Qu'est qu'une Data Driven Company à l'heure de la digitalisation ?

1 422 vues

Publié le

Session jouée à l'Afterwork OCTO de Genève le 20 mai 2015.

Digitalisation, Big Data, data-driven company : trois buzz words omniprésents dans les stratégies informatiques aujourd'hui, et qui semblent intimement liés. Alors, qu'est qu'une "data driven company" ? Est-ce une entreprise poussant à l'extrême l'utilisation de Big Data afin de se digitaliser ?

Pas seulement... une "data driven company" est une entreprise qui cherche continuellement à améliorer l’ensemble des processus de l’entreprise par l’utilisation qualitative et quantitative de données, tout le temps, partout et sur tout.

Ce sujet nous touche dans notre quotidien, que ce soit au niveau technologique, des processus, de l'organisation, et surtout de la culture, et a des conséquences qui transforment tous les métiers.

Cette session reviendra sur les éléments structurants qui distinguent une data driven company et détaillera en quoi cette culture peut être un accélérateur de votre stratégie de transformation digitale.

Publié dans : Données & analyses
0 commentaire
5 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
1 422
Sur SlideShare
0
Issues des intégrations
0
Intégrations
37
Actions
Partages
0
Téléchargements
1
Commentaires
0
J’aime
5
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Qu'est qu'une Data Driven Company à l'heure de la digitalisation ?

