Par Edouard Beaucourt, Directeur Régional France et Europe du Sud,Tableau Software
La mise en place d'un programme analytique efficace se rapproche sensiblement de la création d'une entreprise et exige les mêmes qualités de détermination, de flexibilité et de créativité. Les études s'accordent pour dire que les entreprises doivent capitaliser sur l'analytique. Pourtant, étonnamment, la plupart échouent à le mettre en place. Comment réussir en adoptant le mode de pensée des start-ups ?
En 2020, capitaliser sur l'analytique n'est plus une option : c'est une nécessité. La mise en place d'un programme analytique efficace nécessite désormais d'avoir des qualités proches de celle d'un entrepreneur : créativité, détermination et flexibilité. Alors que les études tendent à être unanimes quant aux bénéfices liés à la mise en place d'un système analytique performant, une grande partie des entreprises échouent dans cette mission. Quelles sont donc les clefs pour réfléchir comme une start-up ?
Une étude de McKinsey menée auprès de 1 000 entreprises avec un chiffre d'affaires supérieur à 1 milliard $ révèle que seuls 8 % d'entre elles ont réussi à mettre en place un programme de Data Analytics performant. En gardant en tête les nombreux défis à relever sur un tel parcours, quelles conclusions peuvent nous enseigner les entreprises qui ont réussi à exploiter l'analytique pour bâtir une approche business efficace ? Pour permettre aux entreprises d'adopter le même état d'esprit qu'une startup, quelle que soit leur taille, voici 5 enseignements clés :
Le changement : un moteur de croissance assuré
La mise en place d'un programme analytique nécessite un leader fort, prêt à relever de nouveaux défis. Cette personne doit être visionnaire et posséder une détermination sans faille. Ces qualités sont indispensables pour aider les collaborateurs à entrevoir le potentiel de l'entreprise et changer les choses. En matière de conduite du changement, c'est l'attitude du dirigeant qui compte. En effet, McKinsey révèle que les entreprises dont les responsables montrent l'exemple à leurs employés en adoptant eux-mêmes les bons comportements et en se dotant des bonnes compétences ont 5 fois plus de chances de réussir.
La première étape consiste à planifier votre réussite en examinant votre situation dans son ensemble et en vous focalisant sur les aspects positifs. Montrez l'exemple, apprenez de votre propre programme et partagez vos découvertes. Enfin, gardez bien à l'esprit que vous conduisez le changement des processus et des mentalités. De telles évolutions prennent du temps, alors soyez patients et persévérants.
Apprendre à tomber pour mieux se relever
Pour une startup, vivre des échecs quand on teste une nouvelle approche et en tirer des leçons est naturel. Cela fait partie du processus itératif. Lorsque vous mettez en place un programme de Data Analytics dans votre organisation, dites-vous bien que vous êtes en train de tester quelque chose de nouveau. Un leader se heurtera à des obstacles à un moment ou à un autre. Mais, en prenant des risques calculés grâce à sa capacité à s'appuyer sur les données, il sera mieux préparé à les surmonter et à redresser la barre. Il évitera ainsi les erreurs coûteuses. Pour réussir, vous devez rester flexible. Par ailleurs, en favorisant une communication fluide avec votre équipe de développement produit, vous encouragez vos utilisateurs produits à vous faire des feedbacks et des suggestions.
Faites comme les start-ups. Dans un premier temps, planifiez le déroulement de votre programme de Data Analytics et définissez des objectifs concrets. Ensuite, testez de nouvelles façons de faire et laissez vos équipes de développement produit tenter de nouvelles approches, elles aussi, pour les aider à apprendre de leurs échecs.
