41070
RAPPEL 2019
trending_flat Voir l’événement
240
Participants
3598
Taille cible
117
Entreprises
 
Michel GROSBOST
Directeur Général
IMA
IMAGINE DAY ''ENTERPRISE DATA DRIVEN''
Dans de nombreuses entreprises traditionnelles, la donnée était gérée de manière artisanale, comme un simple élément de la chaine de valeur métier, mais sans considération pour sa valeur intrinsèque. Cette vision a été perturbée par deux facteurs :
  • Les digital natives ont porté des modèles « data-driven », offrant des services gratuits en échange d’une donnée personnelle, qui sur un plan statistique est valorisable, voire monétisable. 
    • Dans ces modèles, la donnée étant le cœur de la création de revenus, son exploitabilité est construite « by design » avec la même importance que l’UX du service rendu aux utilisateurs (qui lui permet d’engranger de la donnée)
    • Ces modèles ont été rendus possibles par l’essor de la digitalisation des services, multipliant les traces numériques de chaque individu, l’arrivée du Big Data, permettant de stocker toutes ces données, et le retour de la data science qui assure de nouvelles possibilités d’exploitation de la donnée
  • En parallèle et en réaction à ce premier facteur, la réglementation s’est renforcée sur la gouvernance de la donnée avec en particulier deux axes :
    • Confidentialité de la donnée, notamment avec GDPR
    • La sécurisation des modèles mathématiques, essentiellement concentré dans le passé sur les algorithmes et qui s’étendent à la qualité des données qui alimentent ces modèles

Les entreprises traditionnelles ont réagi en transformant leur stratégie data, en suivant les deux mêmes axes :
  • Stratégie défensive de la data : il s’agit de répondre au plus vite à la demande des régulateurs : nomination d’un CDO, mise en place d’une stratégie data (qui était souvent dispersée dans plusieurs stratégies IT et métier), renforcement de la gouvernance, sécurisation de l’architecture et adaptation aux réglementations
  • Stratégie offensive de la data : identifier les use cases les plus pertinents de valorisation de la donnée interne, monétiser cette donnée, mais aussi profiter des nouvelles sources de données externes proposées grâce à l’open data.

Ces deux stratégies peuvent semble s’opposer :
  • La stratégie défensive peut mobiliser la grande majorité des ressources disponibles compte tenu de la pression des régulateurs
  • La stratégie défensive suit parfois un objectif opposé à la stratégie offensive (protection de la donnée vs. open data)
  • La stratégie offensive doit donc « se contenter des restes » et est souvent ralentie par différents facteurs :
    • Les uses cases n’arrivent pas, car il manque une démarche de culture data et d’animation créative pour identifier ces uses cases (pourtant souvent présentes à d’autres niveau de l’organisation, comme l’innovation participative)
    • Les uses cases identifiés sont difficiles à développer et à industrialiser à cause de la rupture de chaîne entre les différents acteurs clefs :
      • Le bénéficiaire métier du use case, qui ne sait pas ce que permettent les technologies actuelles (en particulier sur la data science)
      • Les data scientists, souvent arrivés récemment dans l’entreprise et donc n’ont pas l’expertise métier
      • Les producteurs de données (IT et métier), pour lesquels ces nouveaux use cases génère des nouvelles contraintes (fraîcheur, qualité, documentation, traçabilité) qui n’étaient pas prévues dans leurs responsabilités d’origine
      • Les équipes IT traditionnelles (Data Engineer), qui ont des difficultés à fournir la donnée de manière rapide et peu couteuse (en mode MVP) tout en respectant leurs différents standards.
    • Le respect des règles internes (normalisation, architecture, data quality, validation de la data protection) ralentissent significativement les projets de création de nouveaux patrimoines de données, ce qui peut les rendre incompatibles avec les exigences d’agilité des use cases (mode MVP).
    • Les projets de création de nouveaux patrimoines de données en respectant toutes les règles internes  sont relative

Et pourtant, il y a beaucoup de sujets communs à ces deux stratégies :
  • Dans les deux cas, il y  a besoin de générer de la « confiance » dans la donnée en améliorant sa normalisation, sa documentation, sa traçabilité et sa qualité
  • Une démarche de data protection peut ralentir la réalisation de use cases innovants au début mais une fois clarifiée et industrialisée, elle devrait en fait être un accélérateur car elle permet de donner des guidelines claires sur ce qui est possible et ce qui ne l’est pas dès la phase d’idéation.
  • La data quality, souvent poussée par la régulation et vue comme un sujet moins noble que la data science est en fait un fort enabler aux use cases métier (c’est un point qui a été remonté par la majorité des tables rondes et des retours d’experience data science au DIMS) mais aussi un générateur d’effiacité opérationnelle (réduction du cout de non qualité, des reconciliations, des erreurs) permettant de réinvestir sur la valorisation de la donée.

Pour que tout cela fonctionne, il faut que l’entreprise se dote d’une stratégie data transversale, qui couvre tous les métiers de la data :
  • Introduire des principes data avec un set de règles minimales et pragmatiques, couvrant à la fois la stratégie offensive et défensive (Data Manifesto par exemple)
  • Rendre ces principes obligatoires à tous les nouveaux projets et remédier progressivement le legacy
  • Trouver une manière de réduire le cout/délai des sujets régaliens comme la normalisation, la data quality, afin d’accélerer les projets

Le groupe de travail IMA (et l’imagine day) couvrirai l’ensemble de ces problématiques et des métiers data (cités plus haut), notamment avec une approche de type : Enterprise data-driven : l’architecture data et la gouvernance data au service de la conformité, de l’efficacité et de la valorisation des données.

L’IMAgine Day: 
- la vraie vie à travers des retours terrains  présentant en toute transparence les difficultés rencontrées et relevées, les techniques mises en oeuvre pour les résoudre, et les enseignements tirés du projets 
la restitution d’un benchmark de maturité pour vous situer par rapport à vos pairs
des pitchs d’acteurs innovants qui ont donné satisfaction à vos pairs
- Des présentations du monde académique
 
Membres du comité de programme:

Fleury MBALA - ERAMET
Arneud LUTELLIER - SNCF
Sasun SAUGY - MINISTERE DES FINANCES
Daniel ANSELLEM - MINISTERE DE L'INTERIEUR
 

L’architecture data et la gouvernance data au service de la conformité, de l’efficacité opérationnelle et de la valorisation des données.


#intelligenceartificielle#bigdata#analytics#predictiveanalytics#blockchain#businessintelligence#cognitivecomputing#algorithmes#datascience

Programme en cours d'élaboration
S’inscrire S’inscrire : Les inscriptions sont closes
Les inscriptions à l'événement sont désormais closes.
Vous pouvez néanmoins suivre l'événement en direct et en totalité à partir de Lundi matin (27/05) 9h via notre livestream directement sur le site de l'IMA.

Il vous suffit pour cela de cliquer sur le lien suivant : Live Stream IMAgine Day 'Journée de la Data Science'

Si vous souhaitez en savoir plus sur nos événements et accéder au prochain IMAgine Day, ou si vous souhaitez faire une demande spécifique pour participer à cet événement exceptionnel, vous pouvez contacter : michel.grosbost@ima-dt.org

N'hésitez pas à nous contacter si vous avez la moindre question, l'IMA est à votre écoute !
L'équipe IMA