Vous vous préparez à transformer votre approche de l'analytique ?
Il n'y a pas que vous. Dans une enquête menée par McKinsey, les personnes interrogées ont déclaré que les compétences en analytique des données sont celles qui leur manquent le plus.
Pourtant, la transformation est loin d'être facile. Environ 70 % des projets échouent et, généralement, les projets de transformation numérique ont 45 % de chances de réaliser des bénéfices inférieurs à ceux attendus.
Le manque de compétences en analytique est l'une des principales raisons de ces échecs. Vous envisagez de transformer votre activité, mais vous faites face à un manque de compétences en interne ? Voici ce que vous pouvez faire pour réussir malgré tout.
Analysez votre écart de compétences
Les écarts entre compétences disponibles et compétences nécessaires sont inévitables. 43 % des entreprises sont déjà concernées et 87 % s'attendent à y être confrontées au cours des cinq années à venir.
Commencez par effectuer une analyse de votre écart de compétences, en suivant cette liste :
1. Identifier les compétences qui vous permettront de rester compétitif dans votre secteur, aujourd'hui et demain<br>
Réfléchissez aux compétences dont vous avez besoin aujourd'hui et dont vous aurez besoin dans 5 à 10 ans. Prenez en compte tous les aspects de l'analytique : data science (DS), machine learning (ML) et intelligence artificielle (IA)
2. Recenser les compétences individuelles et collectives dont vous disposez actuellement
Regardez au-delà des titres de poste et des rôles, chaque personne apporte des expériences et des connaissances variées à une équipe. Ensuite, évaluez chaque équipe. Demandez-vous ce dont chaque équipe aurait besoin pour atteindre les objectifs de votre entreprise dans les 5 à 10 ans à venir.
3. Évaluer votre technologie analytique actuelle
En vous basant sur votre analyse des compétences, déterminez la technologie dont vous aurez besoin pour atteindre vos objectifs. Il arrive que les solutions technologiques utilisées par une entreprise exacerbent (ou au contraire comblent) de telles lacunes. Identifiez en quoi vos solutions actuelles vous aident ou vous freinent en matière de compétences, de maîtrise des talents et de recrutement.
Définissez un plan pour corriger les écarts, en phase avec tous les intervenants<br>
Une fois que vous avez identifié ce qu'il vous manque, il est essentiel de définir un plan en phase avec tous les intervenants.
Comme nous l'avons vu, les projets de transformation échouent pour les raisons suivantes :
- Unspoken disagreement among top managers about goals
- A divide between the digital capabilities supporting the pilot and the capabilities available to support scaling it
Pour contrer ces problèmes, travaillez avec votre entreprise pour :
1. Communiquer clairement les objectifs et les résultats des projets de transformation analytique
Quels résultats espérez-vous atteindre et quel est votre calendrier ? Il est préférable de commencer petit, avec un seul projet, mais il est toutefois important d'avoir un plan à long terme pour garantir le succès de votre transformation. Parmi les objectifs, vous pouvez prévoir d'avoir au moins un membre dans chaque équipe qui sera expérimenté en machine learning, et de mettre en œuvre les meilleures pratiques d'IA explicable.
2. Aligner les objectifs de vos différents services et de vos équipes
Si vous voulez que toutes vos équipes puissent maîtriser l'analyse des données, vous devez mettre en place les formations, les ressources et l'accès à la technologie qui leur permettront d'y parvenir. En clarifiant les résultats escomptés, vous pourrez définir les attentes (et planifier les tâches) des équipes et les data workers.
3. Définir les attentes
Établir des attentes claires vous permettra d'augmenter vos chances de réussite. Ces attentes peuvent inclure la compréhension des concepts de base du machine learning, une participation à 30 minutes de formation par semaine, ou encore le développement d'une stratégie de données orientée sur l'équipe.
Il est important que tout le monde comprenne pourquoi vous mettez en œuvre ces changements et puisse y participer, et, surtout, il est crucial que ces changements permettent à chacun d'évoluer. Ainsi, votre équipe sera plus susceptible d'adopter pleinement ces nouveaux changements.
Choisir une opportunité
Les transformations analytiques échouent généralement pour deux raisons : (1) l'objectif n'est pas suffisamment clair et/ou (2) l'objectif est trop large.
La meilleure approche pour adopter des changements à l'échelle d'une entreprise est de commencer petit et d'avancer progressivement. Votre premier projet peut être tout simplement d'automatiser un processus long, comme la préparation de données ou la création de rapports.
[Découvrez comment l'automatisation d'une seule étape a permis d'aboutir à plus de 1 500 cas d'usage]
La clé est de se concentrer sur une tâche facile à mettre en œuvre, mais chronophage. Vous pourrez ensuite utiliser les gains de temps de cette première opportunité d'automatisation pour étendre votre action à d'autres domaines.
En commençant petit, vous pourrez plus facilement obtenir l'adhésion de tout le monde et définir clairement les attentes, en particulier si votre entreprise manque de compétences en la matière.
Rechercher et identifier des solutions
Une fois que vous avez identifié vos écarts de compétences, aligné vos équipes et identifié une opportunité, vous n'avez plus qu'à trouver la plateforme analytique adaptée pour vous aider.
Voici quelques questions à vous poser sur vos fournisseurs potentiels ou vos solutions actuelles :
La solution est-elle facilement évolutive ?
Examinez comment la solution pourra s'adapter à l'augmentation du nombre d'utilisateurs, de tous niveaux de compétence. Votre plateforme analytique pourra-t-elle proposer de nouveaux services à mesure que votre transformation analytique progressera et que vous comblerez vos lacunes en matière de compétences ?
Par exemple, pourrez-vous l'utiliser à la fois pour gérer des tâches répétitives et pour le machine learning ? Permettra-t-elle de répondre aux besoins des data workers, des responsables et de la direction ?
Facilite-t-elle votre réussite ?
Répondre aux besoins de compétences implique également de combler les lacunes découlant de départs d'employés et d'arrivées de nouvelles recrues. Votre plateforme doit vous permettre d'attirer de nouveaux talents, de les intégrer à l'entreprise et de les garder à mesure qu'ils évoluent professionnellement.
Votre plateforme favorise-t-elle la collaboration ?
Les environnements collaboratifs sont propices au succès, mais avec le passage à des environnements de télétravail, la collaboration est devenue plus difficile.
Votre plateforme doit vous offrir des outils qui facilitent le partage des ressources, indiquent la traçabilité des données et clarifient les processus, et qui fonctionnent sur différents fuseaux horaires.
Conclusion
Mener une transformation analytique tout en faisant face au manque de compétences en interne pose des défis à toutes les entreprises.
Avant de commencer à investir dans des solutions pour relever ces défis, prenez du recul, évaluez la situation, alignez vos équipes et choisissez un cas d'usage chronophage qui génère beaucoup de valeur. Ensuite, donnez à vos équipes les moyens de faire le reste.