  1. 1. 1 © OCTO 2015© OCTO 2015 Qu'est-ce qu'une « Data Driven Company » à l'heure de la digitalisation ? « Afterwork » OCTO Technology Mercredi 20 mai 2015
  2. 2. 2 © OCTO 2015 Joseph Glorieux Directeur général OCTO Suisse jglorieux@octo.com Cyril Picat Consultant senior OCTO Suisse cpicat@octo.com
  3. 3. 3 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
  4. 4. 4 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
  5. 5. 5 © OCTO 20155 Une nouvelle révolution industrielle
  6. 6. 6 © OCTO 2015 S’ouvrir aux possibilités Crowd   Sourcing Réseaux     Sociaux Internet   Des  Objets Mobile Big  Data OpenAPI   OpenData Cloud USAGES TECHNOLOGIES Internet   Des  Objets = NEW BUSINESS MODELS DATA
  7. 7. 7 © OCTO 2015 Pourquoi parler de Data Driven ? Data Driven Company répond aux échecs de la BI et anticipe la désillusion du Big Data en réconciliant architectures, changement organisationnel et méthodologies Big  Data
  8. 8. 8 © OCTO 2015 Data Driven - Une définition ? Continuellement améliorer l’ensemble des processus de l’entreprise par l’utilisation quantitative et qualitative de données tout le temps, partout et pour tout.
  9. 9. 9 © OCTO 2015 Une vision d’ensemble essentielle Méthodologies Stratégie Culture Organisation Métier RH Technologies
  10. 10. 10 © OCTO 2015 Culture - L’intuition ou les faits ?
  11. 11. 11 © OCTO 2015 W. Edwards Deming
  12. 12. 12 © OCTO 2015
  13. 13. 13 © OCTO 2015 “  It’s  not  about  being  the  best.   It’s  about  being  be1er  than  you   were  yesterday  ”   Culture - L’amélioration continue
  14. 14. 14 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
  15. 15. 15 © OCTO 2015 Vision d’une entreprise ACTIVITÉS DE SUPPORT Système d’informationRH Stratégie Production Contrôle, risque management Pilotage financier ACTIVITÉS COEUR DE MÉTIER R&D Vente, distribution ACTIVITÉS DE PILOTAGE … Administration … Appros Planification Marke- ting SAV … Achat
  16. 16. 16 © OCTO 2015 Des métriques au service de…
  17. 17. 17 © OCTO 2015 Garbage in, Garbage out
  18. 18. 18 © OCTO 2015 La production de métriques
  19. 19. 19 © OCTO 2015 Dataviz et storytelling
  20. 20. 20 © OCTO 2015 Aller jusqu’au bout Valeur Ad-hoc, Drill downOù est le problème précisément? Combien de fois? Qu’est-ce qui s’est passé? Alerts, monitoring Qu’est ce qu’il se passe? PrévisionQuel budget? Mode- lisation predictive Optimi- sation Pourquoi cela s’est –il passé comme ça? Machine learning Temps Qu’est qu’il pourrait arriver? Quels seraient les impacts ? Quels sont les signaux faibles? Quelles sont les tendances? Quel est le meilleur qui puisse arriver? Analyse statistique Reporting
  21. 21. 21 © OCTO 2015 Vérifier l’usage et la qualité, automatiser la production de métriques Vérifier l’utilisabilité (utilisation & production) Aller au bout de la promesse sur l’utilisation de la donnée avec la datascience notamment Sur le Data Driven actuel
  22. 22. 22 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
  23. 23. 23 © OCTO 2015 Conception de produit SUPPORT IT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
  24. 24. 24 © OCTO 2015 Découvrir simultanément les clients et le produit Produit Client
  25. 25. 25 © OCTO 2015 Learning Fast Build MeasureLearn Idea Data Product
  26. 26. 26 © OCTO 2015 Learning Fast Build MeasureLearn Idea Data Product Vous êtes tous une startup ! THE LEAN STARTUP
  27. 27. 27 © OCTO 2015 Le Minimum Viable Product (MVP) Validation du client Le MVP est la réalisation minimale qui permet à une équipe de collecter sur les clients le maximum d’enseignements validés, et ce avec un minimum d’effort.
  28. 28. 28 © OCTO 2015 Le MVP Zappos Validation du client
  29. 29. 29 Le MVP AXA Validation du client
  30. 30. 30 © OCTO 2015 L’obsession de la mesure Découverte du produit Objectif : apprendre de l’usage et de l’impact de chaque fonctionnalité Hypothèse : Le mobile va générer des usages supérieurs à ceux du web Apprentissage : > 60% des lectures : on investi sur les fonctionnalités de la version mobile <= 60% des lectures : on continue à se concentrer sur la version web Objectif chiffré : •  Le mobile génère 60% des lectures sur la plateforme •  Les utilisateurs sont enthousiastes sur le mobile http://elCurator.net
  31. 31. 31 © OCTO 2015 Amélioration de la connaissance clients SUPPORT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE Marke- ting
  32. 32. 32 © OCTO 2015 Le marketing client - 2 évolutions majeures Le modèle de définition du client majoritairement identitaire n’est plus suffisant Identité Usage ? Relation ? Nom, prénom, adresse, CSP, etc. Comment utilise-t-il mes produits et services ? Quel est son parcours digital ? Avec qui est-il en contact ? Qu’est-ce qui l’influence ? Qui influence-t-il ? Les utilisateurs ont un comportement multicanal Comment enrichir la donnée client identitaire par une vision comportementale multicanale ?
  33. 33. 33 © OCTO 2015 Deux exemples classiques Base des logs web et mobile – Parcours client Analyse prédictives – Potentiel d’achat, risque de désinscription Offres, réductions, publicité Réagir commercialement en temps réel Analyse des centres d’intérêts et des parcours clients
  34. 34. 34 © OCTO 2015 Analyse de « signaux faibles » SUPPORT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
  35. 35. 35 © OCTO 2015 Exemple de prédiction des dépenses de santé Analyse sémantique du domaine de la santé, et exploitation des données web: Google trends, forums spécialisés Prédiction des dépenses en optique grâce aux séries temporelles des signaux faibles sur la toile: nombre de requêtes, nombre de messages Croisement des données client et exogènes
  36. 36. 36 © OCTO 2015 Chacun de vos domaines métier où vous estimez que les actes de vos clients sont influencés par la sphère digitale est candidat à ce type d’étude.
