10 étapes pour passer d'une stratégie intuitive à une stratégie prédictive

Par Jean-Baptiste Bouzige, Président et co-fondateur d'Ekimetrics

Dans les corporations, le système traditionnel tend à favoriser l'expérience, les conventions métiers, les usages, les habitudes. Parfois même les réflexes politiques, aux dépens de l'efficacité de la prise de décision. La culture analytique vient défier ces mécaniques en apportant plus de pragmatisme, et en quantifiant ce qui ne l'a jamais été. Un véritable choc des cultures, qui s'opère entre le vieux et le nouveau monde car remettre en question les certitudes, les avis d'expert et les habitudes historiques peut être un challenge pour les dirigeants. Mais le jeu en vaut la chandelle, tant la systématisation d'une approche data-driven permet d'ouvrir de nouveaux champs d'innovation, et d'aller vers une amélioration significative de la performance.

Dix étapes sont déterminantes pour évoluer d'une stratégie intuitive à une stratégie prédictive.

Étape 1 - Clarifier les dispositifs de prise de décision

Lancer un projet data-driven ne signifie pas faire table rase du passé ! Il s'agit d'établir un inventaire détaillé des croyances, bonnes et mauvaises pratiques concernant notamment les prises de décision, les dysfonctionnements, mais également vos ressources et votre savoir-faire.

Cette étape consiste à préparer le terrain pour qu'il devienne vertueux. Toutes les problématiques doivent être répertoriées et analysées afin d'identifier le besoin exact, préciser les objectifs, mettre en place la bonne stratégie et vérifier l'adéquation des ressources.

Étape 2 - Faire converger attentes et stratégie d'entreprise

" Start with the why ", cette règle d'or permet de maintenir le cap en définissant ses besoins et de s'aligner sur les axes majeurs de l'entreprise : améliorer ma profitabilité, rationaliser mes investissements... La stratégie business doit être le fil conducteur à chaque étape, afin d'éviter de se focaliser uniquement sur la technologie ou la data. Ambitions et moyens, mais les métiers et les process doivent également rester synchrones pour garder du sens, tout au long de votre projet.

Étape 3 - Regarder dans le rétro grâce à un socle data solide

Comprendre le passé pour mieux anticiper l'avenir. Cela permet d'identifier les leviers de croissance, comprendre les clés des succès et échecs, de concentrer les efforts pour qu'ils soient optimisés.

Cette étape implique de bâtir un socle data en optimisant la collecte des données et en homogénéisant l'ensemble, en fonction de son objectif : traiter de la data structurée ou non structurée, éparpillée dans l'entreprise, disponible sous des formats hétérogènes. Une responsabilité ingrate, mais qui revêt une importance majeure au moment de garantir la justesse des analyses, la robustesse des recommandations et la minimisation des erreurs. À la clé, la pertinence du chemin choisi, et la gestion des attentes des différents interlocuteurs.

Étape 4 - Identifier les leviers de performance

La data explicative permet de comprendre ce qu'on fait et comment on le fait : parcours client, leviers de croissance, mesure d'impact... L'approche statistique MMM, ou Modélisation du Marketing Mix, utilisée par de nombreux dirigeants Marketing CAC40 et Fortune 500, répond par exemple parfaitement à ces questions. Cette approche permet à la fois de mesurer l'impact des investissements marketing, d'en isoler le ROI, de quantifier les intuitions qui ne l'ont jamais été...

Étape 5 - Apprendre et optimiser en continu

La data n'est qu'un outil d'aide à la décision. Elle ne produit aucune valeur si elle n'est pas accompagnée de flexibilité, de créativité et d'intelligence humaine. Test & learn, itérations, boucles d'apprentissage... il est important d'établir des méthodes et de s'appuyer sur des outils présentant des facultés d'adaptation aux évolutions du contexte, aux exigences et contraintes des clients, à un élargissement de l'offre, au développement de nouveaux marchés... Bref, d'être adaptés au fil du temps.

