Alors ne nous méprenons pas, chez DATANALYSIS nous sommes de vrais DATA enthousiastes et nous vous aiderons à créer les meilleures solutions pour votre organisation et votre équipe ! Aujourd’hui, nous allons parler d’un écueil en particulier auquel vous pouvez faire face à toute étape de votre projet d’analyse de données : la « surrogation » ! (Surprise, nous ne parlerons pas cette fois-ci de biais cognitif ou de visualisations trompeuses ; chaque chose en son temps…).  

La « surroga-quoi » ??

Il s’agit d’un anglicisme, introduit en 2012, dérivé du verbe « To surrogate » (qui signifie « se substituer ») et qui indique la tendance à remplacer la stratégie par…des indicateurs. Il s’agit d’une pratique malheureusement assez répandue et qui peut être évitée en mettant en œuvre les outils de la gouvernance et de l’approche DATA DRIVEN que nous décrivons dans nos différents articles.

N’hésitez pas à aller checker ça si vous n’êtes pas encore à jour !

Toujours un peu obscur ? Voyons ensemble un exemple de « surrogation » :

Au milieu des années 2010, la grande banque américaine Wells Fargo a été prise dans un scandale majeur lorsque les autorités se sont rendu compte (et ont sanctionné) l’ouverture de 3,5 millions de comptes de dépôts et de cartes de crédits réalisées sans le consentement des clients. Cette pratique frauduleuse a été mise en œuvre par les salariés de la banque dans le cadre de la « stratégie de ventes croisées ».

Concrètement, un programme de rémunération incitative mise en place pour améliorer les ventes croisées (« 8 is great », l’objectif étant de vendre 8 produits de la banque à chaque client) a été à l’origine des dérives et des problèmes de la Wells Fargo et a été soutenu par le système de mesure mise en œuvre pour évaluer le déploiement de cette stratégie. Dès lors que la banque a décidé de suivre activement les chiffres quotidiens des ventes croisées, les salariés se sont efforcés logiquement de maximiser leur score personnel pour obtenir les meilleures primes possibles. Evidemment, comme l’histoire nous l’a appris : sans se soucier des règles à suivre.

Outre le coût exorbitant des sanctions, les remboursements réalisés auprès de clients lésés, cela a terni l’image de l’entreprise et sa réputation pendant de très longues années et la confiance n’a pu être rétablie qu’au prix de lourds efforts et d’importants changements.

Toutes les situations de « surrogation » ne résultent pas toujours sur des scénarios aussi graves et catastrophiques. Si vous attendez d’obtenir le nouveau superbe dashboard de vos consultants avant de définir votre politique commerciale, alors vous êtes dans ce cas !

Avant toute chose, ne jetez pas tous vos indicateurs à la poubelle. Ils sont utiles lorsqu’ils sont utilisés à bon escient ! Ce qui est important ici, c’est d’évoquer l’importance d’une stratégie d’entreprise clairement définie et assimilée par tous les membres de l’organisation ; et d’aligner la stratégie DATA avec cette stratégie d’entreprise.

Daniel Kahneman, Prix Nobel d’Economie, indique qu’il existe 3 conditions pour que la « surrogation » opère :

1. La stratégie est définie en des termes abstraits
2. L’indicateur de mesure de la stratégie est concret et visible (et incitatif comme dans l’exemple de la Wells Fargo)
3. L’indicateur étant plus simple à comprendre que la stratégie globale, les membres de l’organisation préfèrent se référer au premier qu’au second.

Dès lors que l’on sait ce qui peut déclencher cette problématique, il suffit de travailler sur chacune de ces sources potentielles pour que le piège disparaisse.

En tout premier lieu, il s’agit de rendre la stratégie de l’entreprise lisible et claire pour toutes les parties prenantes. Il ne s’agit pas de multiplier uniquement les sessions d’informations et les ateliers de présentation mais d’associer au maximum les responsables de son exécution à sa définition.

