Avant-propos
(Big) data: difficile dchapper cette dferlante depuis quelques annes et, avec elle,
au flot de thories, analyses et commentaires sur ses promesses en termes defficacit,
de performance et dopportunits de dveloppement de nouvelles offres et services cibls.
Si tout le monde semble stre empar du sujet, des plus sceptiques, qui y voient une nouvelle
bulle prte faire pschitt, ceux pour qui il sagit dun vritable big bang du mme ordre
que les prcdentes rvolutions industrielles force est de constater qu ce jour, la rvolution
Big data ne sest gure propage au-del des modles conomiques des grands acteurs
globaux du digital.
Les rsultats de cette enqute, mene auprs de plus de 150 entreprises franaises, rvlent
quen dpit dune perception majoritairement positive, le Big data bang na pas encore
eu lieu dans la ralit. Cest ce que nous enseigne le passage au scanner de notre Indice
EY de Maturit Data, spcialement conu dans le cadre de cette tude: seule une minorit
dentreprises peut se targuer dune maturit leve dans son exploitation de la data, tandis que
la majorit adopte une posture attentiste, sans vritablement savoir par quel bout prendre un
concept devenu flou.
Si ce retard sexplique par dix principaux freins dordre psychologique, stratgique,
organisationnel ou technologique, que nous avons identifis tout au long de la chane de valeur
de lexploitation (Big) data de la collecte la scurit et la protection des donnes,
en passant par lanalyse et la stratgie globale de lentreprise il peut toutefois tre rattrap
si lexploitation (Big) data est intgre dans une stratgie et une vision globales.
En effet, l'exploitation (Big) data n'est pas tant un problme technique qu'un sujet de
transformation des organisations et de leurs modles conomiques. Elle relve de la capacit
convertir la data en connaissances, en innovation et en valeur pour les organisations.
Bruno Perrin
David Nam
Associ
Ernst & Young et Associs
Responsable du secteur
Technologies, Mdias, Tlcoms
Associ
Ernst & Young Advisory
Responsable du ple
Stratgie, Marketing et Innovation
Sommaire
Quelques enjeux chiffrs de la (Big) data
Exploitation de la (Big) data : des opportunits saisir pour tous les secteurs d'activit
10
12
13
15
22
24
III/ Dployer une stratgie (Big) data efficace: les leviers d'action
26
27
29
30
34
tudes de cas
36
42
FREIN 6
43%
18%
FREIN 2
FREIN 1
Collecte de la data
Analyse de la data
45%
45%
des entreprises
collectent des donnes
texte non structures3
FREIN 9
FREIN 10
30%
FREIN 7
4 |
FREIN 8
70%
des consommateurs
sont rticents partager
leurs donnes personnelles
59%
Source : EY
17%
d'entreprises trs matures
dans l'exploitation des donnes clients
FREIN 3
FREIN 4
moins de
27%
10
profils data5
par entreprise
FREIN 6
FREIN 5
Utilisation de la data
58%
10%
6 |
Exploitation de la data:
quelle maturit pour les entreprises franaises?
Afin de mesurer lavancement des entreprises en matire
dexploitation de leurs donnes clients, EY a construit lIndice
de Maturit Data. En savoir plus p. 42
Non matures
Trs matures
56 %
Grande
consommation
et distribution
9%
20 %
17 %
42 %
27 %
29 %
Peu matures
Autres
secteurs
TMT*
* Technologies, Mdias, Tlcoms
8 |
Protection et scurit
Les TMT sont au mme niveau de maturit que la grande
distribution pour la mise place des process internes de
fiabilisation des donnes non structures, soit le tiers des
entreprises concernes. Les TMT constituent la deuxime
industrie la plus mature en termes de sensibilisation aux
aspects de privacy.
Outils et ressources
Cest dans la grande distribution que les ressources humaines
et informatiques (logiciels statistiques, solutions de
visualisation) ddies lanalyse des donnes sont les plus
nombreuses. La moiti des entreprises du panel EY dclarant
avoir recrut des experts data (data manager, data miner ou
data scientist) appartient au secteur de la grande distribution.
Protection et scurit
La grande distribution est le secteur le plus mature en
termes de mise en place des process internes de fiabilisation
des donnes non structures, soit le tiers des entreprises
concernes. Cest aussi lindustrie o la sensibilisation aux
aspects de privacy est la plus affirme: une entreprise
sur trois considrant quil existe des enjeux de vie prive
dans lexploitation de la data appartient au secteur de la
distribution et des produits de grande consommation.
dplacements.
et utilisateurs.
