Implémenter un modèle circulaire de données en 3 étapes

Implémenter un modèle : idée générale

 

Si vous cherchez à implémenter un modèle circulaire de données dans votre organisation, c’est qu’il n’existe pas encore. Logique. J’enfonce néanmoins cette porte ouverte pour souligner le fait qu’il s’agit alors d’un changement. Implémenter un nouveau modèle circulaire dans l’entreprise relève du management de transition. Les différentes étapes dont je vais vous parler sont donc tirées de mon expérience dans ce domaine, appliqué aux données.

 

Dans toutes transitions, une période plus ou moins longue d’acceptation du changement est nécessaire. Dès lors, rien ne sert de courir, ni de vous précipiter.  Lorsqu’il s’agit de changement, l’adage populaire chinois s’adapte à merveille : ne soyez pas effrayé•e d’avancer lentement, soyez plutôt terrorisé•e de ne pas avancer du tout. Implémenter un modèle prend du temps.

 

Les trois étapes que je vous propose sont à répéter en boucle. Souvenez-vous, il s’agit d’implémenter un modèle circulaire. Je rentrerai dans le détails de ces étapes dans un instant. Cependant, voici le schéma représentatif des étapes que vous devrez suivre pour implémenter un modèle circulaire de données :

 

 

Les étapes à suivre pour implémenter un modèle circulaire de données

Étape 1 : Mobiliser la direction

 

Mon associé m’a appris une expression allemande il y a quelques jours. Elle me semble particulièrement adaptée quand on évoque l’importance de la direction dans les politiques de transition. « Le poisson pourri par la tête« . En d’autres termes, si l’équipe de direction n’est pas impliquée, complètement investie, alors le changement n’aura pas lieu.

 

En effet, ce sont les équipes de direction qui portent le message auprès des collaborateurs, qui montrent l’exemple. Trop souvent, j’ai vu des projets échouer parce que l’ensemble de la direction ne parlait pas d’une seule voix. Je suis sûr que vous avez, vous aussi, déjà eu l’occasion de remarquer cette dissonance. La première étape pour implémenter un modèle circulaire de donnée est donc de mobiliser la direction.

 

 

Étape 2 : Définir les indicateurs

 

Les indicateurs sont une représentation visuelle de l’atteinte effective de vos objectifs. Plus souvent appelé KPI, pour Key Performance Indicator, ils ont pour objet de faciliter la compréhension de l’activité. Les directions sont souvent tentés de créer une flopée d’indicateurs en tous genres. Avec l’explosion de la quantité de données disponibles, c’est compréhensible. Selon moi, c’est une erreur.

En effet, j’ai régulièrement constaté dans mes interventions qu’il existait tellement d’indicateurs, partout, que plus personne ne savait vraiment où donner de la tête. Je me permets donc d’attirer votre attention sur le fait que vos indicateurs doivent être choisis avec soin. Ils doivent être pertinents, concis, et fiables.

 

 

Étape 3 : Fiabiliser les données

 

Les données viennent en bout de chaîne. Pour autant, elles sont essentielles dans les entreprises data-driven. L’exploitation des données est la clef de la performance… à condition qu’elles soient fiables !  J’ai écrit tout un article sur la fiabilité des données que je vous invite à consulter pour davantage d’informations : Vos données sont-elles fiables ?

 

Mais pour résumer l’idée générale, les facteurs qui rendent les données incertaines sont nombreux. En effet, l’omniprésence des données, qui émanent de différents services, parfois en différentes langues et formats, sont autant de points de cassure. C’est pourquoi porter une attention toute particulière à la fiabilité des données de l’organisation me semble crucial pour implémenter un modèle circulaire de données.

 

La mise en place d’un modèle circulaire de données passe donc par trois étapes. La première de ces étapes est la mobilisation de la direction qui prend l’initiative, à bras le corps. Puis, en relation avec les équipes, il est nécessaire de définir les indicateurs à suivre. Enfin, pour que ces indicateurs soient fiables, il est fondamental de s’attacher, tous ensemble, à la fiabilité des données.

—

Photo : Peoplecreations