Data / IA

Élaborer un business case dans le domaine de l’analyse des données

Par La rédaction, publié le 13 janvier 2016

Alan Duncan, directeur de recherche, Gartner

Lors de la revue des dossiers économiques de nos clients en matière d’analyse des données, il est courant de constater que les équipes en charge de la prestation de l’informatique décisionnelle se concentrent sur les impératifs technologiques et architecturaux (le « quoi ») et sur le travail d’exécution requis pour mettre en œuvre la solution (le « comment »).

Cette attitude est compréhensible, étant donné que la majeure partie de l’investissement et du travail d’équipe sur le projet concerne ces domaines et que les coûts sont des mesures claires et précises, alors que les avantages ne sont pas forcément aussi facilement identifiables. Toutefois, pour promouvoir la solution auprès de la communauté de l’entreprise, l’accent doit être mis sur les résultats opérationnels souhaités (le « pourquoi ») et les parties prenantes ciblées (le « qui »). Gartner suggère à cet effet une approche en six étapes.

1 • DÉVELOPPER UNE VISION FORTE DE L’ÉTAT FINAL ET DES RÉSULTATS SOUHAITÉS
Le premier élément d’un business case de l’analyse des données consiste à se concentrer sur la description d’une vision positive qui crée un lien à la fois émotionnel et rationnel avec les aspirations de la partie prenante. Dans l’idéal, elle doit être développée en collaboration par les parties prenantes technologiques et opérationnelles. La vision de l’analyse des données doit être ambitieuse et mettre en avant les avantages à retirer à la fois collectivement (au niveau de l’entreprise) et individuellement (au niveau des collaborateurs, sur le plan professionnel comme personnel).
La promesse de « meilleures décisions » ne suffit pas. Elle doit être étayée par des résultats attendus mesurables, idéalement formulés sur le plan financier, qu’il s’agisse d’une hausse des parts de marché, de l’amélioration de la fidélité des clients, de la baisse de certaines charges ou de l’atténuation du risque.
Il est toujours utile d’établir une forme de traçabilité entre le résultat de l’analyse des données, l’action de l’entreprise et le résultat mesurable final, afin de s’assurer que soit pleinement reconnue la contribution de l’informatique décisionnelle et de l’analyse des données à l’ajout de valeur et à la production d’un avantage opérationnel.
Directeurs métiers, directeur financier et DSI n’évaluent pas les investissements avec les mêmes critères. Les responsables de l’informatique décisionnelle veilleront notamment à identifier explicitement le point de bascule entre les choix privilégiant d’une part la maîtrise des coûts et l’absence de prise de risques, d’autre part des niveaux supérieurs d’efficacité de l’entreprise. Et ils expliciteront les indicateurs de performance clés (KPI) mis en place pour mesurer les résultats opérationnels.

2 • ÊTRE HONNÊTE ET SAVOIR DÉBUSQUER LES INHIBITEURS
Plus que celles d’ordre technique, les difficultés organisationnelles, politiques et sociales sont sans doute des raisons plus probables qui empêchent la progression d’un projet d’informatique décisionnelle.
Il conviendra ainsi de rechercher et de désigner ouvertement les raisons qui ont empêché un éventuel précédent projet, de sorte de pouvoir proposer un moyen positif d’aller de l’avant, de négocier une solution mutuellement acceptable par les parties prenantes.
Plusieurs situations ont pu se produire. Les responsables de secteur d’activités ont pu commencer à acheter leurs propres solutions d’analyse des données en libre-service directement, en contournant l’équipe informatique centrale. Des problèmes non résolus de qualité des données ont aussi pu entraver l’adoption de l’analyse des données à cause d’un manque de confiance dans les données (éventuellement lié à des défaillances sous-jacentes au niveau des processus métiers). D’autres raisons incluent les changements dans l’équilibre des pouvoirs lorsque, par exemple, les dépenses dans le traitement analytique d’entreprise passent d’un actif capitalisé acheté via une licence perpétuelle à un modèle de logiciel en tant que service (SaaS) payé via les budgets de fonctionnement. Enfin, dans certains projets, il est nécessaire d’ajouter les ressources et le temps suffisants pour encourager l’expérimentation et l’apprentissage.

