Skip to content
Menu
Menu

Comment faire pour améliorer la prise de décision grâce aux données ?

Retrouvez toute l’actualité de la Data & IA dans notre newsletter Data & Décision

Comment faire pour améliorer la prise de décision grâce aux données ?

Temps de lecture : 5 minutes

Comment faire pour améliorer la prise de décision grâce aux données ?

Temps de lecture : 5 minutes

Bienvenue dans ce premier podcast, aujourd’hui nous avons le plaisir de lancer cette émission radiophonique pour parler de la donnée et notamment comment prendre des meilleures décisions grâce à la donnée ? Nous avons choisi d’interview Ider Oudad, fondateur d’IoD solutions pour expliquer le but de ce podcast, affilié à l’entreprise mais aussi pour comprendre ce que nous faisons la valorisation des données.

 

 

Bonjour Ider, est-ce que tu pourrais présenter à nos auditeurs ce que nous faisons ?

Alors, l’idée du podcast c’est de parler de Data & décisions, c’est-à-dire de valoriser ses données.

Ce podcast est destiné aux décideurs, pour qu’ils comprennent les enjeux, les tenants et aboutissants de la stratégie Data. Nous avons créé ce podcast également pour qu’ils comprennent comment assurer un bon fonctionnement de ces technologies dans l’entreprise.

 

Ider pourrais-tu te présenter aux gens ?

Je suis le fondateur d’IoD solutions, nous faisons du « conseil outillé ». L’entreprise est née en 2019, elle a 2 ans. Nous comptons aujourd’hui 3 personnes salariées. Nous travaillons également avec des partenaires comme des experts data, data scientist et autres freelances pour faire nos briques technologiques.

 

Qu’est-ce qu’un expert en Data ?

Pourquoi avons-nous besoin d’un expert Data ? C’est parce qu’il y a une grosse création de contenus digitaux, et cela crée donc des données. Ces dernières sont des mesures desquelles il faut tirer de l’information.

 

Comment t’es venu l’idée de venir Expert en Data ou Data scientist ?

J’ai eu tout d’abord une formation d’ingénieur à Centrale Lille et j’ai également entrepris un master en mathématiques appliquées. Quand je suis rentré en école d’ingénieur, j’aimais les mathématiques, je me suis alors penché sur les métiers existants. J’ai découvert l’existence du Data scientist durant son stage Michelin Solutions, une filiale de Michelins qui cherche à optimiser les pratiques de l’entreprise mère en cherchant par exemple à économiser du carburant, optimiser le trajet des semi-remorques. Toutes ces énigmes demandaient d’utiliser des briques technologiques avec lesquelles on collectait la donnée. Ensuite, j’ai appris à savoir extraire l’information des données pour les utiliser dans des algorithmes. Cette expérience m’a donné envie de devenir Data Scientist. Ce que j’aime dans ce métier c’est qu’il faut avoir une vraie curiosité parce qu’il faut s’intéresser à tous les métiers avec lesquels on travaille pour proposer des solutions fonctionnelles et ça demande aussi une vraie compétence matheuse.

 

Qu’est-ce que la valorisation des données ?

On parle de valoriser, parce que les données c’est au final un actif duquel on peut extraire de la valeur, c’est une matière brute qu’il faut polir pour en extraire de la valeur dit autrement. La valeur de la donnée vient de l’information que nous tirons de cette donnée. Le plus important, je pense avec les données, c’est l’aide à la décision.

 

Les données ont-elles toujours été digitales ?

En entreprise, c’est essentiellement lié au digital. Moi je vois cela comme le 2ème étage de la fusée. Avec la digitalisation de la société, on a pu automatiser des choses et notamment les expériences clients. On a trouvé un moyen de mieux quantifier ce qu’il se passait autour de nous. Aujourd’hui les données digitales c’est simplement la suite logique de la digitalisation.