L'importance de bien s'entourer
Identifiez les collaborateurs qui possèdent un esprit pionnier. Ils vous aideront à mettre votre projet de Data Analytics sur les rails. Ces précurseurs seront moteurs car ils sont passionnés par leur travail et s'intéressent à tout ce qui est nouveau. Ces utilisateurs seront les ambassadeurs du Data Analytics auprès de l'ensemble de l'entreprise. Ils pourront ainsi en profiter pour développer leurs compétences. S'entourer d'alliés est plus facile que vous ne le pensez. Une étude de PricewaterhouseCoopers (PwC) sur la technologie en entreprise, menée en 2018 auprès de 12 000 employés révèle que 84 % d'entre eux sont prêts à consacrer jusqu'à deux jours par mois au développement de leurs compétences dans le digital. Il est donc essentiel de choisir les bonnes personnes. Tout le monde n'est pas motivé de la même manière face au changement. Identifiez les employés qui sont disposés à sauter le pas. Une fois que vous disposez d'un nombre suffisant de collaborateurs acquis à votre cause, communiquez sur vos résultats pour encourager les autres à rejoindre le mouvement. L'avenir appartient aux innovateurs. Présentez les résultats rapides obtenus afin de démontrer le potentiel de votre programme et accélérer le rythme.
Devenir créatif pour exploiter son véritable potentiel
La vocation d'une startup est de lancer un produit nouveau qui vient révolutionner des usages existants avec une approche plus efficace. Pour apporter des façons de penser et de faire différentes, elle doit faire preuve de créativité. En matière de Data Analytics, qu'est-ce qui peut donc bien constituer un obstacle à la créativité ? Les données qui restent cloisonnées. Dans un environnement BI (Business Intelligence) traditionnel, seule une poignée de personnes ont accès aux données. Lorsque vous en démocratisez l'accès, vous encouragez vos utilisateurs à présenter leurs insights et à faire des découvertes totalement inédites. Vous passerez ainsi moins de temps à les convaincre et vous vous investirez davantage dans l'innovation. A ce titre, n'hésitez pas à favoriser la créativité.
Lancez par exemple un programme de Data Analytics en proposant des points précis à explorer. Attachez-vous ensuite à confirmer ou infirmer chacun de ces points. Réfléchissez également à la manière dont vos découvertes peuvent être appliquées à d'autres groupes. Vos données vous permettent de gagner du temps, de faire des économies et de mieux répondre aux attentes de vos clients.
La prise de risque est essentielle pour générer de nouvelles opportunités
Mettre en œuvre un programme de Data Analytics revient à prendre un risque calculé : vous testez quelque chose de nouveau, qui peut potentiellement révolutionner vos activités. À mesure que vous gagnez en expérience pour analyser les données, apporter des modifications nécessaires et surveiller les résultats, les données deviennent le langage universel qui rend possible votre nouvelle approche. L'étude Risk in Review de PricewaterhouseCooper menée en 2019 révèle que les plus grands leaders en matière de prise de risques sont ceux qui adhèrent très tôt aux initiatives digitales. Ils révolutionnent leurs opérations en tirant parti des fonctions Data-driven, en découvrant des insights rapidement et en utilisant des cohortes pour déterminer les problèmes potentiels. N'hésitez pas à mettre vos utilisateurs en confiance pour les inciter à prendre des risques et à explorer leurs données. Par ailleurs, exploitez les découvertes que vous réalisez grâce à ces dernières.
À mesure que votre programme de Data Analytics se développe, définissez bien les rôles et responsabilités des uns et des autres pour éviter les problèmes. Célébrez les résultats positifs obtenus et félicitez les utilisateurs à l'origine de ces succès. Enfin, à l'image des start-ups qui réussissent en planifiant et en testant de nouvelles approches avec enthousiasme, envisagez votre programme de Data Analytics de manière à booster l'utilisation des données dans l'ensemble de votre entreprise. Bienvenue dans le monde du Data Analytics !
...
Edouard Beaucourt a rejoint Tableau en 2013 en tant que directeur commercial Grandes entreprises. Depuis 2015, il occupe le poste de Directeur Régional France et Europe du Sud et est à la tête du bureau de Paris. Auparavant, il occupait le poste de responsable commercial territorial du secteur des outils d'analyses professionnels chez IBM. Il a également travaillé au service commercial de Clarity Systems, Microsoft et Hyperion Solutions.