Christine Vitrac
Jean-Franois Blorgey
10 |
11
Quelle maturit dans l'exploitation des donnes clients? ||11
12 |
* "Ready for take off? Overcoming the practical and legal difficulties in
identifying and realizing the value of data", EY, 2014
45%
des entreprises interroges collectent des donnes non
structures
27%
des entreprises interroges sont outilles pour fiabiliser ces
donnes
Moins de 10%
scnarii futurs.
14 |
Pierrick Vaudour
Le traitement et l'analyse
des donnes clients:
des capacits inadaptes
Le Big data implique le traitement de donnes volumineuses
(nombreuses sources dhistoriques, bases de corrlations,
etc.) en un temps raisonnable, voire en temps rel.
Le problme nest plus tant de stocker (a priori) un volume
considrable de donnes clients, mais de slectionner,
dans le flux continu de data, celles que lon va conserver (a
posteriori): un choix qui requiert des comptences et outils
spcifiques.
Bien souvent, une combinaison de mthodes statistiques
classiques (statistiques descriptives, segmentation, scoring,
etc.) et de solutions de calcul permet de rsoudre ces
difficults.
Par exemple, la paralllisation des calculs rpte les mmes
calculs sur des groupes de donnes spars, des squences,
avant de les rconcilier, afin quils soient globalement
effectus de manire plus rapide. Cette mthode de calcul est
combine avec des estimateurs statistiques pour converger
vers une rponse la plus juste possible dans le dlai imparti.
Notons que les formes de statistiques descriptives auxquelles
on aboutit aujourdhui sont plus pures qu lpoque o lon ne
disposait que dchantillons de donnes quil fallait extrapoler
(du fait des cots de rcolte, de stockage et de traitement).
Raison pour laquelle la quantit de donnes disponibles et
leur traitement ne sont aujourdhui plus une limite, ce qui
permet de travailler sur des donnes plus exhaustives.
16 |
10 49
18 %
70 %
moins de 10
70%*
71%
39%
Non matures
Peu matures
Trs matures
3%
4%
Non matures
Peu matures
16%
6%*
Trs matures
18 |
Pascal Antonini
Associ - Ernst & Young Advisory - IT Risk and Security
Frein n5- Lanalyse de la data encore (trop) peu oriente vers le prdictif et le temps rel
La prdictibilit des modles analytiques et la capacit de
prise de dcision en temps rel constituent la vraie longueur
davance en matire dexploitation des donnes clients.
20 |
22 |
Oui
Non
19%
Non matures
Peu matures
Trs matures
24 |
26 |
63%
Les entreprises les plus matures sont celles qui ont non
seulement lanc une tude dopportunit du Big data ce
qui ne reprsente que 9% du nombre total dentreprises
composant notre panel - mais aussi celles qui ont mis en place
une stratgie globale de gestion de leurs donnes clients,
pour favoriser une meilleure circulation des donnes en
interne et une exploitation plus cohrente et transversale de
ces donnes.
