Les mauvaises habitudes ont décidément la vie dure ! Quand les analystes de Forrester explorent les priorités de leurs clients, il ressort que ces derniers semblent prendre les problèmes à l'envers. Et les promesses mirobolantes des « big data » et de l'analyse des données ne font que renforcer la tendance, promettant des réveils difficiles.
Les préoccupations exprimées par les responsables d'entreprises sont pourtant fermement ancrées dans la réalité des enjeux du moment. En tête de liste viennent d'abord toutes les initiatives focalisées sur le client (amélioration de l'expérience client, réponse aux attentes des clients…). Puis, juste derrière, apparaît le renforcement des capacités d'innovation, dont il est désormais admis qu'elles sont indispensables pour renverser les modèles d'antan et atteindre le Graal de la « centricité » client.
Jusque là, tout va bien. En revanche, lorsqu'on aborde le « comment », les choses se gâtent. Car même si la collaboration avec des acteurs externes, l'affectation de ressources, la mise en place de nouveaux processus… font partie des moyens cités régulièrement pour propulser l'innovation, le premier réflexe – celui qui domine tous les autres – consiste à investir dans les technologies. Et, dans le contexte médiatique actuel, les outils permettant d'améliorer l'utilisation des données se révèlent incontournables.
Or cette approche par les solutions a toujours été une aberration, qui ne fait que devenir de plus en plus absurde. Par exemple, essayer de rassembler toutes les données dans un seul entrepôt (le « data lake », tellement séduisant de prime abord) est aussi stérile que futile : il s'agit d'une utopie qui ne crée aucune valeur. Pas plus que de confier aux précieux « data scientists » la tâche de sonder aveuglément les corrélations et les inférences possibles dans la masse d'information mise à leur disposition.
La création de nouveaux produits, de nouveaux modèles économiques, l'ouverture de nouveaux marchés… devraient constituer le cœur des démarches d'innovation. Le billet de Forrester souligne deux exemples de remise en ordre des objectifs : la startup Stitch Fix, qui envoie directement à ses clientes les vêtements qu'elles adoreront, en « apprenant » leur style, ou Tesla, qui met en œuvre dès maintenant quelques éléments des systèmes de conduite automatique de demain (sous forme d'assistant à la maîtrise de la vitesse ou au maintien dans une file de circulation).
Selon l'auteure (Jennifer Belissent), la clé de la réussite (et de l'innovation) est de transformer les données en action. Si j'osais, je pousserais volontiers l'idée un peu plus loin : le bon sens dicterait en effet de commencer par déterminer l'action AVANT de rechercher les moyens de l'exécuter – en l'occurrence, identifier les données (sans avoir nécessairement besoin de les thésauriser) et appliquer les modèles qui la rendront réalisable. Il s'agirait alors plutôt de concrétiser l'action par les données…
Les préoccupations exprimées par les responsables d'entreprises sont pourtant fermement ancrées dans la réalité des enjeux du moment. En tête de liste viennent d'abord toutes les initiatives focalisées sur le client (amélioration de l'expérience client, réponse aux attentes des clients…). Puis, juste derrière, apparaît le renforcement des capacités d'innovation, dont il est désormais admis qu'elles sont indispensables pour renverser les modèles d'antan et atteindre le Graal de la « centricité » client.
Jusque là, tout va bien. En revanche, lorsqu'on aborde le « comment », les choses se gâtent. Car même si la collaboration avec des acteurs externes, l'affectation de ressources, la mise en place de nouveaux processus… font partie des moyens cités régulièrement pour propulser l'innovation, le premier réflexe – celui qui domine tous les autres – consiste à investir dans les technologies. Et, dans le contexte médiatique actuel, les outils permettant d'améliorer l'utilisation des données se révèlent incontournables.
Or cette approche par les solutions a toujours été une aberration, qui ne fait que devenir de plus en plus absurde. Par exemple, essayer de rassembler toutes les données dans un seul entrepôt (le « data lake », tellement séduisant de prime abord) est aussi stérile que futile : il s'agit d'une utopie qui ne crée aucune valeur. Pas plus que de confier aux précieux « data scientists » la tâche de sonder aveuglément les corrélations et les inférences possibles dans la masse d'information mise à leur disposition.
La création de nouveaux produits, de nouveaux modèles économiques, l'ouverture de nouveaux marchés… devraient constituer le cœur des démarches d'innovation. Le billet de Forrester souligne deux exemples de remise en ordre des objectifs : la startup Stitch Fix, qui envoie directement à ses clientes les vêtements qu'elles adoreront, en « apprenant » leur style, ou Tesla, qui met en œuvre dès maintenant quelques éléments des systèmes de conduite automatique de demain (sous forme d'assistant à la maîtrise de la vitesse ou au maintien dans une file de circulation).
Selon l'auteure (Jennifer Belissent), la clé de la réussite (et de l'innovation) est de transformer les données en action. Si j'osais, je pousserais volontiers l'idée un peu plus loin : le bon sens dicterait en effet de commencer par déterminer l'action AVANT de rechercher les moyens de l'exécuter – en l'occurrence, identifier les données (sans avoir nécessairement besoin de les thésauriser) et appliquer les modèles qui la rendront réalisable. Il s'agirait alors plutôt de concrétiser l'action par les données…
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)