seul le septième sujet était un sujet naïf. Bien sûr, chaque compère donnait la même mauvaise réponse, comme si cela crevait les yeux. Contre toute attente, trois sujets sur quatre se sont soumis au moins une fois à l’influence majoritaire. Dans plus d’un tiers des cas, les réponses données par les sujets naïfs étaient conformes aux réponses, fausses, données par la majorité.ExplicationsL’homme est un animal, et c’est un animal social. L’une de ses plus grandes angoisses est d’être exclu du groupe, mis à l’écart. Aussi, les participants à l’expérience de Hasch ne sont pas devenus subitement atteints de cécité. Ils ont simplement constaté que quelque chose ne tournait pas rond et que, s’ils ne voulaient pas se mettre à l’écart du groupe, ils avaient intérêt à dire la même chose que tout le monde. Dans le monde de l’entreprise, ce biais est souvent désigné par le problème de la « pensée de groupe ». À la problématique du nombre viennent s’ajouter les difficultés des rapports hiérarchiques, et des enjeux économiques et politiques qui rythment la vie de toute entreprise.SolutionsAcceptons d’être seuls contre tous. Cultivons en permanence notre esprit critique. Et, surtout, trouvons des alliés. Les expérimentations ont observé que l’influence majoritaire disparaît complètement dès lors qu’il n’y a plus un sujet naïf mais deux. Si nous sommes curieux, penchons-nous sur le sujet de l’influence minoritaire. Nous comprendrons qu’il est souvent plus facile d’influencer une réunion de 50 personnes à deux que de lutter seul contre l’avis de trois autres.Mes recommandations pour mitiger nos biaisNous devons absolument retenir que les biais cognitifs sont comme les effets d’optique. Même lorsque nous sommes au courant, l’illusion est toujours là. Personne n’en est exempt. Établissons des check-lists, avant toute prise de décision. Lorsque nous tentons d’expliquer des résultats, recherchons systématiquement trois histoires cohérentes et différentes. Cela forcera notre esprit à élargir sa vision et à aller chercher ce qui ne se voit pas. N’hésitons pas à aller chercher des résultats fiables, et contradictoires les uns par rapport aux autres. Intéressons-nous aux succès des grandes entreprises, et aussi à leurs échecs les plus cuisants. Dans les deux cas, faisons l’inventaire des biais qui ont été à l’œuvre.Mes conseils aux data pionniersUne erreur terrible est de croire que celui qui peut expliquer le passé peut faire des prévisions sûres et certaines sur l’avenir. Il n’y a rien de plus faux. Tout le monde aujourd’hui peut se dire qu’il n’est pas si compliqué que ça d’inventer la roue. Il a pourtant fallu à nos ancêtres plus de 60 000 ans pour y parvenir… et 1 000 ans supplémentaires pour penser à faire une brouette. Dans le quotidien du data pionnier, nous allons devoir souvent expliquer le passé. Nous allons devoir aussi prévoir l’avenir, le prédire. Souvenons-nous par conséquent que les mêmes causes produisent toujours les mêmes effets. Mais restons vigilants, et ne cherchons pas à déterminer trop vite les causes. Je terminerai par un conte oriental. À la tombée de la nuit, un homme scrute le sol très attentivement, à quatre pattes sous un lampadaire. Un mendiant qui passe par là lui demande ce qu’il fait. Il lui répond : « J’ai perdu les clés de chez moi, alors je les cherche pour entrer dans ma maison. Aide-moi donc ! » Tandis que les deux hommes sont maintenant en train de regarder partout autour du lampadaire, le mendiant demande encore : « Tu es sûr que tu les as perdues là tes clés ? » « Pas du tout », répond l’autre homme. « Mais alors pourquoi tu les cherches ici ? » Et l’homme de répondre : « C’est parce que sous le lampadaire est le seul endroit où il y a de la lumière. »

La perception des données disponibles

Parce que certaines questions requièrent des données nouvelles ou inhabituelles, nous sommes tentés de ne pas les poser. Ou de manière plus sournoise, nous posons la question en nous efforçant d’y faire correspondre une mauvaise réponse.

→ Les mauvaises données pour une bonne question

Dans un groupe international de grande distribution et de restauration, le contrôle de gestion produit voulait vérifier les opérations de lancement pour un nouveau produit. Alors que le responsable avait commencé par une question ouverte pour lancer la réflexion, « comment allons-nous mesurer l’exécution opérationnelle de ce lancement ? », il fut interrompu par les deux jeunes analystes dédiés à la marque qui claquèrent une réponse au ton définitif : « Il suffit de mesurer le chiffre d’affaires et la marge générée, c’est simple. » Une analyse rapide de cette évidence montrait qu’elle ne correspondait pas à la problématique posée. Ce n’était pas les ventes qui intéressaient le responsable, même si un lancement réussi a un impact favorable sur les métriques financières. Il voulait savoir si le lancement était correctement mené. Son objectif était donc de mesurer si les moyens mis en œuvre étaient suffisants pour atteindre les cibles définies par le marketing en termes de démographie et de géographie. La mesure des ventes ne serait connue que dans plusieurs semaines, voire des mois, trop tard pour corriger une campagne mal gérée.

Les analystes insistèrent d’un ton un peu plus vindicatif : « On ne va pas y passer la journée, on mesure les ventes et voilà ; de toute façon, nous n’avons que cette donnée-là facilement accessible. » Le vice-président de la marque se tourna alors vers ses deux collaborateurs et leur demanda froidement : « Attendez, vous êtes en train de me dire que vous allez répondre à une question par la mauvaise réponse, parce que les éléments qui pourraient donner la bonne ne sont pas directement accessibles ? » Un grand blanc s’installa dans la salle. À la suite de quelques échanges destinés à ne faire perdre la face à personne, le groupe arriva finalement à trouver les bons indicateurs.

» Qu’auriez-vous proposé ? Auriez-vous choisi d’aller contre un statu quo imposé si rapidement dans la réunion ?

Voici quelques-uns des indicateurs qui ont été finalement arrêtés pour ce lancement de produit de grande distribution et de restauration/café/club :

– nombre de commerciaux sur le terrain et leur répartition géographique pendant la campagne ;