37%
Non
Oui
63%
61%
35%
Oui,
tude en cours
Oui,
plan Big data dploy
18 %
23 %
2%
Non matures
Peu matures
Trs matures
Oui,
mais nous avons conclu
labsence dopportunit
57 %
Non
Bruno Perrin
Associ - Ernst & Young et Associs
Responsable du secteur Technologies, Mdias, Tlcoms en France
28 |
b) Le modle Top-down
a) Le modle Bottom-up
30 |
* PoV : des PoC (proofs of concept) associs des tudes d'impact pour
valuer leur rentabilit (ROI)
32 |
FREIN 2
FREIN 3
FREIN 4
FREIN 5
FREIN 6
FREIN 7
FREIN 8
FREIN 9
FREIN 10
34 |
Privilgier une approche par tape en adoptant des plateformes fiables et largement utilises
(ex. : outils et plateformes ouvertes telles que Hadoop ou R)
Diffuser la culture data en interne via une double impulsion top-down et bottom-up
Mettre les collaborateurs/experts sur des arbitrages complexes ncessitant une forte expertise
et favoriser ainsi les gains de productivit et l'innovation
La confiance by design
Prise en compte en amont des risques techniques, juridiques et rputationnels
Prise en compte de la rglementation et des bonnes pratiques en amont de tout projet Big data
Transparence sur l'utilisation de la data, a fortiori la data personnelle
Quelle maturit dans l'exploitation des donnes clients? | 35
tudes de cas
36 |
tude de cas n1
Lancement d'une srie de projets "proofs of value" ayant pour objectif
d'acclrer le time to market pour les nouveaux produits
Secteur
Accompagnement EY
Problmatique client
Besoin de comptences mtiers et techniques pour
accompagner la mise en place dun service de conception
assiste et du dveloppement des opportunits retenues pour
les acteurs de lentit recherche dun groupe international de
produits de grande distribution
Contact EY
David Nam
Associ, Ernst & Young Advisory
Responsable du ple Stratgie, Marketing et Innovation
david.naim@fr.ey.com
tude de cas n2
Valorisation du patrimoine data de l'entreprise
Secteur
Accompagnement EY
Problmatique client
Contact EY
Vincent Placer
Directeur excutif, Ernst & Young Advisory
Stratgie Marketing Innovation - Business Analytics
vincent.placer@fr.ey.com
38 |
tude de cas n3
Lancement et animation d'un programme global "Agile Analytics"
Secteur
Accompagnement EY
Sciences de la vie
Problmatique client
Incapacit exploiter pleinement la multitude de ses
donnes (donnes exprimentales, donnes sur lactivit de
distribution des mdicaments dans le monde, donnes clients,
donnes des professionnels de sant, etc.)
Contact EY
Karim Ben Djemiaa
Directeur excutif, Ernst & Young Advisory
Stratgie, Marketing et Innovation - Data Analytics
karim.ben.djemiaa@fr.ey.com
tude de cas n4
Garantir le mme niveau de protection des donnes personnelles
quelle que soit leur localisation gographique
Secteur
Accompagnement EY
Problmatique client
Manque de confiance de ses partenaires/clients
Les donnes RH et paie de ses clients sont pour partie
traites en dehors de lUE (Tunisie, Maroc et terme Inde),
ce qui dissuadait les socits europennes de lui confier la
paie ou la gestion RH de ses clients
Contact EY
Fabrice Naftalski
Associ, Ernst & Young Socit d'Avocats
Responsable EMEIA des activits Droit des Technologies de l'information
fabrice.naftalski@ey-avocats.com
40 |
tude de cas n5
Scurisation juridique du lancement et du dploiement de services Big data
Secteur
Accompagnement EY
Problmatique client
Scurisation et conformit dun nouveau service de
croisement de certaines donnes RH de ses clients avec des
donnes publiques disponibles sur internet (ex. : rseaux
sociaux, blogs, sites internet personnels, politiques ou
syndicaux, etc.)
Contact EY
Fabrice Naftalski
Associ, Ernst & Young Socit d'Avocats
Responsable EMEIA des activits Droit des Technologies de l'information
fabrice.naftalski@ey-avocats.com
Note mthodologique
42 |
Abrviations
CAPEX Capital Expenditure
KPI
OPEX
Operating Expenditure
PoC
PoV
ey.com/fr
Contacts
David Nam
Associ, Ernst & Young Advisory
Responsable du ple Stratgie, Marketing et Innovation
Tl.: +33 1 46 93 59 58
E-mail: david.naim@fr.ey.com
Bruno Perrin
Associ, Ernst & Young et Associs
Responsable du secteur Technologies, Mdias, Tlcoms en France
Tl.: +33 1 46 93 65 43
E-mail: bruno.perrin@fr.ey.com
Fabrice Naftalski
Associ, Ernst & Young Socit dAvocats
Tl.: +33 1 55 61 10 05
E-mail: fabrice.naftalski@ey-avocats.com
Karim Ben Djemiaa
Directeur excutif, Ernst & Young Advisory
Responsable Data Analytics France
Tl.: +33 1 46 93 59 09
E-mail: karim.ben.djemiaa@fr.ey.com
Vincent Placer
Directeur Associ, Ernst & Young Advisory
Tl.: +33 1 46 93 61 32
E-mail: vincent.placer@fr.ey.com
Louisa Melbouci
Responsable Marketing Technologies, Mdias, Tlcoms en France
Tl.: +33 1 46 93 76 47
E-mail: louisa.melbouci@fr.ey.com