Organiser le passage à l’échelle du self-service Business Intelligence : une décentralisation à maîtriser

Depuis l’avènement des outils de self-service BI, la démocratisation de la donnée malmène les organisations métier et IT traditionnelles. L’accessibilité aux métiers ne doit pas contrarier la maîtrise des données structurantes et la sécurité des systèmes. Un équilibre doit donc se dessiner dans la transformation digitale de cette fonction.
Dans cet article nous reviendrons sur deux formes d’organisation-type observées et essaierons d’initier une réflexion sur 5 enjeux à prendre en compte dans la préparation d’un passage à l’échelle.

Une équipe centralisée, moteur d’une transformation

Centralisation des travaux de BI au sein d’une même équipe dédiée à l’image d’un centre de service

Souvent présente dans des entités « fonctions transverses » type « pilotage de la performance », « digital » ou « data », elle pourrait être comparée à la copie métier des équipes BI traditionnelles utilisant des outils en self-service

Une organisation transversale et décentralisée

Décentralisation des travaux auprès de « référents » data

Une organisation décentralisée avec des référents data dans chaque entité et un accès libre à des outils de création de rapports

Des organisations complémentaires

Ces deux organisation-types se complètent : l’équipe centralisée est amenée à grandir pour répondre aux demandes croissantes. Elle rencontrera les mêmes difficultés que la BI traditionnelle, un goulot d’étranglement dans la gestion des demandes. Elle reste néanmoins nécessaire dans l’impulsion d’une acculturation, pour porter la dynamique et faire le lien avec les structures traditionnelles. L’organisation doit par la suite trouver des relais au sein d’autres entités pour décentraliser la réalisation de rapport et optimiser l’utilisation des outils de self – service.

La seconde organisation nécessite une maturité data plus importante, une plus grande diffusion de la connaissance data. Un organe central de gouvernance et de communication reste toutefois nécessaire pour incarner les fonctions analytiques et optimiser les usages. Cet organe doit s’appuyer sur l’ensemble des infrastructures disponibles et ne peut se construire sans une relation métier – DSI constructive.

Ces deux organisations types ne sont pas pour autant applicables à tous les contextes : dans les entreprises les plus complexes (internationales ou particulièrement silotées) plusieurs organes centraux seront nécessaires pour accompagner des groupes d’utilisateurs décentralisées.

Elles permettent par contre de mettre en avant cinq enjeux d’une organisation self-service qu’il faut prendre en compte pour concevoir une organisation décentralisée la plus optimale

5 enjeux majeurs

 

1. Mise à disposition et partage des données

Détails

  • Projet commun et transverse
  • Identification et labellisation des données métier
  • Optimisation et accessibilité des infrastructures pour le stockage et le traitement

Il serait illusoire de concevoir une organisation self-service qui n’aurait pas de regard et d’intérêt sur les enjeux des outils qui la structurent

Proposition

  • Mettre en place une gouvernance des données claire et transverse à tous les métiers
  • Optimiser les infrastructures BI selon les besoins data
  • Mettre en place des rôles au sein des organisations (data stewart/référent data, data owner, etc
2. La flexibilité des processus de création de reporting
Détails
  • Tableaux de bord « institutionnels » (données sensibles Adaptation du besoin selon la criticité du projet :
  • ou partagés à un grand nombre de personnes)
  • Tableaux de bord opérationnels
  • Analyses ou tableaux de bord peu sensibles

Proposition

Standardiser la méthodologie et le déroulement des projets de reporting selon une pré-évaluation du besoin
 

3. La gouvernance des projets et du partage de l’information

Détails

  • Besoin important d’organiser les ressources et de gérer les zones de recouvrement des projets
  • Framework de système en arborescence (déclinaison du plan stratégique et méthodes OKR « objectives and Key Result »): dichotomie top down vs bottom up complexe à dépasser

Proposition

Mettre en place un cadre de gouvernance clair mettant en avant les règles de priorisation des projets de reporting (ex : adéquation avec les enjeux de l’entreprise) et favorisant la mutualisation des initiatives
 

4. Les compétences Data

Détails

  • Acculturation data : connaissance de la donnée et du fonctionnement basique des modèles de données
  • Formation des utilisateurs: communautés d’utilisateurs, formation outil, accompagnement projet BI

Proposition

  • Centraliser l’organisation et le suivi des formations (outils, data, etc..)
  • Constituer une communauté et diffuser les bonnes pratiques de l’organisation
     
5. La communication et le sponsorship

Détails

  • Communauté de sachants identifiés et suffisamment engagés pour être des relais au sein de toutes les directions (data steward, référent data)
  • Sponsorship pour la légitimité de l’organisation au sein de structures silotées

Proposition

  • S’appuyer sur un sponsorship fort
  • Clarifier la consommation/le budget nécessaire sur toute l’organisation : formaliser le rôle des relais et leur mission

Conclusion

Le self-service se construit sur les mêmes compétences transverses que la BI traditionnelle : l’organisation doit être pilotée par les besoins métiers et la maturité data et non par des outils, technologies ou structures préétablies. La question centralisée/décentralisée ne devrait donc pas se poser comme finalité car c’est la valorisation du patrimoine de données et la capacité de l’entreprise à l’exploiter au plus près des besoins métier voir clients qui définit l’organisation. Un pas de côté nécessaire vers une organisation data-driven.

170x170_blogger-fanny-paturaud.png
Fanny Paturaud

Consultante au sein d’Orange Consulting, j’accompagne nos clients dans la valorisation de leur patrimoine de données. Structurer l’activité de business intelligence, développer des méthodologies user et data-centric et améliorer la diffusion de la connaissance data dans les organisations sont les thématiques clefs qui m’interrogent et me font progresser au quotidien.