Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Acceptance, Accessible, Applicable et Auditable

150 views

Published on

Un modèle pour réaliser la transformation digitale de
votre organisation et atteindre l’excellence en analytics

Published in: Data & Analytics
  • Be the first to comment

Acceptance, Accessible, Applicable et Auditable

  1. 1. Acceptance, Accessible, Applicable et Auditable Un modèle pour réaliser la transformation digitale de votre organisation et atteindre l’excellence en analytics Alban Gérôme @albangerome MeasureCamp Paris 23 juin 2018
  2. 2. "Le doute, morne oiseau, nous frappe de son aile... Et l'horizon s'enfuit d'une fuite éternelle !..." Arthur Rimbaud, Sun and Flesh (Credo in Unam) @albangerome
  3. 3. Sous-estimations endémiques • Plus de la moitié des managers seniors ont fait l'expérience de retards de plus de deux ans pour leurs nouvelles applications critiques • 4 sur 5 des entreprises du groupe Fortune 1000 déclarent que leurs investissements en big data sont un succès • 1 entreprise sur 4 déclarent voir les prémisses d'une culture prenant ses décisions sur la base des données @albangerome
  4. 4. Stockage des données peu cher • “On ne peut améliorer que ce que l’on peut mesurer” a conduit à la collecte de plus en plus de données, comprimant le prix du stockage des données • Les agences de renseignement ont la piètre réputation de collecter les données sans discrimination • Avoir des données historiques à disposition, mêmes inutiles, c’est bien alors autant tout collecter sans se poser de questions si le stockage de ces données est peu cher @albangerome
  5. 5. Perdre ses soutiens • Les projets nécessitent le soutien de personnes clé dès le début pour éviter de perdre les ressources au profit d’autres projets • Les projects complexes, multi-disciplinaires sont divisés en tâches et les projets ne peuvent advancer plus vite que la tâche la moins prioritaire faisant partie de ce projet • Lorsqu’un projet ayant de meilleures de succès arrive sur la scene, celui-ci volera un support clé puis trois puis dix @albangerome
  6. 6. Le service informatique ne peut pas implémenter les analytics • Le service informatique a des développeurs Javascript mais il n’est pas compétent pour les implémentations d’analytics. Vous aurez besoin d’un voire plusieurs consultants en implémentation • Le fournisseur d’analytics ne sera que ravi de vous vendre du soutien premium. Les consultants indépendants sont moins cher. Encore faut- il les trouver et cela entrainera délais et débordements budgétaires • Une implémentation n’est jamais “finie” car les attentes de vos clients et la technologie évoluent @albangerome
  7. 7. Cacophonie • 2 managers constatent des differences dans des rapports d’analytics et accusent l’outil d’analytics • Le comité directeur reconnait que l’organisation a besoin d’un seul son de cloche, càd un service d’analytics dédié • Bâtir une équipe sans recruiter à l’extérieur ou uniquement à l’extérieur a des avantages et des désavantages @albangerome
  8. 8. Première panne d’analytics • Les développeurs ont mis en production du code qui a impacté les rapports d’analytics en dépit du respect de leurs protocoles rigoureux • Ces problèmes d’analytics ne cause pas d’erreurs, on voit plutôt des données pourries dans les rapports voire pas de données du tout • Le service informatique sous-estime ces pannes et sacrent le service d’analytics Gardiens de la Qualité des Données @albangerome
  9. 9. Regagner la confiance • La surveillance d’un nombre large et croissant d’indicateurs incombe au service d’analytics • Les managers commencent a demander beaucoup de données d’analytics, un signe de la confiance retrouvée • Les managers n’exigent plus de recommandations pratiques. Le service d’analytics pousse un ouf de soulagement mais c’est en fait un mauvais signe @albangerome
  10. 10. Le premier analyste démissionne • Le service d’analytics est perçu comme un centre de coûts. Ceci se traduit par de petites équipes sans perspectives de promotion ou de chances de développer ses capacités à mener une équipe • Chaque jour il faut surveiller des centaines d’indicateurs, pondre les rapports journaliers, hebdomadaires et mensuels, et l’envoi d’énormes fichiers de données que les managers exploitent à peine • Les chefs d’analytics sans experience en analytics qui comptent les jours qui les séparent de leur prochaine rotation, qui n’ont jamais ouvert un livre d’analytics et sont de parfaits inconnus dans la communauté des analytics @albangerome
