fondee sur les | 7 mins read

Guide de prise de decision axee sur les donnees- processus, conseils et avantages Le processus decisionnel

guide to data driven decision making process tips benefits

By

Le Big Data est peut-etre le plus gros mot a la mode de la derniere decennie, et pour une bonne raison. Les donnees sont au coeur de la facon dont les entreprises operent aujourd'hui, a tel point que, selon l'International Data Corporation, les depenses en donnees et en analyses devraient atteindre 274,3 milliards de dollars d'ici 2022.

Cela tient en grande partie a la facilite avec laquelle il est devenu possible de collecter des informations numeriques et de les exploiter pour en faire de l'intelligence decisionnelle exploitable. Cela a contribue a promouvoir un changement de pensee chez les chefs d'entreprise, dont beaucoup sont passes de la simple intuition a l'utilisation de processus decisionnels axes sur les donnees.

Explication de la prise de decision axee sur les donnees

data driven decision making explained 1597347479 9428

Bien que l'intuition puisse etre utile dans certaines situations, il serait insense de fonder toutes les decisions d'affaires uniquement sur l'instinct. Apres tout, les sensations intestinales ne peuvent pas etre enregistrees, verifiees et quantifiees. Pour cela, les entreprises ont besoin d'analyses de donnees. La

prise de decision fondee sur les donnees (DDDM) est essentiellement le processus de prise de decisions commerciales fondees sur des donnees quantifiables reelles plutot que sur des conjectures. Elle s'inscrit dans la foulee de l'emergence de technologies d'analyse de donnees, qui ont rendu la veille decisionnelle plus accessible aux autres analystes.

Cette tendance, connue sous le nom de democratisation des donnees, a permis aux entreprises de recueillir davantage d'informations sur leurs activites, allant de l'inventaire a l'approvisionnement en passant par le service a la clientele et les ventes parmi de nombreux autres services. Plus important encore, les entreprises peuvent utiliser ces donnees pour prendre des decisions commerciales sans avoir besoin d'une infrastructure et d'un support informatiques etendus.Le

DDDM comprend generalement les activites suivantes-

  • Collecte de donnees basees sur des mesures et des indicateurs cles de performance (KPI)
  • Identification et analyse des modeles a partir des donnees Utilisation des
  • connaissances pour elaborer des strategies et des activites visant a ameliorer les operations commerciales et a realiser des activites commerciales
objectifs Le
DDM n'a pas seulement l'air bon sur le papier, mais il genere egalement des resultats. Un sondage de PwC aupres de plus de 1 000 cadres superieurs a revele que les organisations fortement axees sur les donnees sont trois fois plus susceptibles d'etre efficaces dans la prise de decisions que celles qui ont choisi de ne pas utiliser leurs donnees.

Online employee scheduling software that makes shift planning effortless.
Try it free for 14 days.

5 etapes pour prendre des decisions fondees sur les donnees

basic steps for making data driven decisions 1597347479 5681

Bien qu'il n'existe pas de methode unique acceptee pour prendre des decisions fondees sur les donnees, la plupart des organisations ont tendance a suivre ces etapes lorsqu'elles tirent parti de la veille decisionnelle.

1. Fixer des objectifs pour l'analyse

des donnees Un analyste des donnees efficace est une personne qui comprend l'organisation et ses principaux objectifs commerciaux. Commencez par poser des questions telles que-

  • Quels sont les problemes les plus pressants propres a l'industrie? A l'organisation?
  • Quels defis l'entreprise est-elle regulierement confrontee?
  • Quels sont les principaux objectifs commerciaux de l'entreprise?
  • Comment la collecte et l'analyse des donnees peuvent-elles aider l'entreprise a atteindre ces objectifs?

Connaitre les reponses a ces questions etablit une connaissance fondamentale qui aide l'entreprise a comprendre la relation entre les donnees et ses objectifs commerciaux. Il permet egalement a l'organisation de rationaliser ses methodes de collecte de donnees et d'eviter de perdre du temps et des ressources.

2. Enumerer les sources de donnees

Ensuite, identifier les sources a partir desquelles l'entreprise recueillera les donnees. Cela peut impliquer n'importe quoi des bases de donnees existantes (p. ex. inventaire, fournisseurs, abonnes aux bulletins d'information) aux formulaires de retroaction des consommateurs.

Les entreprises doivent coordonner leurs sources de donnees en trouvant des points communs entre les variables de differents ensembles de donnees. Bien sur, cela est plus facile a dire qu'a faire, car il est beaucoup plus opportun d'utiliser les donnees a ses fins actuelles. Toutefois, ce meme jeu de donnees pourrait etre utilise pour d'autres projets a l'avenir.

Par exemple, une entreprise dont le taux de demission est exceptionnellement eleve dans l'annee suivant l'integration peut deduire que quelque chose ne va pas au sein de ses equipes de direction et de superviseur. Mais ce meme ensemble de donnees peut egalement etre utilise pour ameliorer les pratiques de recrutement de l'entreprise, peut-etre en ameliorant les descriptions de poste afin de mieux gerer les attentes.