Pour éviter que l’indicateur soit le graal à atteindre par les employés, il est également nécessaire de limiter le lien entre celui-ci et les incitations. En effet, un indicateur aussi bien construit et défini soit il n’est que le reflet imparfait d’une réalité. Le simple fait de le mettre en lumière peut ainsi le faire varier positivement ou négativement.

Une définition plus claire de la stratégie d’entreprise permettra alors de définir plusieurs critères de succès permettant l’élaboration d’une série d’objectifs qualitatifs et quantitatifs, sur différentes temporalités et qui permettront de mieux suivre l’exécution de la stratégie (et limitera automatiquement la mise en œuvre de méthode de contournement par les employés).

On a pu voir dans les articles précédents que le succès d’un projet analytique ne découle pas uniquement des performances technologiques des solutions mises en œuvre mais s’appuie sur la capacité de tous les membres de l’organisation à les utiliser pleinement afin d’atteindre LES objectifs stratégiques de l’organisation.

Remplacer la stratégie par des indicateurs ne rendra pas la plateforme analytique caduque. En effet, celle-ci fournira les résultats des dits indicateurs. Mais celle-ci ne permettra pas la génération de valeur ajoutée et pourra parfois, comme le cas de la Wells Fargo l’a démontré, être la source de sérieuse déconvenue pour celle-ci.

Il est donc crucial de se doter des bonnes méthodologies de travail pour profiter pleinement du potentiel de ses données, pour développer les bonnes solutions techniques, et doter vos équipes des atouts et des clés pour qu’elles puissent les utiliser dans le long terme et dans le cadre de votre stratégie d’entreprise. Notre offre DATA GOVERNANCE est là pour vous accompagner dans toutes les étapes de vos projets d’analyse de données.

Dans le prochain épisode, nous conclurons cette série avec un livre blanc : « L’analytique en self-service, le graal d’une organisation DATA-DRIVEN».

Lors du premier épisode de cette mini-série, nous avons vu les avantages concurrentiels des organisations DATA DRIVEN dans une période complexe et incertaine comme celle que nous vivons actuellement.

Mais, qu’est ce qui caractérise une entreprise DATA-DRIVEN ?

Après avoir défini ce terme et nous allons vous partager quelques questions que vous pouvez vous poser pour savoir si votre organisation/votre équipe profitent pleinement du nouveau pétrole de l’économie.

Être DATA DRIVEN cela veut dire qu’au sein d’une organisation les données sont utilisées ACTIVEMENT, par tous, tous les jours et pour répondre à la majorité des questions opérationnelles et stratégiques qui peuvent être posées pour découvrir de nouvelles informations et prendre des décisions. Cela implique donc d’avoir les outils, les compétences, les processus et les rôles qui permettent à tous de naviguer dans les données sans idées préconçues pour générer de nouvelles informations éclairées.

1. Ceux qui ont besoin d’utiliser les données dans leur tâche pour prendre de meilleures décisions peuvent le faire par eux-mêmes en ayant accès aux bonnes données et aux bons outils
2. Les outils mis à disposition doivent être suffisamment simples et ergonomiques pour permettre des usages adaptés au rôle, profil et niveau de compétences des opérateurs métiers
3. C’est par l’exploration et l’analyse des données que l’on identifie les bonnes informations et les bonnes décisions à prendre, même si cela peut être parfois contre-intuitif
4. Les informations générées peuvent être communiquées rapidement et simplement aux managements et aux autres parties prenantes
5. L’organisation des équipes permet un fonctionnement agile et l’utilisation quotidienne des outils analytiques
6. De nouvelles données peuvent être rendues simplement accessibles pour valider leur intérêt, réaliser des analyses et des études, en attendant qu’elles soient intégrées à une plateforme transverse sur leur intérêt est confirmé.

Ce type de fonctionnement s’oppose aux organisations qui travaillent de manière empirique : j’ai une hypothèse sur mon activité, mon environnement, mes clients et j’espère trouver une réponse dans les rapports qui me sont fournis de façon hebdomadaire et mensuelle. Le cas échéant, je peux demander à une équipe dédiée de créer un nouveau reporting pour tenter d’affirmer ou d’infirmer mes hypothèses.