  11. 11. La cueillette des données • Ne sélectionner que les données qui confirment des croyances déjà établies, le reste est potentiellement le résultat d’une mauvaise implémentation • Accuser l’implémentation est plus facile que de remettre en question ses croyances quand les données les contredisent • Selectionner ses données peut donner l’illusion que les décisions sont basées sur les données mais on ne les justifient qu’à posteriori, on est trompés par nos biais cognitifs mais le comité directeur est soit naïf soit complaisant et trop peu d’entre eux donnent le bon exemple alors ça passe ni vu ni connu @albangerome
  12. 12. Une tutelle mal acceptée • Consacrer les ressources de son service pour le bénéfice d’un autre service au détriment de ses propres idées et projets ne peut que générer des resistances • Les services veulent garder l’autonomie en matière de prise de décisions, revendiquer le credit et s’appuyer sur le service d’analytics uniquement comme une fonction de soutien • Si les services passent leur temps à implémenter les recommandations du service d’analytics, la raison d’être de ces services peut être remise en question et, à plus grande échelle, glisser vers quelque chose ressemblant à l’holacracie @albangerome
  13. 13. Qui veut du jus de pomme? • Si faire du jus de pomme est plus difficile que prévu, peut-être quelque chose bloque l’écoulement au fond de la presse, inviter la fanfare municipale n’y fera rien • Collecter de plus en plus de données et s’adonner à des visualisations un tantinet chiadées n’est peut-être pas la solution • Les gens prennent leurs décisions sur la base de leur émotions puis les justifient avec des données et des faits, or nous sommes supposés avoir un processus où les décisions sont prises sur la base des données @albangerome
  14. 14. L’inspiration là ou on s’y attendait le moins Pour faire du feu, il faut trois éléments • Comburant – oxygène • Combustible – bois, papier • Chaleur Ceci ne suffira pas à un feu à démarrer spontanément si la chaleur n’a pas dépassé un certain seuil dit point d’auto-inflammation. Si vous retirez un de ces trois éléments, le feu s’arrête @albangerome
  15. 15. Accessible • John Gall a écrit “Certaines implémentations de collecte des données complexes fonctionnent bien en fait, mais concevoir une implémentation complexe en partant de rien ne fonctionne jamais. Vous devrez repartir à zero en commençant par une implémentation simple et qui fonctionne.” • Si vous collectez trop de données votre ratio signal/bruit diminuera. Vous risquez de ne pas savoir par où commencer • Augmentez graduellement le nombre de dimensions pour lesquelles vous collectez des données et n’y donnez accès qu’au personnes qui en ont vraiment besoin. Cela les aidera à se familiariser avec les données mais à leur rythme @albangerome
  16. 16. Applicable • Les comités directeurs doivent mener la transformation digitale de leurs organisations en donnant l’exemple • If faut cesser de tolérer les recommandations qui ne font que justifier des croyances pre-établies • Rêverons d’une organisation qui concilie l’expérience et les données ou les services disposent d’analystes juniors et les analystes experts gagnent en experience opérationnelle en tournant dans les services @albangerome
  17. 17. Auditable • La méfiance envers les données d’analytics peut servir d’excuse bien commode pour le pas mettre en application les recommendations mais la confiance en les données d’analytics reste primordiale • Implémentez des alertes, introduisez vos propres tests dans les suites de test de vos développeurs pour vous assurer de l’intégrité de votre collecte de données, demandez à vos ‘canaris’ de vous prévenir du moindre problème qu’ils constatent • Toutes vos recommendations doivent documenter pourquoi vous collectez ces données, leur sources, les dates, comment les données ont été nettoyées et traitées afin de garantir la reproductibilité @albangerome