3. Nettoyer les donnees

L'avenement de l'analyse des donnees a rendu plus facile que jamais la collecte d'enormes volumes de donnees. Mais ce n'est que la premiere etape. Le prochain obstacle est de nettoyer et d'organiser ces donnees pour l'analyse.

Selon IBM, l'organisation des donnees peut facilement prendre 80% du temps d'un analyste de donnees, avec seulement 20% consacres a l'analyse reelle - un probleme appele la regle 80/20. Cela souligne l'importance d'avoir des donnees propres et organisees avant de tenter d'en interpreter le sens pour l'entreprise.

Une plate-forme d'analyse de donnees fiable fera court travail a cet egard. Mais le nettoyage des donnees peut egalement etre effectue manuellement sur un tableur. Une fois que les jeux de donnees ont ete organises et catalogues dans des tableaux, creez simplement un dictionnaire de donnees - un referentiel d'informations telles que la signification des donnees, la relation entre les ensembles de donnees, l'origine des chiffres et les formats de donnees.

basic steps for making data driven decisions 1597347480 7166

4. Effectuer une analyse statistique

Une fois que les donnees ont ete nettoyees et organisees, les analystes de donnees de l'entreprise peuvent commencer a elaborer des modeles statistiques pour verifier l'exactitude des donnees et confirmer les hypotheses et les questions soulevees aux premieres etapes du processus de collecte des donnees. Des exemples de modeles statistiques comprennent les arbres de decision, les regressions et la modelisation aleatoire des forets.

Quel que soit le modele utilise, les analystes de donnees devront decider de la meilleure facon de presenter l'information aux principaux intervenants de l'organisation. Cela peut se faire de l'une ou de plusieurs des facons suivantes-

  • Presentation descriptive qui fournit des faits quantifiables
  • Presentation inferentielle qui fournit une interpretation contextuelle des faits dans un projet particulier
  • Presentation predictive, ou des mesures supplementaires sont recommandees sur la base de l'interpretation des conclusions

5. Conclusions

Enfin, le processus de DDDM se termine par une conclusion fondee sur l'analyse des donnees. Autrement dit, il s'agit de poser la question suivante- Qu'avons-nous appris de la collecte et de l'analyse des donnees?

Contrairement a la croyance populaire, la conclusion n'est pas necessairement la decouverte de quelque chose de nouveau. Il peut egalement confirmer quelque chose que l'entreprise connait deja ou soupconne. Par exemple, une entreprise de detail remarque que son stock a tendance a s'epuiser pendant les vacances - novembre et decembre. Mais avant d'apporter des modifications a l'inventaire, il decide d'examiner les donnees historiques de l'inventaire pour determiner si cette hypothese est vraie ou non.

Il est egalement important de se rappeler que les constatations et les conclusions ne sont utiles que si elles sont presentees efficacement. Cela signifie que les analystes de donnees doivent egalement etre qualifies pour creer des recits a l'aide de techniques telles que la visualisation des donnees.

Lignes directrices generales pour la prise de decision axee sur les donnees

general guidelines for data driven decision making 1597347480 2735

Malgre le niveau eleve d'interet pour la technologie et les services d'analyse des donnees, il existe un decalage entre le montant des depenses des entreprises pour leurs capacites d'analyse des donnees et l'efficacite de leur utilisation des donnees au sein de leur organisation. Selon un sondage mene aupres de 64 cadres de niveau C, seulement 72% ont declare qu'ils etaient en mesure de favoriser une culture axee sur les donnees au sein de leur organisation respective.

Cette deconnexion decoule souvent d'un malentendu fondamental sur ce que signifie etre une organisation axee sur les donnees. Il ne s'agit pas seulement de technologies et de donnees de qualite; il s'agit egalement d'avoir la culture et les processus internes appropries pour prendre des decisions fondees sur les donnees.

Les lignes directrices suivantes devraient aider les entreprises a devenir plus efficaces au sein du DDDM.

1. Verifier les biais personnels

Tout le monde a ses prejuges, ce qui peut rendre difficile l'objectivite totale lorsqu'il prend des decisions fondees sur les donnees. Comme le dit l'adage, les gens voient ce qu'ils veulent voir. Heureusement, il existe des moyens d'empecher les biais de contaminer l'analyse des donnees et le DDM.

  • Reconnaitre le defi de la partialite. Le simple fait d'etre conscient de l'existence d'un biais contribue grandement a reduire son impact.
  • Travailler en equipe. Cela garantit que les analystes de donnees peuvent se controler mutuellement.
  • Recherchez des donnees contradictoires et posez les bonnes questions pour tester les hypotheses et les constatations initiales.

