Le design de la donnée : un accélérateur de la prise de décision (1/3)

Bien que la visualisation de cette donnée et son design ne soient pas de nouveaux principes, ces pratiques se sont démocratisées de façon accélérée à tous les niveaux des organisations et au sein de toutes les fonctions.

BearingPoint publie une série de 3 articles autour de l’impact de la visualisation de la donnée (ou dataviz) et comment elle va révolutionner la prise de décisions et le pilotage des entreprises.

Cette série de prise de positions vous permettra :

• de comprendre comment le design de la donnée accélère la prise de décision ;
• d’envisager comment la dataviz va dynamiser vos business reviews ;
• de décider comment adapter votre pilotage de performance dans ce monde en pleine mutation.

Organiser pour donner du sens avant la prise de décision…

Le design de la donnée est un composant de la datavisualisation visant à traiter et à présenter une donnée déjà structurée pour lui donner du sens. Il répond à un besoin grandissant au sein des entreprises. Il s’agit de transformer la banque de données dont elles disposent, et qui sont souvent abstraites (à l’état brut), en un levier décisionnel en rendant cette donnée compréhensible et de qualité. Ce nouvel enjeu redéfinit complètement le rapport des organisations à la donnée et la façon dont nous construisons nos connaissances au quotidien et ce dans plusieurs domaines. 

Maîtriser et comprendre…

D’une part, la visualisation de la donnée a pour principal enjeu de démocratiser l’accès à une connaissance initialement trop complexe et à des détails parfois invisibles à première vue. L’appropriation, l’autonomie et l’implication sont les maîtres mots. En effet, les données doivent pouvoir être facilement appréhendées, manipulées et analysées pour être ensuite clairement communiquées. Toutes ces étapes pourront conférer aux données de base une valeur prédictive permettant d’orienter une prise de décision optimale pour laquelle une erreur d’interprétation peut entraîner des conséquences graves.

On peut prendre l’exemple des infographies trop complexes utilisées par les militaires dans les années 2000 pendant la guerre en Afghanistan. Elles servaient à prendre des décisions qui mettaient en jeu la vie des soldats. La mauvaise interprétation ou compréhension dans des rapports de distance et de spatialisation entre les différents paramètres indiquaient des interdépendances erronées.

… à des fins de vulgarisation et de diffusion

D’autre part, le design de la donnée a pour but premier de simplifier la donnée/l’information structurée et de la rendre plus accessible. En effet, traduire graphiquement un corpus de données reste un réel défi. Pour cela, cette notion se base sur un langage précis, voire savant. Il se doit de respecter l’exactitude des données recueillies, mais également les principes de l’esthétique et l’efficacité cognitive de l’Homme. C’est donc avant tout un travail sur la forme, la taille, la couleur, l’orientation, en faisant apparaître des mécanismes de relations : continuité, similitude, proximité, ordre, proportionnalité. Les modes et techniques de représentations n’ont cessé d’évoluer depuis le 18ème siècle. On peut citer les diagrammes, les pictogrammes, les camemberts, les cartographies, les pictogrammes, etc.

Les données complexes collectées ne sont utiles que si elles permettent une analyse pertinente et relativement fine selon les sujets. En effet, on a vu que rendre visibles les données ne suffit pas à les rendre compréhensibles. Tout le travail réside dans le fait de trouver la meilleure représentation de ces données afin d’en tirer le maximum.

L’émergence du data designer comme acteur central du traitement de la donnée

Aujourd’hui, les entreprises portent une attention particulière aux métiers orientés et spécialisés dans la donnée. Il s’agit plus spécifiquement des métiers de data analyst, data engineer, data architect, data designer. L’engouement pour ces métiers montre que c’est déjà « LE » sujet d’aujourd’hui, mais surtout le sujet de demain, et que le recours à des experts de la donnée devrait s’intensifier dans les années à venir. En effet, d’après une étude d’Atlantic Finance^[1], une forte augmentation des demandes en compétences est à prévoir sur la data science de 93%, le machine learning de 56%, le big data de 50%, et le data visualisation de 44%.

Avec un enjeu socle : dans un premier temps, la modélisation des données, puis leur analyse poussée grâce à l’outil adéquat. L’objectif ? Apporter aux métiers des solutions construites sur des données fiables permettant de répondre aux besoins du client.

Le besoin d’ancrage de cette démarche au sein d’une culture data dans l’entreprise

Toutefois, cette traduction de la donnée en une unité intelligible et vulgarisée n’est pas une condition nécessaire et suffisante pour permettre de l’utiliser comme un véritable levier de prise de décision.

L’instauration et la diffusion d’une « culture data » à travers les différents niveaux de l’organisation peuvent permettre d’établir les fondations nécessaires pour la bonne exploitation d’une donnée désignée. Pour cela, la mise en place d’une « gouvernance data » au sein de l’entreprise peut s’avérer utile. Le Gartner définit cette gouvernance data comme la spécification de droits et d’un cadre de responsabilité pour garantir la bonne utilisation de la donnée dans sa valorisation, sa création et sa consommation. La mise en place d’une telle organisation permet de garantir une meilleure qualité de la donnée et de favoriser son appropriation par les différents niveaux de l’organisation. Cela conduit alors à une meilleure exécution de la stratégie de l’entreprise, dans la mesure où le levier de prise de décision que représente la donnée sera largement diffusé. Afin de personnifier cette gouvernance, la nomination d’un Chief Data Officer (CDO) est un vecteur de diffusion de cette acculturation data. Garant de la collecte, de la transmission des données entre les différentes équipes et de leur intégrité, le CDO est ainsi en première ligne dans la diffusion de cette culture data.

Le choix de l’outil comme facteur de valorisation du design de la donnée et de la mise en place de sa gouvernance

Dès lors que des rôles de data designer sont présents et qu’une véritable gouvernance de la donnée a été mise en place au sein de l’entreprise, le dernier enjeu est de sélectionner le bon outil pour valoriser ce travail de design. Face au choix important d’outils promettant des fonctionnalités d’intelligence décisionnelle couplées à une data visualisation puissante (Qlik Sense, Tableau, Power BI, Board, Spotfire, SAC, Google Data Studio, etc.), un prérequis incontournable est de déterminer l’utilisation qui en sera faite. Cet outil doit permettre à l’utilisateur de s’approprier les données et de construire ses propres restitutions. Il se doit donc d’être adapté aux besoins métiers et d’être compatible avec les différentes sources de données au sein du Système d’Information. Sa fréquence d’utilisation ainsi que la définition (ou non) d’une liste d’indicateurs figés doivent également permettre d’aiguiller le choix d’outil.

Les représentations graphiques retenues doivent présenter une donnée intelligible et autoporteuse, qui permet une analyse et une interprétation plus rapides, conduisant ainsi à une prise de décision accélérée.

---

Contacts :

• Rim Berdai, Business Analyst
• Edern Guillo, Consultant
• Sarah Dureau, Senior Business Consultante
• Ludovic Leclerc, Senior Manager

BearingPoint accompagne de nombreuses entreprises dans leurs démarches de datavisualisation : de la définition des besoins métier jusqu’à la mise en œuvre d’outils de datavisualisation, en passant par la gouvernance ou l’acculturation data, dans le but de décliner des orientations stratégiques en leviers intelligibles de prise de décision. Pour plus d’informations, prenez contact avec nos équipes, elles seront ravies d’échanger avec vous et de vous présenter leurs retours d’expérience.