  18. 18. Acceptance • Dr Elisabeth Kübler-Ross a écrit: “Tout être humain naturel, normal faisant face à toute forme de perte, passera du choc à l’acceptance.” • Un project d’analytics infligera un choc à toute organisation qui le met en place. Pour concilier l’expérience et les données, ces organisations ont encore besoin de l’expérience des ainés contrairement aux idées répandues • Avec un programme d’analytics, une organisation s’embarque pour un voyage partant du doute pour arriver à l’acceptance @albangerome
  19. 19. Il vous faudra les quatre • La transformation digitale doit être accessible, applicable, auditable and atteindre l’acceptance • Mais avoir les quatre ne suffira pas pour voir naitre la transformation digitale de votre organisation tant que l’acceptance n’ait gagné tous les services, y compris et surtout le comité directeur • Et si vous perdez un des quatre, si l’acceptance retombe, vous pouvez dire au revoir à votre transformation digitale @albangerome
  20. 20. “Les plus belles personnes que nous avons connues sont celles qui ont connu la défaite, la souffrance, la lutte, la perte, et ont trouvé une issue de leur abime. Ces personnes ont une appréciation, une sensibilité et une compréhension de la vie qui les remplit de compassion, de gentillesse et d'une attention emprunte d'un amour profond. Les belles personnes ne le sont pas à l’état naturel mais elles le deviennent.” Dr Elisabeth Kübler-Ross @albangerome
  21. 21. Le manager sachant concilier l’expérience et les données ne l’est pas à l’état naturel mais le devient @albangerome
  22. 22. Merci! http://www.albangerome.com @albangerome
  23. 23. AAAA – Antisèche Problème Cause Réponses Bénéfices nets 1 Les vendeurs donnent l'impression que les analytics sont faciles et minorent le fait que l'implémentation et l'utilisation de leurs outils requièrent souvent des experts Afin de maximiser les ventes de licences, de services de conseil et de soutien premium Répondez aux attentes fixées par les vendeurs en expliquant que les recommandations pratiques nécessitent un effort et souvent ne commencent que par une hypothèse qu'il faudra corroborer avec des tests A/B Un meilleur alignement entre les attentes et les capacités et une meilleure compréhension des resources requises telles que des experts en implémentation et une équipe d'analyse web 2 Les entreprises décident de collecter des données sur tout et passent des mois à recueillir les demandes des managers Les sociétés ne savent pas quoi collecter mais le coût du stockage des données ne cesse de diminuer. Les agences de renseignement sont connues pour collecter des données sans faire trop de discrimination et donnent le mauvais exemple. Les société décident alors de collecter tout et n'importe quoi Au début, contentez-vous de ne collecter que très peu de données, démontrez tôt qu'une approche axée sur données représente un intérêt, soutenez un nombre restreint de managers puis montez en puissance graduellement en collectant plus de données et en soutenant plus de managers Ca ne patine plus, une implémentation livrée plus tôt et plus rapide. Une fois l'impléméntation livrée, les managers apprendront les analytics à leur propre rythme. La retenue en matière de collecte des données vous aidera à être en conformité avec les organismes de contrôle 3 L'implémentation traine et les premiers soutiens clés retirent leur soutien et leurs ressources pour aider d'autres projets qui ont de meilleures chances de réussir Le service informatique se croit capable d'implémenter un outil d'analytics mais manquent des compétences pour manier le code propriétaire du vendeur Embauchez un expert en implémentation. Les projets de grande envergure nécessitent une équipe d'experts en implémentation On ne patine plus, les soutiens clés continuent de nous soutenir et mettent leurs resources à notre disposition © Alban Gérôme @albangerome
