Les données se sont émancipées jusque dans le langage courant. Peu de réunions, d’échanges, de négociations, de décisions échappent à une utilisation de données. Pour certains métiers, ce n’est pas une découverte (finance, marketing). Mais pour tous, la pression des données ne fait qu’augmenter, jusqu’à devenir une obsession.
Dorénavant, les attentes sont fortes : les données doivent être immédiatement disponibles, interprétables, à jour, consolidables, fiables, vérifiables. Et comme si cela ne suffisait pas, les acteurs métiers sont attendus dans leur capacité à fournir des données à tout un ensemble de dispositifs dont les data sont le carburant : exigences réglementaires, processus transverses, data science, IA.
« Donnez-moi les données » devient la demande numéro un !
- Les data doivent pouvoir sortir des processus métier, parce qu’attendues par un régulateur (de tutelle, législatif, de contrôle, normatif, – BCBS238, Solvency, directive Inspire, Tracfin, CSRD / ESG, la future réglementation européenne du DPP…). Le nombre de demandes réglementaires explose, encouragées par la production exponentielle des données et jamais cette pression n’a été aussi forte.
- Les data doivent également sortir parce qu’utiles à d’autres acteurs de l’entreprise : relation client, fonctions centrales (risques, conformité, gestion … qui n’ont pas attendu pour imposer des protocoles d’alimentation, labélisation, interfaces normalisées – les prémisses des données vues comme produit).
- Les data doivent circuler entre plusieurs domaines métier, au sein d’un écosystème pour assurer un processus de bout en bout, une vision 360°, un travail collaboratif. Où chacun doit s’accorder pour obtenir une bonne fluidité des échanges (éliminer les frictions, les efforts d’intégration : charge de traduction, rejets). A l’exemple de la logistique et du besoin de traçabilité de bout en bout.
Situation d’usage
L’usage en tant que réponses à questions, calculs d’indicateurs, visualisations analytics est continue.
L’exploitation de nouvelles capacités (data science, IA – catégorisation, détection de patterns, prévision, prescription, copilotage) au bénéfice des métiers va promouvoir l’industrialisation de chaînes de préparation de données. L’exploitation de données externes, acquises, récupérées de places de marché (open data) comme produit (documentées -> étiquetées) vont pouvoir être intégrées dans différents environnements (mapping sémantique, appariement avec des données internes, mise au format…) et enrichir ainsi la connaissance et capacité à faire métier.
L’automatisation de processus par les data doit permettre de répondre à des demandes spécifiques, souvent en mode réactif.
En partant des données disponibles, par exploration, essais ou expérimentation, des innovations peuvent émerger.
Sans penser les data comme produit, sans en disposer dans des espaces de publication (data shop par exemple), répondre à toutes ces situations est impossible.
Retrouvez toute l’étude sur les Data Platforms au travers de nos 2 guides :
- La dynamique des Data Platforms : qui pose un certain nombre de constats, d’éléments historiques, fondateurs et structurants.
- Le panorama des Data Platforms : qui explore la dynamique des data platforms au travers de la vision de plus d’une trentaine d’éditeurs du marché.
