• Accueil / Salesforce / 6 raisons pour…
, 6 raisons pour lesquelles les projets de BI et d&rsquo;analyse échouent &#8211; et comment l&rsquo;éviter<span class="wtr-time-wrap after-title"><span class="wtr-time-number">1</span> minutes de lecture</span>

6 raisons pour lesquelles les projets de BI et d’analyse échouent – et comment l’éviter1 minutes de lecture


Dans un monde où les opportunités de capture de données se multiplient, il est essentiel de comprendre pourquoi les projets d’analyse échouent, en particulier lorsque les organisations ont investi autant dans les ressources.

Il y a des années, j’ai assisté à une réunion stratégique avec des dirigeants de divers clients de Salesforce, qui ont parlé de leurs expériences avec les données et l’analyse. Au cours de la réunion, un homme a témoigné que son organisation avait investi 500 000 $ dans un projet d’analyse de données sur une période de trois ans. Cependant, lorsqu’on l’interroge sur le résultat final, il est vague et ambivalent ; il a eu du mal à définir les résultats précieux obtenus – le cas échéant.

, 6 raisons pour lesquelles les projets de BI et d&rsquo;analyse échouent – et comment l&rsquo;éviter<span class="wtr-time-wrap after-title"><span class="wtr-time-number">1</span> minutes de lecture</span>

Trois ans et demi-million de dollars plus tard – la question est, dans quel but ? D’après mon expérience, ce n’est pas l’exception – c’est la norme. Le taux d’échec des projets de données et d’analyse est échelonnement:

  • D’ici 2022, seulement 20 % des informations analytiques produiront des résultats commerciaux. (Gartner)
  • 87 % des projets de science des données ne sont jamais mis en production. (Venturebeat)
  • En 2016, Gartner estimait que 60 % des projets de big data ont échoué. Un an plus tard, l’analyste de Gartner Nick Heudecker‏ a évalué le taux d’échec à 85 %. (TechRepublic)

Ayant parlé avec de nombreuses organisations dans un large éventail d’industries et de segments, la plupart des projets d’analyse de données que j’ai observés ont suivi cette tendance ; les projets ont été largement infructueux, avec des résultats commerciaux au mieux médiocres. Il s’agit d’une observation indépendante de la plate-forme : qu’une organisation utilise Tableau, Tableau CRM, Salesforce, PowerBI, Apache Spark ou Excel, nous constatons un schéma général d’insatisfaction et de frustration.

Inévitablement, la question à se poser est la suivante : pourquoi les projets d’analyse échouent-ils ? Les raisons sont nombreuses, mais nous allons nous concentrer sur les six premiers.

1. Livrables ambigus et conflits d’intérêts

De nombreux projets de business intelligence (BI) échouent en raison d’un manque d’objectifs et de résultats clairs, explicites et convenus ; les clients d’analytique ne sont pas nécessairement clairs sur ce dont ils ont besoin ou ce qu’ils veulent, et le fournisseur (interne ou externe) est souvent laissé dans l’ignorance.

Un ensemble de livrables clairement définis peut être vu comme une donnée avant de se lancer dans un projet BI, réglé bien avant de solliciter l’approbation, d’obtenir un financement, etc. Or, ce n’est souvent pas le cas.

En fin de compte, de nombreuses organisations ne savent pas ce qu’elles ne savent pas. Bien qu’ils puissent être sûrs de comprendre leurs lacunes en matière de BI (et ce qui est nécessaire pour les combler), leurs objectifs sont vagues, contradictoires, uniformes ; soit trop détaillé, soit pas assez détaillé ; variable, ambigu ou unilatéral, sans consensus interne.

Alors, que doivent faire les clients BI lors de la définition des objectifs et des livrables du projet ?

  1. Identifiez les résultats commerciaux souhaités.
  2. Alignez-vous sur les objectifs stratégiques de haut niveau.
  3. Définir les livrables SMART.

Une cause fréquente d’échec d’un projet est l’incapacité à s’aligner en interne sur les objectifs et les livrables, souvent en raison de mauvaises la coopération, la communication, et collaboration.

Laisse moi te donner un exemple.

Alors que j’étais assis avec un client important dans l’un des nombreux ateliers de découverte et de conception, j’ai observé le déroulement chaotique avec un mélange de curiosité et de frustration. La session s’est détériorée en un débat non rentable et désorganisé sur la définition d’une seule métrique commerciale, avec des lignes de bataille tracées entre deux points de vue opposés.

J’ai suggéré qu’ils mettent ce débat hors ligne pour revenir au processus de découverte et de conception – le but de la réunion. Malgré cela, il a fallu de nombreux mois de querelles à l’organisation pour s’entendre sur une définition convenue, et l’impact de ce désalignement a été un retard important pour leur projet BI.