  24. 24. AAAA – Antisèche Problème Cause Réponses Bénéfices nets 4 Au mieux, les premiers rapports contiennent peu de recommandations pratiques. Au pire, les données sont juste pourries ou contredisent les certitudes des managers Le service informatique manque d'expertise en implémentation, ce qui amène à la collecte de données pourries. Quand les données sont correctes, elles peuvent suggérer une réalité contredisant les certitudes des managers Attendez-vous à devoir embaucher des experts en implémentation à plusieurs reprises car une impléméntation n'est jamais "finie" Confiance renouvellée dans les données d'analytics et une implémentation qui évolue avec les besoins de l'entreprise 5 Deux managers extraient des données qui devraient concorder mais révélent de larges écarts. L'entreprise ne sait plus en qui faire confiance Les managers manquent d'expérience avec les outils d'analytics et ne sont pas à l'aise avec les données Vous devrez aussi créer une service d'analyse web Une version unifiée de la réalité 6 Les managers dissimulent les données correctes qui leur font honte. L'entreprise doute de l'objectivité des managers Les managers jouent sur la perception selon laquelle les analytics sont scientifiques et donc, la vérité entière Le responsable de l'équipe d'analytics devrait rendre compte au comité directeur sans intermédaires, de préférence le directeur d'exploitation ou le directeur général L'impartialité dans les comptes-rendus et les rapports © Alban Gérôme @albangerome
  25. 25. AAAA – Antisèche Problème Cause Réponses Bénéfices nets 7 Qui devrait faire partie du service d'analytics? Des employés ou des experts externes? Les employés ont une bonne expérience de la façon dont fonctionne l'entreprise mais souvent râment avec les analytics et font des erreurs d'extraction des données. Les experts externes savent utiliser les données mais souvent ignorent quelles données ont un impact commercial créez un modèle d'axe et rayons, les équipes préexistantes qui requièrent des données d'analytics nommeront un analyste web junior. Faites tourner les analystes juniors entre des équipes diverses si possible. Dans l'équipe d'analytics, vous avez besoin de recrues externes qui commenceront par passer du temps avec les autres équipes pour acquérir une expérience opérationelle Les recommandations pratiques sont plus en phase avec les objectifs commerciaux et la stratégie. Les équipes préétablies deviendont responsables de la préparation de leur propres rapports et renderont l'équipe d'analytics libre de se concentrer sur l'analyse 8 Les développeurs informatiques ne cessent de casser le code d'analytics et les managers accusent le service d'analytics Les developpeurs en informatique manquent d'expérience en analytics et ne savent pas quoi tester quand ils mettent des changements en production et finissent par casser le code d'analytics. Collecter des données pourries voire pas de données du tout ne cause pas d'erreurs Mettez en relation votre expert en implémentation avec vos développeurs afin d'inclure des tests automatiques qui s'assureront de l'intégrité de l'implémentation du code d'analytics dans leurs séries de tests La sérénité issue du fait que les pannes d'analytics qui sont causées par les changements du service informatique sont de plus en plus rares et l'émergeance d'un véritable partenariat entre le service informatique et l'équipe d'analytics © Alban Gérôme @albangerome
  26. 26. AAAA – Antisèche Problème Cause Réponses Bénéfices nets 9 L'équipe d'analytics consacre un volume croissant de ressources juste pour surveiller les indicateurs au dépens de la recherche de recommandations pratiques L'équipe d'analytics est désormais responsable de la qualité des données Avec un modèle d'axe et de rayons, déléguez tous les rapports et la surveillance des indicateurs aux analystes juniors Les analystes juniors analyseront un volume de données plus restreint et seront vos canaris vous protégeant d'un coup de grisou lorsqu'une panne d'analytics surviendra et ils seront les défenseurs des analytics dans leurs équipes lorsque les experts en analytics ne sont pas disponibles 10 Les experts en analytics sont chers, difficiles à trouver et difficiles à retenir Lorsqu'un analyste passe son temps à surveiller des centaines d'indicateurs et à produire des rapports au détriment de la recherche de recommandations pratiques et lancer des tests, l'analyste n'aura aucune difficulté pour trouver un autre emploi et donnera à votre entreprise une piètre réputation dans la communauté des analytics Les analytics devraient