TRANSFORMATION DIGITALE 2016

4. Prendre la mesure du digital implique de passer d'un mode "digital expérimental" à un mode "digital à l'échelle" et
de transformer les organisations en profondeur
4. Prendre la mesure du digital implique de passer d'un mode "digital expérimental" à un mode "digital à l'échelle" et
de transformer les organisations en profondeur
Des compétences indispensables
pour l’industrialisation des données
“Avant de mettre en oeuvre des chantiers big data, nous
devons faire des travaux d'inventaire et d'identification
des données actuelles et futures”, décrit ainsi Michael
Aidan, Chief Digital Officer de Danone. “Nous voulons
accroître la capability en central, et laisser la main aux
divisions pour gérer leurs données. L'enjeu, c'est que tout
soit raccordable à un socle commun : nous avons aussi
besoin de compétences de ce côté.”
Les compétences relatives au domaine de la donnée
(data scientists et data architects) doivent ainsi être intégrées
à tous les niveaux, en central et dans les filiales.
“Sur les questions de data science, nous devons allier la
centralisation technique avec l’intégration des compétences
de product owners (type data mining) aux métiers
existants”, affirme Catherine Spindler, Directrice
Marketing de vente-privee.com. Les entreprises misent
ainsi sur le recrutement de spécialistes : “Nous recrutons
des data scientists au niveau Groupe et dans
les entités”, confirme Jérôme Hombourger, Directeur
Général Adjoint,
Développement
et Stratégie Groupe
du Crédit Agricole
Consumer Finance.
Le big data est aussi
intégré aux compétences
traditionnelles,
comme celles
de l’actuariat pour
les assureurs. “En
plus des recrutements,
nos actuaires
montent en compétences sur le digital”, déclare Thomas
Vandeville, Directeur de la Transformation Digitale
de Groupama. “Ils sont en effet habitués à traiter des
données beaucoup plus structurées et homogènes, avec
des volumes beaucoup plus réduits. Nous avons mis en
place pour eux des programmes de formation à la data
science.”
Stockage des données : du SQL aux data lakes
Ces nouvelles compétences gardent un ancrage important
dans la DSI, traditionnellement maître d’œuvre des
bases de données de l’entreprise. “Notre équipe IT a
conçu un entrepôt de données commun sur lequel s’appuient
nos infrastructures big data et BI”, indique Venky
Balakrishnan Iyer, Global Vice President Digital Innovation
de Diageo.
Les technologies de stockage des données ont considérablement
évolué : les bases de données structurées
(type SQL) se prêtent assez mal au stockage de données
dont le format n’est pas prédéfini, qui permettent pourtant
une plus grande créativité dans les traitements big
data. Pour y remédier,
les entreprises
« La maîtrise technique
est achevée, c’est sur
la conformité
réglementaire et la confiance
client que se jouera la bataille »
François Gonczi,
Directeur Numérique d’EDF Commerce
mettent en place des
entrepôts de données
d’un genre nouveau
: les data lakes.
“Nous avons achevé
la mise en place de
notre data lake (basé
sur une technologie
Hadoop)”, se félicite
François Gonczi,
Directeur Numérique
d’EDF Commerce.
“La maîtrise technique est achevée, c'est sur la conformité
réglementaire et la confiance client que se jouera la
bataille.”
La finalité de ces bases de données monumentales n’a
plus rien d’expérimental : elle est très clairement opérationnelle,
visant le temps réel grâce à une accélération
des temps de traitement. “Notre data lake est capable de
traiter 5 ans d'historique en 2h, là où il fallait auparavant
des journées entières”, avance Christophe Leray, Directeur
des Opérations et des Systèmes d'Information du
Interview
CIGREF
Pascal Buffard
Président
Les nouveaux modes d'administration de la donnée
du big data
« On parle beaucoup des nouvelles technologies big
data qui orchestrent le stockage et l'analyse des données
comme par exemple les data lakes. Ce type d’outils a
l’intérêt de constituer aussi un support de management
opérationnel, ce qui n'était pas le cas pour les technologies
précédentes de type entrepôts de données (data
warehouses). Cette nouvelle génération de stockage des
données peut ainsi supporter la fourniture de services en
temps réel. Les DSI doivent investir dans ces nouvelles
plateformes, en les co-construisant aux côtés des métiers,
et en développant leurs compétences. »
•
PMU. L’intérêt, pour les sociétés, est de s’affranchir des
analystes BI qui se prêtent parfois mal au temps réel.
“C'est très intéressant car nous pouvons raisonner à partir
de données réelles, nous n'avons plus besoin de passer
par des agrégats”, poursuit-il.
Cloud vs big data : des données à deux vitesses ?
Mais toutes les données n’ont pas vocation à être stockées
en interne ! S’il y a un véritable enjeu à alimenter les
data lakes en données non structurées pour alimenter les
programmes big data, les entreprises trouvent un intérêt
économique à externaliser dans le Cloud leurs données
de structure plus classique. “Le Cloud est un sujet majeur
pour la DSI, qui concerne aussi les systèmes historiques”,
décrypte Pascal Buffard, Président du CIGREF.
“Le Cloud permet des gains de compétitivité en optimisant
les coûts de l'infrastructure et du stockage des données,
qui deviennent désormais une charge variable au
lieu d’un investissement fixe.”
Le principe se base en effet sur un effet de volume : plus
les clients sont nombreux, plus les prix sont bas du fait de
l’important niveau de mutualisation des coûts. La maintenance
des infrastructures IT s’en voit radicalement
changée : “Ce métier passe désormais par la gestion à
distance à travers des partenariats maîtrisés.” Les revenus
générés par l'activité Cloud d'IBM représentent 10,2
milliards de dollars, en augmentation de 61 % par rapport
à l'année précédente². La tendance à la migration vers
le Cloud est certes lente, mais irrémédiable. Les entreprises
se sont toutes engagées dans cette démarche, pas
toujours pour leur core system, mais pour un nombre
croissant d’applications métier (RH, messagerie, CRM...).
02- Source Résultats 2015 IBM corporation :
www.ibm.com/investor/financials
96
97