Humain integration dataLa mise en œuvre d'une solution d'analyse de données peut être longue et coûteuse. Une fois la plateforme d'analyse déployée, les employés doivent apprendre à utiliser cette technologie. Un développement surprenant est né de l’enquête menée auprès de NewVantage Partners en 2019 sur le Big Data et l’IA. Alors que de nombreuses entreprises investissent de plus en plus dans l’analyse data, de nombreuses pierres d'achoppement sont rencontrées. Et le plus grand défi demeure les personnes!

Résultats du sondage

L’enquête NewVantage a révélé quelques bonnes nouvelles pour les investissements :

  • 92% des répondants ont déclaré augmenter leurs investissements dans le Big Data et l'IA;
  • 62% ont constaté des résultats mesurables de leurs investissements;
  • 48% déclarent que leur entreprise tient la concurrence en respect en matière de données et d'analyse.

Humain integration data 2

L'enquête a révélé que, sans surprise, 77% des personnes interrogées considéraient l'intégration des données comme un défi. Pourquoi? 93% des personnes interrogées estiment que les personnes et les processus étaient au cœur de leurs problèmes d'intégration. 

Quelles sont les conséquences de cela? Avec l'intelligence artificielle et les données massives qui avancent à une vitesse fulgurante, il semble que la main-d'œuvre d'aujourd'hui ait été laissée dans la poussière, incapable d'exploiter complètement le pouvoir informationnel dont ils disposent.

Humain integration data 3

Pourquoi l'homme reste un défi dans l'intégration data?

Les principaux responsables de ces constatations sont profondément ancrés dans le processus commercial et difficiles à changer. Parmi les personnes interrogées, «40,3% ont identifié un manque d’alignement organisationnel et 24% ont cité la résistance culturelle comme étant les principaux facteurs contribuant à cette absence d’adoption des entreprises». Ces deux facteurs sont étroitement liés. Il est très difficile de changer les habitudes des employés.

Cette dynamique devient plus prononcée lorsque l'on monte dans l'organisation de l'entreprise où les employés ont connu un succès personnel considérable. Si l'intuition et l'expérience les ont amenés jusque-là, pourquoi changer maintenant? La résistance culturelle nécessite alors un réalignement organisationnel pour espérer devenir une entreprise data driven.

L'intégration des données nécessite le renversement du processus décisionnel standard. Cela signifie que les cadres supérieurs doivent tenir davantage compte de l'opinion de ceux qui sont peut-être plus au fait des données. S'adressant à Forbes, le responsable du développement du leadership et de la formation d'une grande société de négoce asiatique a déclaré: "Bien que nous réalisions certains progrès, nous prenons toujours de nombreuses décisions en fonction de l'opinion de la personne la mieux payée [HIPPO highest-paid person’s opinion]. L'impact important et la perspective claire qu'offre l'analyse data reposent sur l'interaction entre les experts et les analystes de données. Heureusement, des chercheurs s’attaquent à ce problème".

Comment réussir son intégration data?

Une étude récente issue de la conférence Global Engineering Education Conference de 2018 a révélé que les compétences en analyse de données constituaient le facteur le plus important pour la valorisation du Big Data. Toutefois, ces compétences sont aussi les plus difficiles à acquérir. Pour exceller en analytique, un employé doit utiliser une combinaison de compétences techniques et non techniques, les hard skills et les soft skills.

Au niveau élémentaire, l’analyste data idéal doit maîtriser les statistiques et probablement le codage. En plus de cela, il ou elle doit être capable de transformer des valeurs éloignées ou des tendances en suggestions commerciales pratiques. Enfin, l'analyste doit communiquer correctement les informations de manière à susciter des réactions au sein de la direction.  Cette dernière pièce est particulièrement difficile compte tenu de la puissance des HIPPO dans les entreprises du monde entier.


Découvrez nos autres articles sur l'analyse data: