Partie 3 des 5 parties Série sur la stratégie des données d'entreprise, explorant l'importance du leadership et de la responsabilité pour orienter une stratégie globale de données liée aux résultats commerciaux.
Selon Gartner [1945910]. "Une entreprise numérique ne peut exister sans données et analyses". Je suis d'accord et ajouterais à cette liste des "processus de gestion de ces données". Pourquoi? Nous ne créons pas de données uniquement pour créer des données. Nous la produisons pour aider l'entreprise à fonctionner et, pour réussir, une stratégie de données axée sur les résultats doit inclure des processus détaillant la création, la mise à jour et la suppression de données stratégiques (CRUD).
Ces processus CRUD font souvent partie intégrante de un processus commercial plus étendu, tel que les données à caractère personnel utilisées dans la gestion des leads, les données de produit dans la recherche et le développement et les données du fournisseur dans la gestion de la chaîne d'approvisionnement . La manière dont nous les traitons varie en fonction de l'entreprise, de l'objectif commercial, des normes, des données en question et de nombreux autres facteurs
Certains processus peuvent être automatisés via des règles commerciales, tandis que d'autres nécessitent une saisie manuelle. Ils peuvent également être effectués en masse ou au niveau des enregistrements individuels. Quelle que soit l'approche choisie, il est toutefois important que les processus soient aussi simples, automatisés et conviviaux que possible et conçus selon les normes de qualité des données définies par votre organisation.
Dans cette troisième partie d'une série de cinq parties avec mon collègue. Maria Villar, je vais m'attarder sur les processus de cycle de vie des données et leur rôle dans une stratégie de données d'entreprise axée sur les résultats.
Pourquoi les processus liés au cycle de vie des données sont-ils importants?
Les processus nous aident à nous concentrer . Ils rationalisent notre travail. Et ils nous unissent dans un même objectif: faire des processus du cycle de vie des données une composante intégrante d'une stratégie axée sur les résultats.
- Le volume de données et la complexité du paysage augmentent et ne montrent aucun signe de ralentissement. Sans processus, ces volumes peuvent devenir incontrôlables. Et sans niveaux de gestion appropriés, ces grands lacs et entrepôts de données sont inefficaces et se limitent aux données pour le stockage, ce qui ajoute inutilement à la complexité.
- Des processus de données médiocres ou inexistants entraînent souvent une qualité médiocre des données. Si les données sont impropres à l’utilisation, si elles ne respectent pas les normes définies, si elles ne respectent pas les normes définies, cela ne vous aidera pas à atteindre le résultat visé détaillé dans votre stratégie de données. Les processus garantissent que vos données sont utiles, à jour et toujours alignées sur les besoins de votre entreprise.
- De plus en plus de données sont régies par des règles et des règles externes. Avoir un processus CRUD bien rodé facilite la conformité au GDPR et à d'autres réglementations.
- Des processus inefficaces ou compliqués équivalent souvent à de mauvaises données. Inversement, des processus simples et faciles correspondent à une expérience client positive et à des données plus complètes.
Quelles sont les clés du succès?
- Des processus de données simples, faciles à utiliser et rapides sont une évidence. Sans cela, vous pourriez tout aussi bien «emballer». (Voir «pièges» ci-dessous.)
- L'automatisation est tout aussi importante. La possibilité d'utiliser des règles commerciales pour valider les champs de données ou de renseigner automatiquement les champs améliore à la fois la qualité des données et l'ensemble du processus.
- Chaque processus nécessite un propriétaire, un gestionnaire de données. Souvent appelés experts de secteurs d'activité ou experts en données et processus, ces responsables surveillent de près les nuances de qualité des données que d'autres pourraient manquer. Ils connaissent également l'entreprise, quels sont les résultats souhaités et le bon équilibre entre quantité et qualité. Par exemple, lorsqu'il s'agit de Big Data et de tests d'algorithmes d'apprentissage automatique parfois, plus c'est mieux, la qualité moins. Il existe un équilibre et ces experts le comprennent.
Quels sont les "pièges"?
Je ne saurais trop insister sur la nécessité d’une simplification. La plupart des entreprises manquent de compétences internes pour concevoir des processus simples, rendre les données faciles à utiliser et prendre en compte le point de vue des utilisateurs. Et cette simplification ne concerne pas que l’utilisateur final (client, employé, etc.). Il couvre également le processus métier. Vous ne voulez pas que le processus de données soit si lourd en termes de gouvernance qu'il le stoppe.
Comment démarrer?
Comme pour tous les autres éléments d'une stratégie de données d'entreprise axée sur les résultats, si vous Commencez par répondre aux besoins de votre entreprise. Vous êtes à plus de la moitié de votre objectif. À partir de là, développez une carte de processus qui commence au moment de la création des données. Prenons l'exemple de la gestion des leads pour illustrer:
- Le besoin de l'entreprise est de générer des leads dans l'entonnoir des ventes.
- Comment obtenir les leads? Comment puis-je collecter des données auprès des clients potentiels? Quand ces données sont-elles collectées et mises à jour?
- Quelles sont les différentes sources, types de données, normes et exigences à chaque étape?
- Quelles sont les données nécessaires pour une piste exploitable? Nom, adresse, e-mail, secteur d'activité, taille de l'entreprise, emplacement, autre chose
- De quelles règles de validation ai-je besoin pour obtenir des adresses e-mail correctes et d'autres données?
Pour plus d'informations
- Contactez-nous ( Maria pour l'Amérique du Nord et Tina pour aller ailleurs) pour en savoir plus sur une discussion sur la stratégie de données d'entreprise 1: 1.
Et rejoignez notre webinaire «Les voies de l'entreprise intelligente», Mardi 11 juin, avec Phil Carter, analyste en chef chez IDC, et Dan Kearnan et Ginger Gatling de SAP. Inscrivez-vous ici.
Source link