Les types courants de désalignement comprennent :

  • Les intérêts concurrents et la politique interne font dérailler le succès du projet.
  • Le partage de données limité ou inexistant crée des obstacles sur la voie d’informations significatives.
  • Déconnexion entre les ressources techniques, les utilisateurs métier et les chefs d’entreprise, ce qui entraîne des résultats inférieurs.
  • Négligence des utilisateurs finaux conduisant à une mauvaise appropriation et adoption.

Divers intervenants au sein de l’organisation cliente doivent constamment travailler pour atteindre et maintenir l’alignement interne.

2. Les informations exploitables ne sont pas l’objectif final focal

L’objectif final doit simplement être des informations exploitables. Lorsque vous considérez le Pourquoi d’un projet de BI, n’oubliez pas que l’essentiel de la collecte de données et de la fourniture d’informations est de générer des résultats commerciaux – pour faciliter, informer et diriger action:

, 6 raisons pour lesquelles les projets de BI et d&rsquo;analyse échouent – et comment l&rsquo;éviter<span class="wtr-time-wrap after-title"><span class="wtr-time-number">1</span> minutes de lecture</span>

N’oubliez pas, comme souligné au début, « seulement 20 % des informations analytiques produiront des résultats commerciaux », et vous pouvez commencer à comprendre pourquoi.

« Les entreprises ont encore du mal à savoir quelles informations utiliser, car, même avec les plates-formes modernes d’analyse et de veille économique (A&BI), les informations ne sont pas contextualisées, facilement consommables ou exploitables par la majorité des utilisateurs…[they] sommes noyé dans les données et, d’autant plus que la complexité des données augmente, ils ont du mal à identifier ce qui est le plus important et quelles sont les meilleures actions à entreprendre.

(Top 10 des tendances en matière de données et d’analyses 2020)

Les informations qui ne sont pas exploitables – qui ne déterminent pas les décisions commerciales – sont infructueuses et inutiles. Ce sont des pixels coûteux sur un moniteur, ou imprimés sur une page, qui représentent une perte de temps et d’argent.

L’objectif des projets BI est de générer des résultats commerciaux en permettant aux décideurs de disposer d’informations précises et pertinentes. Sans cela, cela ne sert à rien et le projet ne peut pas fournir un résultat excellent (voire médiocre).

3. Un manque de leadership et d’appropriation

Comme le dit le proverbe, « tout monte et tombe sur le leadership ». (Dr Lee Roberson)

Pour qu’un projet BI réussisse, il doit y avoir une propriété claire et responsable du produit des deux côtés de l’équation – avec le client et avec le consultant.

Le maître d’ouvrage peut souvent jouer le rôle de « champion » du projet, en partenariat avec le parrain. Le propriétaire du projet/produit doit être responsable et redevable – après tout, là où il n’y a pas responsabilité, il ne peut y avoir de vrai Succès.

Voici cinq domaines clés sur lesquels se concentrer :

  1. Buts – approuver les objectifs et les résultats convenus
  2. Rôles et responsabilités – nous utilisons une matrice RASIC dans notre métier : Responsable, Approuver, Accompagner, Informer, Consulter.
  3. Gouvernance – responsable d’une livraison rapide et de qualité étape par étape ; pas pour la gestion à un niveau de tâche granulaire.
  4. Direction – créer et maintenir un soutien interne et une dynamique pour la vision et les livrables du projet.
  5. la communication – Fournir des commentaires et approuver les résultats du travail.

Le parrainage exécutif est un aspect essentiel du leadership de projet. Un projet d’analyse de données qui n’a pas le soutien d’un chef d’entreprise senior est voué à l’échec dès le départ.

Même si de nombreuses parties prenantes internes sont enthousiasmées par le projet BI, l’absence d’un sponsor exécutif entravera sérieusement les résultats commerciaux. En fait, le projet pourrait être complètement déraillé, voire abandonné, en raison de ce manque de parrainage exécutif.

Un mécénat exécutif régulier contribue massivement aux projets :

  • Disponibilité continue des ressources clés, telles que les personnes et le financement.
  • Alignement des livrables du projet avec les résultats commerciaux.
  • Suppression des obstacles organisationnels.
  • Expédition des ressources et des livrables retardés.
  • Résolution des conflits internes et des désalignements.

Notre équipe de consultants a déjà fourni les meilleures analyses de sa catégorie pour une organisation à but non lucratif incroyable, et le client était ravi des résultats – leur équipe est passée de trois jours pour créer manuellement un rapport inter-objets dans Excel à avoir un tableau de bord Tableau CRM dynamique, précis et en libre-service disponible pour les membres de l’équipe.

La capacité d’étendre cette solution au-delà de la petite équipe initiale de parties prenantes était prometteuse, ainsi que le potentiel de produire des résultats transformationnels dans l’ensemble de l’organisation. L’équipe du projet a tenu à faciliter, cependant, en raison de l’absence de parrainage exécutif, l’idée n’est pas allée plus loin et des gains importants ont été perdus.

