Le concept du Data-Driven Decision-Making (DDDM) est relativement simple à expliquer, il s’agit d’une philosophie organisationnelle où les prises de décisions sont supportées par des faits (des données) au lieu d’une opinion ou d’une intuition. C’est un outil très puissant pouvant aider à prendre de meilleures décisions, plus rapidement et avec plus de confiance. Toutefois, l’explication devient rapidement plus nuancée lorsqu’on commence à se poser la question : Comment cette bibitte-là crée de la valeur?
If we have data, let’s look at data. If all we have are opinions, let’s go with mine. James Love Barksdale
Et je crois fermement que « nuancé » est le mot adéquat et certainement pas « impossible »! Parce qu’il faut être réaliste, la technologie est là et elle est prête! Elle est tellement présente que cinq des dix plus grosses entreprises au monde (Amazon, Apple, Microsoft, Google et Facebook) reposent entièrement dessus! Que ce soit en espionnant nos téléphones, en nous vendant de gros micros comme Alexa ou bien en enregistrant subtilement tous nos faits et gestes sur nos navigateurs, ces compagnies collectent des données sans scrupule! Des tonnes de données! D’une part, pour offrir leurs services et générer des revenus mais aussi pour comprendre leurs marchés comme le fond de leur poche! Et ultimement se servir de ce précieux savoir pour prendre de meilleures décisions, plus rapidement que leurs compétiteurs (Yahoo, Wal-Mart, BlackBerry, etc.)
Mais en quoi ça nous concerne?
Ces entreprises ne sont pas de notre industrie! 3 des 5 entreprises mentionnées ci-dessus ne fabriquent aucun produit! Mais les principes sur lesquels elles sont basées sont universels! Utiliser du matériel de masse et abordable pour collecter des données, utiliser des algorithmes d’intelligence artificielle pour en retirer un maximum d’information et, finalement, combiner ce savoir à la créativité humaine afin de générer de nouvelles opportunités! Non pas de remplacer les esprits par des circuits, mais de les utiliser synergiquement ensemble!
Cette approche est d’ailleurs étudiée depuis plusieurs années par l’équipe de monsieur Brynjolfsson au MIT. Plusieurs résultats intéressants en sont ressortis (voir références). En résumé, ils ont découvert que l’adoption du DDDM et de la numérisation est intimement corrélée avec le niveau de leanness dans une organisation (shocker!). Bref, tout ça pour dire que la technologie est là et qu’il est possible de l’utiliser pour être exponentiellement plus Lean et/ou pour perturber vos compétiteurs (Uber vs Taxis).
Cela dit, bien qu’il ait été démontré que la numérisation de vos activités et l’adoption du DDDM soient corrélées avec le niveau de leanness de votre organisation, il est évident que tous les projets de transformation numérique ne sont pas égaux! D’ailleurs, dépenser sans compter son argent pour de la technologie n’est certainement pas la stratégie optimale pour s’y retrouver! C’est l’équivalent de partir à la chasse au trésor en retournant toutes les roches que vous voyez au lieu de simplement regarder quelle roche tourner sur la carte dans vos mains! Bref, outre cette analogie douteuse, il y a des étapes à respecter pour construire du « momentum », réussir une transformation numérique et devenir une organisation réellement appuyée par le DDDM.
Bon, si vous vous êtes rendu jusqu’ici dans votre lecture j’ai deux choses à vous écrire. Premièrement, merci pour votre intérêt. Ensuite, je suis tout à fait au courant qu’il n’existe pas de carte ou d’étapes universelles pour découvrir ce fameux trésor qu’est la transformation numérique et, ultimement, le DDDM. Toutefois, il existe plusieurs lignes directrices ayant des historiques à succès! Il vous faudra donc tracer votre propre carte! Mais comment? On en parle dans notre prochain blogue!
Références
• Provost, F., & Fawcett, T. (2013). Data science for business: [what you need to know about data mining and data-analytic thinking].
• McAfee, A., & Brynjolfsson, F. (2017). Machine, Platform : Crowd: Harnessing Our Digital Future.
• Brynjolfsson, Erik and Jin, Wang and McElheran, Kristina Steffenson, The Power of Prediction: Predictive Analytics, Workplace Complements, and Business Performance (April 30, 2021).
• Nikolas Zolas & Zachary Kroff & Erik Brynjolfsson & Kristina McElheran & David Beede & Catherine Buffington & Nathan Goldschlag & Lucia Foster & Emin Dinlersoz, 2020. « Advanced Technologies Adoption and Use by U.S. Firms: Evidence from the Annual Business Survey, » Working Papers 20-40, Center for Economic Studies, U.S. Census Bureau.
• Brynjolfsson, Erik and McElheran, Kristina Steffenson, Data in Action: Data-Driven Decision Making and Predictive Analytics in U.S. Manufacturing (July 6, 2019).
• Bloom, Nicholas, Erik Brynjolfsson, Lucia Foster, Ron Jarmin, Megha Patnaik, Itay Saporta-Eksten, and John Van Reenen. 2019. « What Drives Differences in Management Practices? »
Gérer le consentement aux témoins
Nous avons à cœur de protéger vos données. Nous utilisons des cookies pour vous offrir une meilleure expérience numérique. En acceptant, vous consentez à notre utilisation de ces cookies.
Fonctionnel
Always active
Le stockage ou l’accès technique est strictement nécessaire dans la finalité d’intérêt légitime de permettre l’utilisation d’un service spécifique explicitement demandé par l’abonné ou l’utilisateur, ou dans le seul but d’effectuer la transmission d’une communication sur un réseau de communications électroniques.
Préférences
Le stockage ou l’accès technique est nécessaire dans la finalité d’intérêt légitime de stocker des préférences qui ne sont pas demandées par l’abonné ou l’utilisateur.
Statistiques
Le stockage ou l’accès technique qui est utilisé exclusivement à des fins statistiques.Le stockage ou l’accès technique qui est utilisé exclusivement dans des finalités statistiques anonymes. En l’absence d’une assignation à comparaître, d’une conformité volontaire de la part de votre fournisseur d’accès à internet ou d’enregistrements supplémentaires provenant d’une tierce partie, les informations stockées ou extraites à cette seule fin ne peuvent généralement pas être utilisées pour vous identifier.
Marketing
Le stockage ou l’accès technique est nécessaire pour créer des profils d’utilisateurs afin d’envoyer des publicités, ou pour suivre l’utilisateur sur un site web ou sur plusieurs sites web ayant des finalités marketing similaires.
