La Transformation Digitale : Filtre De Sélection Naturelle

Comment entamer sa transformation digitale ? Une question que beaucoup d’entreprises se posent. La donnée est devenue le nouveau pétrole, avec sa ruée vers les ressources enfouies au fond des silos et des applications, ses fuites aux conséquences néfastes, ses règles d’approvisionnement, ses prospecteurs spécialisés… et ses déboires économiques. Et dans les faits, c’est effectivement ce grand mouvement qui nourrit toute la transformation digitale.  

La personnalisation des parcours clients, les nouvelles expériences, la rapidité de traitement, le ciblage et la fidélisation sont des facteurs de compétitivité indispensables. Savoir traiter ces informations est un filtre de sélection naturelle puissant. D’ailleurs, faute de savoir s’adapter, 52 des entreprises présentes dans le classement du Fortune 500 ont disparu… non pas du classement, mais disparu tout court ! 

Partager la culture de la donnée à tous les niveaux 

Aussi, il est indispensable de se préparer correctement à la Quatrième Révolution Industrielle qui est celle des données. Les principaux défis relatifs à cette transformation digitale sont plutôt une question de culture d’entreprise : comment inculquer une culture de la donnée chez les collaborateurs à tous les niveaux ? Car il va bien falloir faire appel à toutes les strates pour aller chercher les données enfouies dans différents silos hérités de l’histoire de l’entreprise, dans des services cloud déployés au fur et à mesure. Il va falloir s’assurer de leur interopérabilité afin d’en tirer des analyses fiables, qu’il s’agisse de format ou simplement d’unités. Et quoi qu’il arrive, il faudra faire face à des ralentissements liés aux structures mêmes des données : sont-elles accessibles immédiatement où liées à des remontées périodiques (par exemple des reportings hebdomadaires), sont-elles fiables ou faut-il attendre une validation ? 

Faire rimer sécurité et conformité avec agilité 

Certaines données ne doivent pas tomber entre de mauvaises mains, évidemment, et le RGPD a obligé un grand nombre d’entreprises à se poser des questions de fond tout en mettant en œuvre des processus de sécurité stricts dans les opérations productives. En revanche, il reste une zone à risques mal circonscrite : les tests et les développements. Les méthodes agiles et le DevOps impliquent de nombreux flux croisés, en parallèles, avec des accès aux mêmes données au même moment. Cette zone est traditionnellement moins bien protégée pour ne pas ralentir les équipes, elle a de plus un périmètre large qui constitue une cible de choix. 

Aussi, par précaution, la tentation est d’adopter une politique stricte pour toutes les données, qu’elles soient sensibles ou non, productives ou non, et c’est alors l’innovation qui en pâtit. Une classification segmentée des données en amont permet d’attribuer des niveaux de sécurité à chaque type de données. On peut alors laisser la donnée non-critique circuler librement, et se montrer beaucoup plus strict avec les données de transaction, par exemple en l’anonymisant. 

Etablir des règles de gouvernance 

La donnée ne vit pas seule, ni sans contexte. Il est indispensable de fixer un cadre global : qui accède à quelles données, quand, où, pour combien de temps, pour en faire quoi ? Il est évident que les fonctions d’audit et de reporting ont un rôle majeur car elles manipulent une grande quantité de données et qu’elles sont garantes de leur fiabilité et vérifiabilité.  

Pour en arriver au cadre global, il faut déjà avoir cartographié l’état des données existantes et des processus de collecte, de traitement et d’accès. On peut alors envisager un contrôle centralisé des données, avec mise à jour des nouvelles politiques de données dans les workflows. 

La qualité des données avant tout 

Il y a pire que de ne pas avoir de données à exploiter, ou pas assez. Travailler et prendre des décisions sur la base de données erronées ne peut pas amener de résultats positifs. Et le problème est ardu car des données fausses intégrées à un moment à endroit se promènent dans tout l’historique, depuis de vieux tableurs jusqu’à des modèles de machine learning sans qu’on puisse les détecter toutes ni les extirper de tous les lieux. Les versions non concordantes d’une même donnée sont également un problème de taille car on se trouve alors travailler sur des informations obsolètes datant de quelques mois, par exemple. Attribuer un possesseur à chaque donnée responsabilise chacun sur la qualité, et toute la chaîne s’en trouve fiabilisée d’un coup.  

L’accès agile aux données : DataOps et DevOps 

Une base de données peut nécessiter un stockage conséquent, or si différentes équipes de développeurs doivent travailler sur celle-ci, cela multiplie le stockage d’autant ce qui a un coût. Heureusement, la virtualisation permet des gains d’espace conséquents sans rallonger le temps d’accès, et surtout un travail synchronisé et toujours à jour. 

Grâce au DevOps, il est devenu très facile de générer, assembler, tester et déployer du code. Ce qui pêche alors, c’est l’approvisionnement en données à traiter. Si l’on propose une plateforme DataOps en libre-service permettant l’intégration continue et la livraison continue de données, avec un contrôle centralisé et le masquage durant la visualisation, alors le travail devient fluide sans sacrifier les questions de conformité et de sécurité. 

L’intelligence artificielle, la clé du data management de demain ? 

Indéniablement, le machine learning et l’intelligence artificielle vont devenir des moyens d’optimiser les processus pour répondre aux besoins des différents marchés. Or l’IA et le machine learning nécessitent énormément de données, les entreprises qui veulent donc miser sur ces deux technologies doivent imbriquer des politiques saines et encadrées de donnée tout en automatisant les tâches, en se garantissant la capacité à évoluer en fonction des besoins liés à la sécurité, la conformité et la culture de l’entreprise.  

Être une « data company », c’est un effort profond, permanent, global, et continu. Plus qu’un titre de fierté, ce sont des défis importants techniques, humains et culturels, qu’une entreprise doit surmonter pour rester innovante. Une transformation digitale nécessaire.

Par Sanjeev Sharma, Vice-President, Global Practice Director chez Delphix