Stratégie (Big) data : deux approches coexistent actuellement Parmi les entreprises interrogées pour notre étude et celles b) Le modèle « Top-down » auprès desquelles nos sommes intervenus récemment, Ce modèle repose sur la définition d’une stratégie Big data nous observons deux tendances principales en matière et d’une feuille de route avec des offres allant jusqu’à la d’élaboration d’une stratégie de données clients : le modèle monétisation de la data, des pistes pour mieux exploiter Bottom-up et le modèle Top-down. les data internes ainsi qu’un programme d’enrichissement a) Le modèle « Bottom-up » externe du patrimoine data de l’entreprise. Son objectif est double : lancer des projets au niveau Dans ce cas, conscient de l’effet Big data et convaincu de la opérationnel afin de valider les avancées et les bénéfices valeur future, le management soutient la démarche et insuffle potentiels à en tirer, sachant que les projets sont issus de une transversalité, incitant les métiers à travailler ensemble l’analyse du champ des possibilités offertes par le Big data. sur la data. Ce modèle « test & learn » a un triple avantage : des résultats Revers de la démarche « (Big) data-oriented » : des délais de d’impacts concrets sur la société, un effet d’apprentissage sur mise en place et de retours sur investissements relativement les équipes et le lancement de plusieurs projets en parallèle. longs. Dans une telle démarche, il se peut qu’il n’y ait toujours Il a cependant ses limites. L’absence d’indicateurs de pas d’actions enclenchées quelques mois après le lancement performance peinera à convaincre le management de l’effet du projet. Par ailleurs, les potentiels (phase « PoV » ) Big data et de l’utilité du projet. Ce à quoi s’ajoutent l’absence identifiés peuvent être tellement nombreux qu’il n’est pas aisé de fil conducteur commun, qui entraîne une dispersion des d’anticiper et d’arbitrer parmi les projets data à lancer • En savoir plus p. 31 projets, un manque de regard externe sur les projets, et (PoC). un défaut d’investissement et de moyens qui limitent les possibilités. Dans cette approche, les entreprises sont équipées d’outils spécifiques, en particulier de data visualisation. Elles cherchent à répondre à des problématiques spécifiques (ex. : en mode agile) mais ne disposent pas forcément de l’architecture permettant le temps réel et les problèmes liés au silotage demeurent la plupart du temps. Quelle maturité dans l'exploitation des données clients ? | 29