Étape 6 - Etre dans l'action grâce à des modèles prédictifs

La data prospective se base sur le passé pour mieux comprendre le futur. En vous appuyant sur des méthodes statistiques avancées, machine learning ou AI, on est capable d'anticiper les besoins de ses clients ou équipes, et donc de proposer le bon produit au bon moment.

Sur le prédictif, la data doit être utilisée comme un juge de paix neutre. Elle permet de confirmer ou infirmer ses hypothèses, quantifier les risques, mettre des chiffres là où il n'y en a jamais eu, lutter contre la résignation (" on ne le saura jamais "). Là où certains parlent de storytelling, nous parlons ici d'une mécanique proactive de storymaking.

Étape 7 - Construire un écosystème de mesure clair et partagé

La course à l'équipement technologique peut être néfaste, car elle produit des résultats parfois contradictoires, illisibles, silotés. La multiplication à l'excès d'outils et plateformes finit parfois par ramener les dirigeants à l'intuition pure car les enseignements ne sont plus lisibles. Tout bonnement contre-productif... Eviter l'rreur de " l'outil first " : prendre de la hauteur, mettre en place une vision holistique , toujours centrée client.

Cette règle s'applique aussi aux systèmes de mesures. Chaque département dispose de ses propres indicateurs de performance ; très souvent, ils ne permettent pas de comparaisons pertinentes. Les organisations en silos ne favorisent pas la création de langages communs et de ponts entre métiers. Chacun reste dans sa chapelle. Il faut donc mettre en place un écosystème global et homogène afin de simplifier la lecture de sa performance, et participez ainsi à créer des collaborations vertueuses.

Étape 8 - Mettre en place une organisation au service de la prise de décision

Il faut bousculer les habitudes ! Bâtir une culture data-driven nécessite une adaptation agile des individus et des équipes. Ce changement de paradigme impacte les organisations, ce qui contribue fortement à la complexité de la mise en oeuvre. Contre toute attente il y a une dimension très humaine dans l'appréhension de la donnée, car elle tend à réinventer son métier, ses processus et à rapprocher les équipes, de gré ou de force (IT et marketing par exemple), à confronter les blocages politiques (récupérer de la data dans plusieurs services), à imaginer de nouveaux éléments de langage (entre online et offline par exemple).

Étape 9 - Utiliser la technologie comme facilitateur

Quand on sait quel usage et quel objectif business on poursuit, alors les outils sont des alliés très puissants. Mais si le point d'entrée est l'outil avant la question business alors les déceptions sont au rendez-vous. Il n'y a pas de solution miracle. L'aspect humain, l'accompagnement des métiers, la vision d'entreprise restent déterminants pour prendre les meilleures décisions.

Étape 10 - Nourrir son intuition avec l'analyse des données

La vraie valeur est produite par les synergies entre data et intuition. Il parait risqué de basculer en pilotage automatique en faveur du tout instinct, ou du tout data. Pourquoi ne pas s'appuyer sur un classique 80/20, en sécurisant à 80% la prise de décision grâce à la data, et en gardant 20% d'espace dédié à la créativité ?

Le nouveau rôle du dirigeant consiste désormais à inventer de nouvelles mécaniques de décision, et à favoriser les combinaisons vertueuses : remettre en question des hypothèses historiques via des analyses exploratoires, analyser les signaux faibles, sont la clé d'une démarche business innovante et éclairée.

Au final, les décisions plus éclairées et efficaces résident dans la complémentarité des approches intuitives et data-driven. Mais ce Saint Graal ne peut être atteint sans alphabétisation data. Jouant parfaitement avec la complémentarité des pratiques, la démarche prospective, contrairement aux approches explicatives, sont déjà la preuve d'une maturité data importante. Les organisations doivent entamer cette apprentissage étape par étape.