1. L’organisation des équipes est très verticale. L’accès aux données (souvent limité par les compétences techniques nécessaires) se concentre au niveau d’un seul service ; centre de compétence BI, DSI etc.
2. Les opérateurs métiers doivent donc définir des hypothèses avant de soumettre une demande de création d’un rapport adapté pour vérifier la validité de celles-ci ; et attendre la construction de la solution pour commencer à prendre des décisions
3. Les équipes analytiques recevant des demandes de toutes parts, les temps de réponses sont souvent très longs et les problématiques métiers deviennent obsolètes au moment où les développements sont achevés
4. Les équipes opérationnelles développent des solutions de contournement pour trouver des réponses à leur problématiques (souvent par l’entremise de rapports manuellement générés sous Excel)
5. La mise à disposition de nouvelles données pour répondre aux questions sur de nouveaux périmètres demande de passer par un processus lent, lourd et complexe de validation et de développement avant d’être enfin effectif.

Votre équipe / votre entreprise utilise-t-elle les données de la manière la plus efficiente ? Rassurez-vous, cela ne nécessite pas (obligatoirement) de forts investissements dans de nouvelles technologies. Il s’agit d’avoir une organisation adaptée, des équipes aculturées aux données et des processus afin de prendre des décisions éclairées dès qu’une information pertinente est générée.

1.Vous menez vos réunions avec vos équipes, votre management en argumentant vos décisions majoritairement par des exemples issus de votre entourage proche ou d’informations récoltées dans des publications extérieures à votre organisation?

• Votre approche est donc plutôt empirique. En effet, si votre cousine est fan d’un certains types de produits ou que vous avez vu un article (même d’une source de référence) décrivant le comportement des millénials dans certaines circonstances, cela ne veut pas dire qu’il s’agit d’éléments valides au regard de l’activité de votre organisation. Il est même possible que parfois ce type d’exemple ou d’anecdote ne soit pas du tout représentatif de votre marché, de votre public ou de votre environnement.

2. Vos services marketing, financiers, ventes, logistiques ne communiquent pas les données relatives à leurs activités entre eux ?

• Malheureusement vous êtes face à des silos organisationnels et cela est clairement un des signes attestant que votre organisation n’est pas DATA DRIVEN. Être DATA DRIVEN cela implique (dans le respect de certaines règles d’accès et de sécurité bien entendu) de partager les informations entre les services pour avoir toutes les cartes en main et prendre ainsi les meilleures décisions possibles.

3. Une majorité de vos employés sont capables d’accéder aux bonnes données et de faire les analyses qui sont nécessaires à leur travail ; par exemple :

• Le responsable d’un rayon saura à tout moment explorer les données pour vérifier quels sont les produits les mieux vendus pour chaque catégorie dont il a la charge et ainsi réorganiser son espace commercial
• Un directeur de magasin pourra déclencher une promotion pour augmenter le trafic dans son magasin en accédant simplement à une analyse des horaires de ventes et des meilleures actions commerciales à mettre en œuvre pour augmenter la fréquence d’achat

Si vous êtes dans cette situation ou proche de celle-ci, bravo ! Votre organisation est probablement DATA DRIVEN. Vos équipes à tous les niveaux de l’organisation sont capables de travailler efficacement avec les données nécessaires à la prise de décision.

Ainsi, on dit qu’une organisation est DATA DRIVEN si elle s’est dotée des outils, des processus, des rôles qui lui permettent de prendre les bonnes décisions, rapidement, sans à priori ou hypothèses préconstruites. Ces décisions s’appuient sur l’environnement réel (contraintes, partenaires, clients, etc.) de l’organisation et permettent donc un meilleur retour sur investissement comparativement à des méthodologies empiriques.

L’épisode 3 portera sur une notion d’engagement, et pas des moindres :

« Comment engager ses clients grâce aux données en des temps incertains ? »