8 erreurs à éviter dans les stratégies de données

Avec près de 800 sites, RaceTrac gère un volume important de données, dont 260 millions de transactions par an, ainsi que les données des caméras en magasin et des appareils Internet des objets (IoT) intégrés dans les pompes à carburant.

« Ce scénario a conduit au développement de différentes formules, processus et définitions pour la gestion des rapports, au sein de chaque unité commerciale et de chaque département, générant ainsi des conclusions et des informations différentes à partir des mêmes ensembles », ajoute Williams.

Pour briser les silos [in inglese], la société a créé un environnement unifié qui intègre les données entre les systèmes pour les partager au sein de l’entreprise. « La mise en œuvre d’un système de gestion centralisé et l’encouragement de la communication interministérielle joueront un rôle essentiel pour garantir la cohérence et l’accessibilité de données fiables dans l’ensemble de l’entreprise », souligne Williams.

RaceTrac exploite la plateforme Data Intelligence d’Alation pour centraliser les données et fournir des analyses en libre-service aux utilisateurs selon leurs besoins.

Décentraliser les équipes de données

Semblable à la création de silos, la décentralisation des équipes chargées des données peut créer des problèmes pour les organisations et diminuer la valeur.

« Un cadre qui fonctionne avec des données cloisonnées peut être particulièrement problématique pour les entreprises qui tentent de développer et de faire évoluer une stratégie efficace qui génère des résultats commerciaux », reflète Swann de Vanguard. « Il peut plutôt être judicieux de structurer les équipes de manière à ce qu’elles soient centralisées sur le plan organisationnel. [e] physiquement colocalisés, avec des objectifs alignés sur l’entreprise elle-même ».

Cette approche permet de créer un écosystème de données unifié qui permet l’intégration, le partage et la collaboration des données dans toute l’entreprise.

« L’étroite collaboration entre les professionnels des données et l’entreprise fournit également des informations précieuses et continues, affine les processus, crée de l’efficacité et réduit les frictions dans les domaines opérationnels clés », poursuit Swann. « Ce type d’environnement peut également être très enrichissant pour les professionnels des données et de l’analyse. »

Ignorer la gouvernance des données

La gouvernance doit être au cœur de toute stratégie de données. Dans le cas contraire, les conséquences peuvent se traduire par une mauvaise qualité des données, un manque de cohérence et le non-respect des réglementations.

« Le maintien de la qualité et de la cohérence est un obstacle à surmonter en l’absence d’une approche standardisée de la gestion des données », explique Williams. « Avant d’intégrer Alation dans RaceTrac, nous étions confrontés à ces problèmes, ce qui entraînait un manque de confiance dans les données, ainsi que des efforts redondants qui entravaient la prise de décision basée sur les données. »

Selon Williams, les entreprises doivent créer un cadre de gouvernance des données solide, ce qui implique de désigner des responsables, de définir de manière transparente la propriété des données et de mettre en œuvre des lignes directrices concernant leur exactitude, leur accessibilité et leur sécurité.

Le déploiement de plates-formes d’intelligence de données spécifiques pour le traçage des données, la gouvernance et la collaboration « peut garantir que tous les membres de l’entreprise s’appuient sur une source de vérité fiable pour l’analyse et le reporting », souligne Williams.

L’utilisation de données de mauvaise qualité

Les données n’ont vraiment de valeur pour une entreprise que si elles sont exactes ; sinon, ils peuvent conduire à de mauvaises décisions et même compromettre l’expérience client.

Les données « sales » ou de mauvaise qualité constituent le plus gros problème de l’IA, selon Johnson d’Impact Advisor. « L’IA générative en est un excellent exemple », dit-il. « Leurs grands modèles linguistiques contiennent des données médiocres ou sales. La preuve réside dans la production de sources et de faits « inventés » qu’ils citent en réponse aux demandes. »

Les outils de nettoyage des données sont un moyen de résoudre le problème, explique Johnson. « Cependant, le problème se résume à une stratégie bien pensée, avec un modèle de données commun » pour les entités, les attributs, les relations, les types de données, les contraintes, les hiérarchies, etc.

Manque de visibilité sur les données en temps réel

Sans la possibilité d’exploiter les données en temps réel, les entreprises risquent de rater l’occasion de s’adapter à l’évolution de la demande des clients et de leur offrir une meilleure expérience utilisateur.

« Dans un paysage commercial en évolution si rapide, la capacité d’accéder et de comprendre les données en temps réel en temps opportun est essentielle et offre aux entreprises un avantage concurrentiel », a déclaré Williams de RaceTrac.

Sans une vision globale des données organisationnelles, il devient difficile d’en discerner la finalité, de déterminer leur exactitude, d’améliorer leur qualité et d’identifier les redondances, ajoute le responsable. Et cela peut conduire à l’utilisation de données peu fiables, de qualité inférieure ou obsolètes dans la prise de décision.

« Pour transformer des données fiables en une ressource à l’échelle de l’entreprise, ceux qui les utilisent doivent avoir une compréhension approfondie de l’ensemble de leur cycle de vie au sein de l’entreprise », poursuit-il. Après avoir transformé les données RaceTrac, « nous avons optimisé la conformité réglementaire, simplifié l’analyse d’impact et sommes en mesure d’informer rapidement les parties prenantes des modifications des données en amont en temps réel », conclut Williams. « Cela permet aux utilisateurs de prendre des décisions en temps réel et basées sur des données avec une plus grande confiance. »

Négliger les horizons alternatifs en matière d’acquisition de talents

Les entreprises ont besoin de professionnels ayant une expérience en matière de données, et pour pourvoir des postes qui aident à exécuter des stratégies de données, il peut être approprié d’élargir le bassin de candidats.

« Les entreprises qui limitent leur recherche de talents en matière de données et d’analyse à ceux qui possèdent une vaste expérience en codage ou en programmation peuvent avoir du mal à élaborer une stratégie de données efficace », explique Swann de Vanguard.

« Des équipes diversifiées sont associées à une plus grande innovation, à une prise de décision plus éclairée, à une plus grande marge de résolution des problèmes et à une meilleure compréhension des besoins et des préférences des clients », explique Swann. « Pour cette raison, une approche universelle des talents en matière de données et d’analyse peut entraver la collaboration, la diversité de pensée et l’augmentation des performances. »

Vanguard embauche des personnes de tous horizons pour son bureau principal des données et des analyses, dont certaines ont étudié les mathématiques, l’anglais et les affaires à un niveau élevé, conclut Swann.