Comment survivre et réussir en tant que Chief Data Officer ? Comment survivre et réussir en tant que Chief Data Officer ?
L’importance de la donnée et de son utilisation, à des fins d’optimisation des opérations et de recherche de nouveaux leviers de création de valeur, est devenue une certitude pour les dirigeants d’entreprise.
Ils savent, aujourd’hui, que leur entreprise a observé une explosion de la quantité de données disponibles depuis ces dernières années, du fait notamment de la digitalisation croissante de leurs activités et de leurs relations avec les clients et les fournisseurs.
Ils savent aussi qu’elle dispose de davantage de moyens pour les exploiter, grâce à la démocratisation des techniques avancées d’analyses de données. Les algorithmes prédictifs ou l’intelligence artificielle, par exemple, permettent d’exploiter les données non structurées, tels que le texte ou la voix, et d’augmenter les capacités technologiques, grâce à l’essor du « cloud computing » notamment.
Il n’est donc pas étonnant que la fonction de Chief Data Officer (CDO) se développe. Cette nouvelle fonction est apparue au cours des années 2000. Le premier CDO a été nommé par la société Capital One, en 2002. Cette fonction s’est ensuite généralisée. Alors que 12% des entreprises du Fortune 1000 avaient un Chief Data Officer en 2012, elles étaient 68% en 2018[1]. En France, de plus en plus d’entreprises ont également désigné un CDO ces dernières années (BNP Paribas, Société Générale, Danone, Engie, Michelin…).
Si la fonction se démocratise, elle reste cependant difficile à tenir. La société d’étude Gartner estime que le poste est occupé en moyenne pendant 2,4 ans et que la moitié des personnes qui en ont la charge n’atteignent pas leur objectif.
Pourquoi le rôle du CDO est-il aussi difficile ?
Deux obstacles majeurs les empêchent d’assoir leur fonction sur des fondations solides.
Manque de clarté du rôle du CDO
Le périmètre d’intervention du CDO est encore rarement expliqué et peut varier considérablement d’une entreprise à une autre. Car la transformation de la data englobe un périmètre extrêmement large et concerne systématiquement de nombreuses autres parties prenantes de l’entreprise.
Domaine de l'application de la Data
La data comprend tout d’abord une vision, qui correspond notamment à l’identification et à la qualification de cas d’usage qui vont exploiter la donnée pour répondre à des objectifs business :
- Une optimisation des activités existantes : par exemple, faire croître les ventes à travers des analyses permettant d’améliorer la fidélisation des clients ou le « share of wallet », optimiser les coûts à travers une optimisation de la chaîne logistique, ou bien analyser les risques sur les opérations d’une disruption potentielle majeure tel qu’un nouveau confinement global de la population.
- La création de business models: de nouveaux services grâce à l’exploitation des données (par exemple des conseils personnalisés auprès des clients en fonction de leurs comportements et de celui de clients comparables) ou la vente de données.
Cette vision est supportée par 4 piliers principaux :
Le data management / la data governance, qui correspond à l’ensemble des activités qui assurent la cohérence et la qualité de la donnée, et sa mise à disposition auprès des parties prenantes de l’entreprise. |
Les compétences analytiques, c’est-à-dire, les équipes de data scientists ou d’analystes qui exploitent la donnée pour développer les cas d’usage souhaités, à travers le développement d’algorithmes et / ou de tableaux de bords interactifs. |