2. Commencer a collecter des donnees des que possible

La collecte des donnees doit se faire le jour ou l'entreprise decide d'etre davantage axee sur les donnees. Il doit y avoir un effort conscient pour non seulement collecter et enregistrer des informations, mais aussi pour creer un systeme de nettoyage et d'organisation des volumes de donnees que l'entreprise recueillera.

3. Poser les bonnes questions

Poser les bonnes questions d'analyse des donnees aide l'equipe a se concentrer sur les donnees pertinentes, les empechant de descendre dans des trous de lapin et de chasser des pistes qui ne vont nulle part.

Cela remonte aux objectifs de l'equipe d'analyse des donnees. Qu'est-ce que l'equipe veut tirer exactement des donnees? Quels indicateurs de performance cles seront utilises pour mesurer les variables? D'ou viendront les donnees? Ce ne sont la que quelques-unes des nombreuses questions que les analystes de donnees devraient poser.

Online employee scheduling software that makes shift planning effortless.
Try it free for 14 days.

general guidelines for data driven decision making 1597347480 5971

4. Cherchez les donnees pour repondre a ces questions

Ensuite, trouvez les donnees permettant de repondre aux questions identifiees a l'etape precedente. Determinez si ces donnees ont deja ete collectees precedemment, ou s'il est necessaire de mettre en place de nouveaux mecanismes pour les acquerir (a la fois en interne et en externe).

5. N'hesitez pas a revoir et a reanalyser les donnees Les

equipes d'analyse ne devraient pas avoir peur de prendre du recul et de repenser leur interpretation des donnees. Les changements sont forces de se produire, mais les analystes devraient les considerer comme des echecs. Ces moments devraient plutot etre abordes comme des occasions d'apprendre et d'ameliorer leurs pratiques d'analyse des donnees. Comprendre ou l'analyse a mal tourne et rectifier les choses immediatement produira des resultats plus precis.

6. Presenter les donnees de facon significative

Les conclusions tirees de l'analyse des donnees d'entreprise ne peuvent etre utiles que si elles sont presentees de maniere significative. A l'aide d'outils logiciels, les equipes d'analyse des donnees peuvent creer un tableau de bord personnalise qui presente une histoire de donnees a jour, aidant ainsi l'organisation a prendre des decisions efficaces fondees sur les donnees.

Par exemple, un tableau de bord des previsions de ventes fournit une vue d'ensemble des indicateurs de performance cles financiers les plus importants de la societe, tels que les ventes, les depenses d'exploitation, la marge beneficiaire nette et les benefices attendus.

7. Fixer des objectifs decisionnels mesurables

A ce stade, il est temps de commencer a prendre des decisions d'affaires. Cependant, il est important de se rappeler que toutes les decisions fondees sur les donnees issues de l'analyse doivent etre alignees sur la strategie et les objectifs generaux de l'entreprise. Il est imperatif que les analystes de donnees fixent des objectifs mesurables pour s'assurer qu'ils sont sur la bonne voie.

Avantages d'etre une entreprise axee sur les donnees

benefits of being a data driven business 1597347480 2710

Bien que la prise de decision axee sur les donnees soit une discipline complexe avec de nombreux avantages, les trois avantages les plus convaincants sont les suivants- Prise de

  • decision confiante - L'utilisation de donnees pour guider les processus decisionnels de l'entreprise se traduit par des decisions plus objectives qui peuvent etre verifiees, testees et meme reproduites dans certaines conditions.
  • Economies de couts - Selon une enquete menee par Harvard Business Review, 49% des entreprises qui ont entrepris des projets de donnees pour reduire leurs depenses d'exploitation ont obtenu des resultats positifs.
Prise de
  • decision proactive - Avec suffisamment de temps et de pratique, les entreprises qui prennent des decisions fondees sur les donnees apprendront a tirer parti de leur analyse de maniere plus proactive, par exemple en previsiisant la demande ou en determinant l'adequation des produits sur le marche des produits encore en developpement.

Bien sur, la capacite de toute organisation a prendre des decisions commerciales fondees sur les donnees repose sur l'hypothese qu'elle travaille avec des donnees precises.Les

pratiques de gestion des donnees telles que l'integration des donnees (DI) permettent de relever ce defi en consolidant les informations quantifiables residant dans plusieurs sources dans un ensemble de donnees offrant une vue en temps reel des performances de l'entreprise. L'integration de l'intelligence artificielle et de l'apprentissage automatique dans les systemes DI ameliore encore leur capacite a stocker des valeurs de donnees et des metadonnees precises et completes.

Enfin, une organisation axee sur les donnees doit constamment reexaminer, remettre en question et reanalyser ses decisions fondees sur les donnees. Les organisations peuvent egalement devoir modifier leurs objectifs commerciaux en fonction de leur situation et de leur paysage, ce qui signifie, a leur tour, adopter une nouvelle approche d'analyse des donnees.

 cta content inline and exit intent
SCHEDULE A DEMO