être synonymes de l'augmentation de retour sur investissement en améliorant l'exprérience des clients, non de pratiques ayant pour but d'éviter de paraitre mauvais. La surveillance et la production de rapports ne fera que transformer l'équipe d'analytics en un centre de coûts et votre entreprise aura une mauvaise réputation dans la communauté des analytics Le recrutement est plus rapide, moins cher et retenir plus simple quand vos analystes se tournent vers leurs réseaux personnels. Les analystes webs les plus doués quittent les entreprises où ils passent le plus clair du temps à produire des rapports et à surveiller les données, à répondre au plus vite à une panne causée par le service informatique au lieu d'analyser des données © Alban Gérôme @albangerome
  27. 27. AAAA – Antisèche Problème Cause Réponses Bénéfices nets 11 Les managers exigent de plus en plus plutôt que tenir leurs promesses et d'implémenter les recommandations pratiques Les managers peuvent piquer une idée à une personne influente externe, la bidouiller juste assez pour pouvoir en tirer crédit et s'en déclarer être l'auteur. Paraître axé sur les données, mais en réalité justifiant ses croyances en piochant ses données est plus beaucoup plus facile que d'être véritablement axé sur les données et le comité directeur soit ne sait pas faire la différence, soit le tolère En laissant pousser votre implémentation graduellement plutôt que de collecter les données sur tout et dès le début, vos managers devront se contenter des données disponibles et cesser de choisir les données qui les arrangent Les managers peuvent gagner en expérience avec les outils d'analytics et devenir plus à l'aise avec les données 12 De nombreux biais entrave la route vers l'adhésion tels que la persistance des croyances discréditées, le biais de confirmation et le bias d'attention sélective Les managers essaient de résoudre l'écart entre leurs croyances et ce que disent les données L'équipe d'analytics doivent passer en revue les recommandations des managers, protéger contre et éduquer au sujet de ces biais, leurs causes et effets L'entreprise devient plus avertie au sujet de ces biais et se blinde contre des idées potentiellement désatreuses © Alban Gérôme @albangerome
  28. 28. AAAA – Antisèche Problème Cause Réponses Bénéfices nets 13 Rendre les recommandations pratiques plus faciles à comprendre, à retenir et autres méthodes de persuasion et d'influence du même acabit ne fontionnent pas Demander aux managers d'implémenter les recommandations pratiques sans broncher revient à une mise sous tutelle, menace leurs carrières et génèrent une résistance forte mais silencieuse L'équipe d'analytics peut également découvrir des tendances intéressantes quoique sans impact commercial potentiel. Ils ont besoin du guidage des managers. Ce guidage fournira aux managers des opportunités pour revendiquer un peu de crédit d'être les auteurs de ces recommandations pratiques Les managers expérimentés peuvent retrouver la fièreté de leur expérience, se sentir valorisés du guidage qu'ils donnent à l'équipe d'analytics et les aident à découvrir de vraies recommandations pratiques 14 Le comité directeur demande aux managers d'être axé sur les données mais leur entreprise justifie ses décisions en sélectionnant des données qui les arrangent et la transformation digitale patine Le comité directeur ne dirige pas en donnant l'exemple et soit ne reconnait pas la différence entre une approche axée sur les données et une autre qui ne fait que justifier ses idées, soit elle tolère cette différence. Ils considèrent aussi que le risque de perturbations que leur entreprise pourrait subir comme étant très éxagéré Accepter de prendre ses décisions sur la base des données, commencer par poser des questions commerciales, collecter les données, trouver les réponses en analysant ces données Les entreprises proactives peuvent obtenir un avantage compétitif en devenant véritablement axées sur les données, en devenant plus robustes et maintenir les perturbateurs potentiels en échec. Quel scénario serait plus effrayant que de voir votre concurrent de 30 ans se mettre à prendre des décisions sur la base des données mais que vous n'êtes pas prêts? © Alban Gérôme @albangerome

×