Présentation donnée le 22/04/2015 au Swiss IT forum sur la data driven company. Elle présente ce que l'on peut améliorer sur ce que l'on fait déjà et des nouvelles opportunités. La présentation conclut sur ce que doit proposer une direction des systèmes d'information pour le permettre demain
Qui sommes-nous ?
Cabinet de Conseil IT : 200 pers
Accompagne : architecture et management des SI et accompagnement méthodologique sur les nouvelles façon de faire
Exemples : ses clients sur le digital, les problématiques big data et le déploiement de l’agile à large échelle
Valeurs plaisir et partage
Speakers
Ensemble pour 50 minutes
Définir de quoi on parle, au-delà des buzzwords
Que faire de vos mesures/indicateurs actuels ?
Ce qu ia changé, exemples de ce qu’il faut faire ou ont fait fait pour être data driven
Pure IT : comment vous préparez ?
5 min Q/A à la fin mais interruptions
Vague d’effervescence technologique
Vous la connaissez : digitalisation
Il faut bien comprendre que cette vague est d’une ampleur considérable
Comparaison vague internet : limitée en terme d’audience et d’impact (startup)
Qq exemples pour vous donner le tourni :
Plus d’accès internet que accès à l’eau potable http://www.businessinsider.com/chart-of-the-day-putting-global-mobile-in-context-2012-4?IR=T
Smartphone 150 fois par jour
IA evolution : prediction that kids born today will never have to drive a car
Plus importante, touche tout le monde et toutes les entreprise, pas juste les startups.
Vague amplifiée par crise éco qui poussent les entreprises à chercher de nouveau biz model pour survivre.
Plus concrétement, digitalisation combinaison
Usages
Technologies
Tout ça créé de nouveaux business models
Le trait commun à tout ça : data. Beaucoup de données : Explosion données : 10 min > -> 2003
Notre conviction : tirer parti de ces opportunités est plus qu’un problème technologique
Évidemment Big Data au centre mais pas que
Plus concrétement
Qualitative <> qualité (nécessaire dans les 2 cas)
data <> Big Data
Data driven est plus que l’introduction d’une nouvelle technologie
Culture condition nécessaire
Prevailing decision making model is the “HiPPO” (Highest Paid Person Opinion). In other words, the opinion of the highest paid person at the table prevails. Or, to use another well known expression :”since we have no data, let’s go with my opinion”.
Défiance vis-à-vis de la data
85% to 97% professionals rely on their intuitions to hire someone
On ne dit plus « Je pense que » mais « Je vais mesurer que »
Bémol : prise de décision reste un processus humain, mais dans ces entreprises au moins un critère de succès, un chiffre
Effet de bord : comportement qu’on observe du coup
Ex géant du Web
Dernier point sur la culture
Cf définition : améliorer en continu. Pas anodin, presque le plus grand défi.
La plupart des organisations ont une approche top-down et chaotique de l’amélioration et de la résolution de problèmes
Les changements sont souvent opérés par des changements drastiques d’organisation ou de système
Ré-écriture d’un système in-maintenable
Changement de fournisseur
etc.
Conséquences
Perte de productivité
Non-qualité
Démotivation des collaborateurs
Lean, Kaizen. Outil PDCA.
Temps = 8’
Voilà à quoi ressemble une entreprise
Chacune de ces briques est défini par différents process et des données qu’elles génère ou utilise
BSC/ABC au niveau pilotage, Framwork - SCOR supply chain – kpi , COBIT pour l’IT
Bref finalement en terme de Kpi, vous me direz que vous êtes déjà bien fournis, ne sommes nous pas des entreprise data driven qui s’ignore?
Vous proposez quelques axes d’améliration
1. Des métriques au services de quelquechose processus d’amélioration / de décision
Exemple assureur avec 600 indicateurs
Trop, il faut rationaliser, s’améliorer en continue sur ces indicateur
Mesurer la mesure?
Combien d’histoire connaissez-vous de reporting executif avec des chiffres contradictoires ou faux
Assurez-vous que vos processus remontent de la donnée juste
On sait gérer les données manquantes mais pas les données frelatées
Si la data est un asset clé de l’entreprise, merci d’en prendre soin en la gérant sur son cycle complet et ce n’est pas un leadership IT
Les questions sous-jacentes :
Processus automatisé cas banque privée 3j chaque semaine pour produire des métriques + risque d’erreur
Temps de calcul plus de 24h de traitements architecture distribué
Lead time acceptable chaine BI Agile pas trois mois pour mettre en place un nouvelle indicateur
Le dilemme de l’ingénieur : avoir fait une brillante découverte et ne pas pouvoir transmettre/convaincre ce message
La façon de représenter les données de les mettre en valeur
Camembert que personne ne vaut allez voir ou indicateur trop complexe et abscond
L’utilisabilité : il faut mettre en valeur les informations clés et les rendre intelligibles pour les différents niveau d’interlocuteur de l’entreprise
Performance sur la production et l’intéraction
9 produits sur 10 échouent car ils n’ont pas trouvé leur client
Lean Startup englobe beaucoup de principes
Va pas parler de tous, seulement 1 intéressant très data-driven
Principle build-measure-learn
On tourne cette boucle le plus rapidement possible
Création d’un produit avec un niveau d’incertitude élevé
Je vais vous présenter 2 principes du Lean Startup. Premier principe
Vente de chaussures en ligne, Nick Swinmurn, 1999
Hypothèse : valider que les gens étaient prêt à le faire
“Partenariat” avec commerce locaux. Prise de photos + site eCommerce basique. Achat chez le commerçant quand commande.
