Le document examine les défis liés à la transformation digitale et à l'implémentation d'analytique dans les organisations. Il souligne l'importance de l'acceptation, de l'accessibilité, de l'applicabilité et de l'auditabilité dans ce processus, tout en mettant en évidence les difficultés rencontrées par les équipes lors de la collecte et de l'analyse des données. Finalement, il préconise une approche progressive et collaborative pour améliorer l'utilisation des données et regagner la confiance des parties prenantes.

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

3. "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

5. 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

7. 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

9. 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

11. 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

13. 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

15. 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

17. 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

19. 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

21. 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

23. 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

25. 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

27. 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

29. 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

31. 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

33. 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

35. 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

37. 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

39. “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

40. Le manager sachant
concilier l’expérience et
les données ne l’est pas
à l’état naturel mais le
devient
@albangerome

42. Merci!
http://www.albangerome.com
@albangerome

43. 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

44. 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

45. 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

46. 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

47. 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

48. 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