3 • LIER LES RÉSULTATS OPÉRATIONNELS AUX DONNÉES SOUS-JACENTES
Plutôt que de perdre les parties prenantes dans des considérations techniques, la méthodologie de traçabilité de l’analyse des données d’entreprise pour le business case met l’accent sur l’articulation des questions qui leur importent. Par exemple : quels seront les avantages et résultats opérationnels pris en charge ? À quelles données la communauté de l’entreprise accèdera-t-elle pour répondre aux questions opérationnelles clés ?
La mise en correspondance des résultats en termes de valeur opérationnelle avec les questions analytiques et les données sous-jacentes requises pour les prendre en charge souligne la valeur des données fournies, permet à l’équipe d’identifier de nouvelles utilisations pour les données existantes, et favorise l’identifiation des éventuelles lacunes actuelles dans les données disponibles.
L’enchaînement logique « Contributions > Logique de traitement > Résultat de présentation > Question-décision > Actions > Résultats » sera avantageusement présenté de manière inversée (« Résultats < Actions < Question-décision < Résultat de présentation < Logique de traitement < Contributions »), de manière à ce que cette carte de traçabilité de l’analyse des données attire l’attention du lecteur vers les aspects les plus importants

.4 • PRÉSENTER UNE FEUILLE DE ROUTE GLOBALE EN TERMES OPÉRATIONNELS
Plutôt que de présenter une feuille de route « classique », orientée projet IT, il faut là encore rendre le message compréhensible par les responsables et parties prenantes de l’entreprise. Trois représentations sont possibles : une simple frise chronologique avec des jalons clés pour les résultats analytiques d’entreprise importants ; une indication des domaines où une contribution de l’entreprise est requise (exploration des résultats opérationnels, ateliers de collaboration, tests utilisateurs…) ; une déclaration générale des ressources requises (personnels, tech-nologies, solutions…). S’il reste indispensable, le plan d’exécution détaillé n’est pas nécessaire dans cette communication.

5 • REPLACER LE PROJET DANS UNE INITIATIVE D’ENTREPRISE GLOBALE
Dans l’élaboration du business case, l’investissement initial et les coûts de support continus (coût total de possession) doivent être justifiables en termes de retour sur investissement escompté. Dans la plupart des cas, chaque avantage quantifiable est parrainé par une partie prenante de l’entreprise, car cela garantit également sa participation continue à la réalisation de la valeur projetée.
Pour le DSI, il convient de relier le retour sur investissement à la vision et aux résultats attendus, sans présumer d’avantages supplémentaires éventuels postérieurs à la réalisation du projet, et en se concentrant sur les indicateurs guides.
Le business case doit montrer un retour financier net positif à travers l’initiative, sans oublier, par exemple, lorsque cela est le cas, l’investissement nécessaire à la création d’un laboratoire de science des données.

6 • TROIS ACTIONS À ENTREPRENDRE IMMÉDIATEMENT
S’il peut y avoir beaucoup plus d’actions requises dans l’ensemble, le fait de mettre l’accent sur les trois étapes les plus cruciales et immédiates donne l’élan final qui permettra au business case d’être approuvé.
Ces « trois actions suivantes » auront pour objectif, selon le cas, de statuer sur ce qui devra se produire pour faire progresser l’initiative d’analyse des données ; d’exploiter l’enthousiasme des parties prenantes pour les résultats et la vision projetés ; de renforcer le contrôle du DSI sur le processus de décision ; ou simplement, déjà, de montrer que le responsable de l’informatique décisionnelle et de l’analyse des données a le contrôle du plan global.