Points à retenir du webinaire : Travailler avec les données

La semaine dernière, Eric Haase a animé le webinaire : Travailler avec les données. Vous l'avez raté ? Pas de soucis, voici comment tirer le meilleur parti des données de votre organisation.

Nous parlons beaucoup de l'évolution technologique et des changements rapides qui l'accompagnent. Les modèles commerciaux changent d'année en année, et peut-être même de trimestre en trimestre, pour suivre les changements et, bien sûr, pour rester compétitifs. Et donc pertinent.

L'évolution rapide des progrès technologiques entraîne une quantité toujours croissante de données. Cela est disponible pour toutes les organisations et leurs employés.

Des compétences de nouvelle génération

Si l'on considère l'environnement macroéconomique, de nombreuses données circulent : mégadonnées, intelligence artificielle, robotique. Bref, l'innovation s'accélère à grande vitesse. Même volatil. Nous sommes confrontés à un paysage en constante évolution.

Voici, par exemple, ce qui se passe en une minute en ligne :

Visual Capitalist 2018

Pour faire face à cet environnement incertain, volatil et ambigu, nous développons les compétences techniques.

ERIC HAASETweetez

La pérennité de votre organisation dépend du nombre de compétences de nouvelle génération que vous intégrez dès maintenant à vos activités quotidiennes. Lorsque vos employés travailleront dans un environnement en évolution rapide, ils devront acquérir des compétences qui seront toujours pertinentes dans dix à vingt ans. Une combinaison de compétences techniques et générales : puissantes compétences. Des outils qui les aideront à naviguer dans un environnement en constante évolution.

Les données jouent un rôle crucial à cet égard. Parce que les compétences pérennes, celles qui s'avéreront pertinentes dans dix ou vingt ans, sont étroitement liées à la data literacy.

L'importance des données

Pourquoi devons-nous nous concentrer sur les données ? Les participants au webinaire ont noté :

« C'est important pour prendre des décisions » et encore plus nuancé : « Les données sont importantes pour prendre des décisions objectives ».

En outre : « C'est le seul moyen d'effectuer une analyse objective, exempte de tout préjugé » et de fournir des « informations factuelles ».

« En utilisant les données, ce qui est mesuré est géré » et « Mesurer, c'est savoir avec certitude ».

Il semble assez évident que les données peuvent être utilisées pour prendre des décisions, et la maîtrise des données peut signifier que vos décisions sont prises de manière plus objective que celles qui sont basées sur l'intuition.

Les données sont au cœur de tout ce que nous faisons. C'est peut-être cette réflexion qui a conduit LinkedIn à devenir un mastodonte mondial de l'engagement professionnel. Je pense que lorsque les décisions sont basées sur des données, l'avenir n'est plus laissé au hasard, mais devient le reflet d'un choix.

JEFF WEINER, ANCIEN PDG DE LINKEDINTweetez

Lorsque vous minimisez la part du « hasard » dans vos décisions commerciales, vous minimisez les risques. Par la suite, il y a également des coûts inutiles, c'est-à-dire qu'il sera moins probable que vous preniez une mauvaise décision.

Usage des données : quels avantages pour vous

Si les données peuvent minimiser la prise de risques de manière significative, les organisations utiliseront bien entendu les données à leur avantage. Il ne s'agit certainement pas d'une nouvelle tendance. Les organisations essaieront d'intégrer l'analyse des données à leur infrastructure, à leur chaîne de valeur et à leurs modèles commerciaux afin de réduire les coûts et d'améliorer les profits.

Tomtom est un bon exemple d'entreprise adaptative. Il est passé de la planification d'itinéraires à la création d'un assistant numérique personnel, d'un logiciel destiné au marché grand public pour devenir le principal fournisseur de données cartographiques et le principal fournisseur de données pour l'application cartographique d'Apple.

Ce que nous voyons ici, c'est une entreprise qui a changé son modèle, passant d'un modèle axé sur les produits à un modèle axé sur les données. TomTom a fait la preuve de beaucoup de force ! Compte tenu de la quantité de données déjà en notre possession, devenir fournisseur de l'une des plus grandes entreprises technologiques du monde était un choix judicieux.

Il est nécessaire de s'adapter à un environnement en évolution rapide. Mais l'historique de l'utilisation des données montre également que les organisations abandonnent leur utilisation en se basant sur le « quoi », c'est-à-dire sur quelles données examinons-nous ? Qué se passe-t-il en ce moment ? − à une prévision « pourquoi » − pourquoi ce changement se produit-il en ce moment.

Analyses prédictives Gartner

Dans le but ultime pour les organisations de s'orienter vers le « comment », quelle est la corrélation entre le « quoi » et le « pourquoi ». Notre exemple TomTom, comme mentionné ci-dessus, n'est pas seulement un acteur adaptatif mais en même temps un fournisseur de données pour l'une des plus grandes entreprises de prédiction : Apple.

Exemple de passage du descriptif au prescriptif :

What : les gens achètent de la crème glacée

Why : il fait chaud, alors les gens achètent de la glace

Commentaire : Comment cartographier les périodes les plus chaudes de l'année et en tirer parti pour vendre encore plus de glaces

Les prévisions sont cruciales, et la forme la plus sophistiquée de data literacy consiste à déterminer le « quoi » et le « pourquoi » du comportement des clients, afin d'en tirer parti en tant qu'organisation. L'utilisation des données est passée d'une approche rétrospective, descriptive, à une utilisation prospective, prescriptive.

Les analyses prescriptives sont extrêmement précieuses, y compris bien entendu au sein des ressources humaines. Car qui préfèrerait travailler avec le recul s'il est également possible de travailler avec prévoyance ? Tu veux savoir pourquoi quelqu'un part. Bien sûr. Mais surtout, vous aimeriez savoir quand (et pourquoi) d'autres employés pourraient également partir.

Vous pouvez utiliser les données pour savoir quand (et pourquoi) un employé présente un risque élevé de départ, et comment vous pouvez prendre des mesures pour empêcher d'autres personnes de partir en raison du même problème.

En bref, vous pouvez utiliser ces données pour obtenir des informations, et grâce à ces informations, former un certain type d'action.

Comment commencer : maîtrisez les bases

Faites le premier pas et créez vos propres idées.

Lorsque nous résumons « travailler avec les données » à l'essentiel, la data literacy signifie réellement : poser les bonnes questions.

Ainsi, lorsque vous examinez un ensemble de données, soyez curieux et stimulant. Posez-vous des questions cruciales. Qu'est-ce que je suis en train de regarder exactement ? Toutes les données que j'ai collectées sont-elles pertinentes ? Et l'ensemble de données est-il complet ? Si vous avez créé une image claire, vous pouvez agir.

Afin de poser les bonnes questions et de créer vos idées, vous aurez besoin de bons outils. Si vous suivez ces trois étapes simples, vous êtes sur la bonne voie pour maîtriser les données !

Maîtrisez les bases

• Vous avez besoin de techniques de résolution de problèmes si vous souhaitez approfondir les données brutes et ce qui est vraiment important ; formez vos employés à ces compétences puissantes !
• La formation aux outils métier peut vous fournir les bases dont vous avez besoin pour commencer à structurer vos données.
• N'oubliez pas de présenter vos données de la meilleure façon possible ! Incluez d'autres personnes dans les analyses que vous avez effectuées et faites ressortir votre point de vue.