  37. 37. 37 © OCTO 2015 Ressources humaines SUPPORT RH ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
  38. 38. 38 © OCTO 2015 Projet Oxygen @Google Analyse de l’impact du management, et des qualités d’un bon manager Étude d’un an basé sur les évaluations, des sondages et les promotions. Plus de 10,000 observations des comportements de managers au total.
  39. 39. 39 © OCTO 2015 Recrutement @OCTO Facematch crowdsourcés sur les profils LinkedIn du réseau des OCTOs Scoring des profils et détection de leads de recrutement
  40. 40. 40 © OCTO 2013 Taille optimale des équipes de développement http://www.qsm.com/process_improvement_01.html
  41. 41. 41 © OCTO 2015 Gestion du patrimoine SUPPORT IT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
  42. 42. 42 © OCTO 2015 Le problème Features and functions used in a typical system
  43. 43. 43 © OCTO 2015 Application Valeur DetteTCO Valorisation de patrimoine : Valeur – TCO - Dette
  44. 44. 44 © OCTO 2015 Sur quelle application continuer à investir?   Valeur/Dette Quelle application rationaliser?   Valeur/TCO Comment réduire les coûts du SI?   TCO/Dette Pour répondre à ces questions :
  45. 45. 45 © OCTO 2015 Contact Channel FactoriesElectronic Channel Operation and Contract Management CRM Referentials Deliver y Enterprise Management & Control xxx XXXXXX xxx xxx XXX xxx XXX XXX XXX XXX XXX xxx xxxxxx xxxxxx xxx XXX XXX xxx xxx xxx xxx xxx xxx xxx xxx xxx xxx XXXXXX xxx XXX XXX) XXX Valeur TCO Dette Neutre Conséquent Peu endetté Très endetté Marginal
  46. 46. 46 © OCTO 2015 Prédictif IT SUPPORT IT ACTIVITÉS COEUR DE MÉTIER ACTIVITÉS DE PILOTAGE
  47. 47. 47 © OCTO 2015 Prévision de panne Provisionning Identification de comportements anormaux Identification des root causes d’incident… Je le fais déjà non? Oui mais limité par :   Hétérogénéité des plateformes de supervision   Volume de données (pas d’historique) Mieux piloter mon infrastructure
  48. 48. 48 © OCTO 2015 Utilisation des ressources (CPU) – ce que je sais faire Batch processing breakdown
  49. 49. 49 © OCTO 2015 Prévision : utilisation du hardware selon des scénarios business (1) Réalisation d’un modèle Yt^ ≈ 68.6X1,t + 39.8X2,t + 0.31X3,t – 823.9XWE,t + µ^t with µ^t = 0.57µ^t-1 + et, et èN(0,σ²) Modèle expliquant la consommation CPU en fonction du volume d’activité de production manuelle, automatique, le débit de l’usine et les saisonnalités liées au weekend (2) Contrôle de la stabilité structurelle du modèle au fil des nouvelles observations (3) Utilisation du modèle pour simuler l’impact de différents scénarios sur le système IT
  50. 50. 50 © OCTO 2015 Processus de contrôle : detection de comportements anormaux sur des series Détection dynamique de points atypiques dans l’évolution d’une série temporelle (pics d’activité, changements de tendance, de saisonnalités) Méthode déployée sur des variables IT (CPU use, DBtime, temps de réponse…), puis portée à un niveau fonctionnel (activité business)
  51. 51. 51 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
  52. 52. 52 © OCTO 2015 Architecture et technologies
  53. 53. 53 © OCTO 2015 Une révolution technologique en marche Application orientée Flux évènementiel (streaming) Application orientée Transaction (TPS) Application orientée Stockage (IO bound) Application orientée Calculs (CPU bound) NoSQL In- memory Grid - GPU Streaming
  54. 54. 54 © OCTO 2015
  55. 55. 55 © OCTO 2015 La naissance d’un socle Storage Layer Processing Layer Analysis / Exploitation Layer YARN HDFS, Cassandra, MapR, Lustre,… MapReduce Spark Tez… Pig Mahout Hive SolR… YARN ExamplesLayer
  56. 56. 56 © OCTO 2015 Le data lake Stockage non structuré Stockage semi-structuré (NoSQL) Stockage structuré (ex. relationnel) Requêtage interactif Traitements analytiques Traitements de flux Machine Learning Base de données Fichiers bruts Logs applicatifs Données externes, OpenAPI Messages & Evénements DW d’entreprise Système opérationnel Reporting, requêtes Données externes, OpenAPI Messages & Evénements DATALAKE INGESTION PUBLICATION
  57. 57. 57 © OCTO 2015
  58. 58. 58 © OCTO 2015 Big Data VS Small Data Etre Datadriven ce n’est pas processer des Pétas de données Vous n’imaginez pas tout ce que l’on peut faire avec un PC portable et Excel
  59. 59. 59 © OCTO 2015 De nombreuses librairies, de mieux en mieux intégrées, puissantes, et faciles d’utilisation Une démocratisation de l’analytics et de la dataviz
  60. 60. 60 © OCTO 2015 Processus et méthodologie
  61. 61. 61 © OCTO 2015 Cycles   courts Appren@ssage,   améliora@on Mesure   systéma@que NOUVELLES   METHODES
  62. 62. 62 © OCTO 2015 Organisation et capital humain
  63. 63. 63 © OCTO 2015 Désiloter?
  64. 64. 64 © OCTO 2015 Des nouveaux profils? EDW   Hadoop  Datalake   Dev  Hadoop  et   intégra@on  de   données   Data  Scien@sts  et   Data  Engineers   Devops  et  archis   transverses   Applications
  65. 65. 65 © OCTO 2015 Le data scientist
  66. 66. 66 © OCTO 2015 “By  2018,  the  United  States  alone  could  face  a   shortage  of  140,000  to  190,000  people  with  deep   analy@cal  skills     As  well  as  1.5  million  managers  and  analysts  with   the  know-­‐how  to  use  the  analysis  of  big  data  to   make  effec@ve  decisions.”   McKinsey  Global  Ins@tute  –  Mai  2011   Big  data:  The  next  fron@er  for  innova@on,  compe@@on,  and  produc@vity  
  67. 67. 67 © OCTO 2015 L’IT au service de l’entreprise Data Driven Suis-je déjà Data Driven ? Introduction Conclusion : J’y vais demain Agenda : Nouveaux champs d’application
  68. 68. 68 © OCTO 2015 Bâtir une DSI « data-ready » à l'ère digitale… Organisation Méthodes detravail Business Model …C’est travailler sa capacité d’exécution DSI
  69. 69. 69 © OCTO 2015 “SoYware  is  ea@ng  the  world”            Marc  Andreessen   Merci

×