Deuxième principe
Deuxième principe
Restet en blanc
“We set out to prove that managers don’t matter”
1/ good maanagers increased job satisfaction, retention and employment within their groups and the organization as a whole
2/ then try to understand how
Et on est 200 sur un marché difficile. pas 10 000.
Temps = 7 minutes
Sur une feature lean startup, moyen de négocier la prochaine demande urgente
Ce qui est vrai d’une features, peut l’être du application
Application critique jamais utilisé, sur quelle application investir, application avec un TCO jugé prohibitif
Comment piloter mon patrimoine : par la mesure
Le Total Cost of Ownership désigne le coût récurrent de possession annuel, incluant les efforts de build, les coûts amortissables, les efforts de run associé, la formation, …
Dette : La dette désigne les investissements futurs (court, moyen et long terme) nécessaire au maintien en fonctionnement du système d’information.
Risque technologique, métier, reglementaire
Valeur : La valeur désigne la contribution de l’application à la chaîne de création de valeur. Valuer precu/satisfaction cout remplacement
Complémentaire au PPM
Vision faible de la dimension data et exchange
Essayer de prévoir l’état de mon infrastructure
Volume de donénes : 1 TO par jour de log
En input
Temps = 10 minutes
Promesse technologique, une révolution de l’infrastruture qui n’est pas en reste
Stock first analyse second,
Le data lake est un concept hérité du décisionnel : il généralise le datawarehouse d’entreprise
Selon les éditeurs, on rencontre aussi le nom data hub ou gisement de données
Stockage de données brut flux temps réele ou batch ou event
Mise à disposition de données au sens polyglotte schéma on read
Utilisation des données pour différents usages (machine learning, reporting)
Si la data est un asset clé de l’entreprise, je dois la gérer sur tout son cycle de vie et il y a une vie avant le datalake/datawarehouse/whatever…, y’a aussi une vie dedans
S’assurer du cycle de vie de la donnée
Lean, agile, lean startup, SCRUM
L’histoire n’est pas complète si on introduit pas les nouvelles méthodes de travail dans l’informatique
Pendant longtemps, automatisé et industrialisé des processus existant / connu
Depuis 5 ans, le bouleau c’est de créer, de découvrir de construire de nouveau processus jamais fait avant
Remise en question des méthoides : limites, en essoufflement, besoin de changer de paradigme
Lean startup, agiles…
Cycle court feedback rapide, limiter les investissement, limiter les risques
Mesure systèmatique au service du data driven
Capacité à apprendre, capacité à s’améliorer
Desiloté la data par forcément l’organisation plutôt une approche verticale des équipes
Détailler les postes, dire que le marché est encore faible mais que ca va arriver surtout sur la tech pure. Que faire de l’existant -> shift vers le monde JAVA (Hadoop)
Data engginers & Data scientist
Équipe feature/ oriénté produit, polyvalence
On obtient aussi la verticalité pour sortir des apps de bout en bout, de l’acquistion de data, à la viz, l’ux, la mise en prod…des apps qui répondent à des besoins métiers en RT.
Autonomie et responsabilité
Temps + 2 minutes
Expliquer par le prisme de ce que l’on en tire !
Ai-je les bons profils ? Dois-je me renforcer en data scientist ou community manager ?
Est-ce que je dispose des technologies adéquates ?
Mes méthodes de travail sont-elles adaptées aux enjeux de temps et avec la garantie de qualité…
Amazon, is a software company—its core capability is its amazing software engine for selling virtually everything online, no retail stores necessary. Amazon rearranged its web site to promote its Kindle digital books over physical books for the first time. Now even the books themselves are software.
Today's largest video service by number of subscribers is a software company: Netflix.
Today's dominant music companies are software companies, too: Apple's iTunes, Spotify and Pandora.
Education is becoming a software industry with MOOC platform.
Best Movie producer : pixar , a sofware company ...
Healthcare ? software, defense ? software Financial services Software companies
...
The silicon valley companies are missing developpers. They acquire small companies because they have skilled teams able to produce software as a team.