En revanche, la donnée a toujours existé. Il n’y a qu’à regarder la comptabilité ; c’est une façon de stocker de l’information. Aujourd’hui, les gens s’y intéressent car on a les socles et les outils pour. La digitalisation permet la création de capteurs et générateurs de données. Pour comprendre les informations sur ses clients ou ses fournisseurs par exemple, on est obligé de s’intéresser aux données produites par tous les usages digitaux. Cependant, il ne faut pas oblitérer d’autres sources de récolte de données que le digital : la qualité d’un échange face à face, ou bien une interview client ne sera jamais remplacé par une analyse de données.

 

Comment faire pour extraire de l’information et prendre de meilleures décisions ?

Il faut introduire maintenant une notion anglophone qu’on appelle la capabilité firmes : « capacité à faire. »

Une entreprise doit se mettre en capacité de comprendre ses données. C’est la suite logique de la digitalisation, pourquoi maintenant ? Et bien les Data, c’est comme le web années 2000. Aujourd’hui en 2020, c’est crucial de penser à la donnée. Il y a de plus en plus d’infos à trouver dans les données, il y en a partout c’est impossible de s’en priver. Maintenant que l’on comprend pourquoi c’est important, je vais détailler le concept de capability firm.

Pour se mettre en capacité de valoriser ces données, il faut conjuguer 4 ingrédients nécessaires

  1. Outils : si je n’ai pas de solutions pour faire un dashboard de pilotage de performance commerciale par exemple, c’est qu’il y a un problème. Il faut donc des outils pour exploiter des données

  2. Process : Il faut la maintenance de ces outils, les étapes et l’industrialisation des outils.

  3. Compétences : Nous avons déjà parlé des data scientist, qui eux peuvent créer un modèle prédictif grâce aux données. Les compétences vont permettre de donner du sens à ces données en développant des algorithmes mathématiques pour extraire de l’information statistique des données. Il y a aussi le métier de Data engineer, et Data architect, qui sont très importants pour créer les structures pour accueillir ces données. C’est une grosse erreur de penser que le Data Scientist à lui seul peut tout résoudre, c’est un mythe qu’il faut démystifier : il faut tout une équipe.

  4. Organisation : La Data a des forts impacts sur l’organisation, par nature elle désilote. C’est-à-dire que l’on va croiser plein de sources d’information pour comprendre la situation actuelle pour prendre des meilleures décisions. Pour désiloter, il faut sortir des ventes d’un côté, les informations des RH d’un côté… Originellement les données sont les chasses gardées de fonctions. Or, il faut casser les distinctions pour unifier les données et avoir une vision claire. Désiloter, cela veut dire croiser les données pour avoir une vision riche et qui permet de prendre de meilleures décisions.

Comment pragmatiquement valoriser ses données ?

Il y a 4 grandes étapes cycliques.

  1. Collecter : il faut avoir ses données dans une base de données relationnelle (SQL).

  2. Traiter : on va regarder ces données – calculer les transactions des clients par exemple ou calculer les visites sur mon site. Dans le traitement on peut utiliser du machine Learning avancé notamment.

  3. Restituer : L’information ne doit pas être réduite aux données genre dashboard. Il faut se dire l’information, qu’est-ce que je vais en faire ? Quelles sont les informations essentielles ? Il faut agir et penser pour se dire comment les restituer ces données pour qu’elles soient utiles dans toute l’entreprise. Oui pour visualiser ces données mais pas seulement.

  4. Décider : On va chercher à se servir de cette information pour choisir / décider. Les décisions peuvent être opérationnelles : le sujet est par exemple, à qui accorder une réduction ? On peut décider de dire que ceux qui ont le meilleur panier moyen, sont les meilleurs clients. Ainsi, en fonction de mes transactions brutes, je vais être en mesure d’identifier les 10% meilleurs clients et donc décider d’accorder un bon de réduction de 10% à ces clients.

 

N’hésitez à retrouver nos autres podcast ici et à nous contacter ici, si vous cherchez à valoriser vos données marketing.