Le Data Thinking au cœur de l'innovation

Le Data Thinking au coeur de l’innovation

Les entreprises sont de plus en plus concurrentielles, de plus en plus agiles et réactives au marché. C’est pourquoi le Data Thinking permet à toute entreprise de pouvoir identifier rapidement des opportunités. Tout d’abord, qu’est ce que le Design Thinking [1] ? Le Design Thinking est une méthode apparue en 1980 à Stanford. La stratégie est de se focaliser sur l’humain, analyser son ressenti pour proposer des produits innovants et répondant à une vraie problématique utilisateur. Mais quelle est la différence entre le Design Thinking et le Data Thinking ? Le Design Thinking est une méthode mettant en avant la connaissance parfaite des consommateurs pour découvrir des problématiques utilisateurs. Le Data Thinking place la donnée au centre des réflexions permettant, dans un monde de plus en plus connecté, d’améliorer des produits existants et d’innover en utilisant les données pour proposer de nouveaux services/produits. Effectivement, l’innovation est le nerf de la guerre mais la Data est le fer de lance.

Lexique :

• IA – Intelligence Artificielle
• ML - Machine Learning
• BI - Business Intelligence
• POC - Proof of Concept
• RGPD - Règlement Général de la Protection des données
• IoT - Internet of Things

Le Data Thinking: une variante au Design Thinking

Tout comme le Design Thinking, le Data Thinking est itératif, ce qui permet de mieux s’adapter au besoin (cf. l’image ci-dessous) :

Lors des ateliers, les données sont placées au centre des réflexions afin de mieux comprendre le parcours, le ressenti et les préférences des utilisateurs. Mais aussi, les données permettent d’analyser la faisabilité de nos solutions : « Avons-nous les données permettant de créer ce modèle ? », « Sommes-nous capables de nettoyer et utiliser ces données ? », « Pouvons-nous collecter des données supplémentaires ? » …

L’essor de la donnée crée de nouvelles façons de travailler

Cover Photo by Carlos Muza on Unsplash
Pour aller plus loin sur l’impact de la donnée dans nos sociétés et entreprises, n’hésitez pas à lire cet article : 15 faits impressionnants sur le Big Data

** 90% des données** dans le monde ont été créées les deux dernières années [2]. De plus, les entreprises utilisant à bon escient les données à leurs dispositions engendrent de plus gros bénéfices que les entreprises dites « traditionnelles » (n’utilisant pas le plein potentiel de leurs données). La donnée via les modèles de ML ou de Deeplearning permettent de prédire, piloter et globalement créer de nouveaux produits/services. Nous pouvons prendre l’exemple avec l’entreprise ByteDance [3]. Cette société plus connue sous le nom de TikTok est la licorne mondiale la plus valorisée (140 milliards de dollars) et elle est sur le créneau de l’Intelligence Artificielle avec notamment des algorithmes puissants permettant de recommander au mieux les vidéos aux utilisateurs.

Comment réussir un atelier de Data Thinking ?

Photo by Jo Szczepanska on Unsplash

Réunir les bons participants Lors d’un atelier de Data Thinking, il est primordial d’avoir 3 catégories d’acteurs:

• Des experts métiers : Leurs rôles sont de pouvoir identifier les besoins clients et les problématiques. Ils ont la connaissance du marché de façon très précise (concurrents principaux, répartition géographique…) ;
• Des experts techniques : Leur objectif est de pouvoir orienter les décisions sur les données nécessaires à l’élaboration des propositions de services. Ils jouent un rôle de conseil sur la faisabilité des solutions et sur la proposition des modèles à mettre en place. Ils sont capables d’identifier les données manquantes et la charge de pré-traitement nécessaire ;
• Des consultants : Ils sont présents afin d’animer et de s’assurer du bon déroulement de l’atelier. Les consultants ont idéalement des connaissances métier et technique afin d’être en mesure de challenger les participants, les besoins et les solutions. Les consultants ont comme charge la rédaction des comptes rendus et des rapports finaux sur les décisions prises.

Les étapes du Data Thinking :

Source: Ressource Talan Labs

• L’étape de « PREPARATION » a pour objectif de mettre à niveau chacun des participants sur les grands principes et concepts de l’IA et de la Data. En effet, les participants doivent pouvoir apporter chacun leurs idées en ayant des notions de bases sur les impacts de la donnée dans les organisations, les notions réglementaires comme la RGPD [4] [5]. Les participants doivent également avoir un objectif commun afin que chacun aille dans la même direction.

• La partie « IDEATION » est l’étape où les participants vont devoir référencer les cas d’usages répondant aux besoins métiers tout en analysant la faisabilité technique des solutions proposées. Ces 2 vecteurs permettent de prioriser les cas d’usages les plus pertinents.

• Enfin, il est primordial que les participants soient d’accord sur la roadmap afin de déclencher des actions sur les prochaines étapes (analyse budgétaire, lancement de POCs, création d’équipes, communications internes/externes, etc).

Les piliers du Data Thinking :

Le Data Thinking repose sur 5 piliers distincts :

• Tout d’abord, la méthode a pour objectif de trouver des produits/services innovants. Nous partons des données pour imaginer l’ensemble des possibilités qu’elles nous offrent.
• Le second pilier correspond à la capacité à répondre à un besoin client. Effectivement, une fois l’exploration des données effectuée, nous pouvons proposer des cas d’usages validés aux équipes métiers qui ont la connaissance de leurs clients afin d’identifier la pertinence des propositions.
• La faisabilité technique est primordiale pour pouvoir imaginer que le fruit de vos ateliers d’idéation puisse un jour être déployé en production et être présent sur le marché. La faisabilité technique regroupe : la qualité de vos données, l’accès des données, les modèles pertinents…
• L’importance des intervenants permet d’avoir un atelier efficace mettant l’innovation, la faisabilité et la pertinence de vos cas d’usages en avant. Sans cela, la vision de votre marché et du potentiel de vos données risque d’être limitée.
• Enfin, l’objectif d’un atelier de cette typologie est de pouvoir passer rapidement de l’idéation au POC afin de pouvoir si besoin itérer avec les acteurs sur les points bloquants ou les alertes perçues.

Le Data Thinking comme choix à l’innovation par les entreprises :

Le Data Thinking est une méthodologie reprenant les codes du Design Thinking. En effet, les deux méthodologies permettent d’innover et accélérer de manière plus efficace le processus d’idéation et de test. Beaucoup d’entreprises ont fait le choix de miser sur ces méthodes : Apple, Vodafone, Coca-Cola, General Electric… Ces choix sont de plus en plus communs parce que les entreprises sont très concurrentielles et axent leurs différenciations sur l’innovation. Le Data Thinking peut être utilisé sur une multitude de sujet : améliorer l’expérience utilisateur avec les recommandations, créer de nouveaux produits avec la reconnaissance d’image, améliorer votre connaissance client avec l’analyse textuelle par exemple.

Ressources supplémentaires :

• Innovations :
  [1] - What is design thinking ?
  [2] - Les 15 faits impressionnants sur le Big Data
  [3] - Les 728 licornes mondiales en une infographie

• Règlementaires :
  [4] - Comprendre le RGPD
  [5] - Mode d’emploi du RGPD