Le parrainage exécutif est absolument essentiel pour la réussite d’un projet BI. Si vous ne l’avez pas, obtenez-le !

4. Absence d’approche agile

En règle générale, une approche en cascade de la gestion et de la livraison de projet ne fonctionne pas pour les projets BI, principalement parce que cette approche repose fortement sur un ensemble d’exigences clairement défini au départ. C’est extrêmement difficile, voire impossible, pour la plupart des projets de BI, car le client ne sait tout simplement pas ce dont il a besoin ni comment l’obtenir.

Une approche flexible, expérimentale et itérative est requise – une approche « agile BI » :

, 6 raisons pour lesquelles les projets de BI et d&rsquo;analyse échouent – et comment l&rsquo;éviter<span class="wtr-time-wrap after-title"><span class="wtr-time-number">1</span> minutes de lecture</span>
  • Concept: En travaillant avec le client (qu’il soit en tant que prestataire interne ou externe) dans des ateliers interactifs, définir et construire une maquette brute de la première itération.
  • Création: Sur la base des retours clients sur la maquette, concevoir et construire un premier prototype de tableau de bord à partir de données réelles (totales ou partielles).
  • Itérations de construction: Les tests clients pratiques du prototype par diverses parties prenantes et personnalités créent une boucle de rétroaction fermée, ce qui est incroyablement puissant :
    • Test
    • Revoir
    • Construire
    • Test (plusieurs itérations jusqu’à ce que le MVP soit construit)
  • Transition (version): Le MVP est publié pour tester les utilisateurs, accompagné d’une formation, d’un mentorat et d’un support, alors que l’équipe de projet se prépare à passer en production pour tous les utilisateurs professionnels.
  • Production: Une fois que le MVP est en ligne dans le monde réel, un mécanisme de rétroaction simple est fourni pour faciliter l’amélioration continue – vous ramenant à l’étape 1.

Gardez à l’esprit que l’objectif doit être progresser, ne pas la perfection. D’après mon expérience, les conséquences de ne pas adopter une approche MVP (produit minimum viable) et une feuille de route sont catastrophiques.

Identifiez les livrables du projet hautement prioritaires qui formeront le MVP, mettez-vous d’accord sur les paramètres de réussite de ces livrables et restez concentré – la perfection peut attendre ! Le progrès est la clé.

Il y a des années, nous avons travaillé avec une grande entreprise pour proposer un MVP Tableau CRM afin de permettre la mise en service de leur nouvelle implémentation Salesforce. La conception initiale de notre équipe était simple et minimaliste, et le client était extrêmement satisfait. Cependant, une partie prenante clé de leur côté s’est présentée avec une liste gigantesque et exhaustive d’exigences en matière de BI basée sur leurs analyses héritées.

Au lieu de s’en tenir à un design MVP minimaliste, comme initialement proposé et convenu, le client a été distrait par cette personne influente. Le projet a été, dans une certaine mesure, saboté. Il a fallu plusieurs mois pour récupérer et faire de vrais progrès. Si l’entreprise s’en était tenue à la stratégie originale d’un MVP minimaliste et d’une feuille de route, les résultats auraient été de loin supérieurs.

5. Mauvaise intégration des données

C’est peut-être un cliché, mais le vieil adage est vrai :

Garbage In = Garbage Out

Des données incomplètes et inexactes ne donnent jamais d’informations précises et utiles ; vos tableaux de bord ne sont jamais aussi bons que les données qui les alimentent.

J’ai rencontré un exemple concret dans le domaine de l’analyse de segmentation marketing et des communications par e-mail personnalisées. L’entreprise a dépensé beaucoup d’argent pour investir dans les technologies de pointe marketing automation plate-forme, Pardot. Ils m’ont ensuite payé une somme considérable pour mettre en œuvre et configurer le système afin qu’il corresponde aux résultats souhaités en matière de génération et de développement de leads.

Le résultat final était une solution innovante et puissante qui a même attiré l’attention de l’équipe produit de Pardot. Cependant, plusieurs d’entre nous ont signalé un risque dès le début de la phase de conception : les données nécessaires à la segmentation et à la personnalisation manquaient sérieusement de qualité et d’achèvement. Le résultat commercial était sous-optimal car le cadre de première classe était alimenté par des données de troisième classe.

De nombreuses entreprises cherchent à surmonter une intégration de données médiocre (ou inexistante) avec des processus manuels. Attention : l’enrichissement manuel des données est lent, fastidieux et sujet aux erreurs, et souvent il n’a même pas lieu du tout, laissant les ensembles de données terriblement inadéquats pour conduire une analyse utile. En fait, les tableaux de bord qui en résultent sont contre-productifs et dangereux, car ils livrent des informations trompeuses !

Vous pouvez avoir les personnes les plus intelligentes, la meilleure technologie et la vision la plus claire, mais vous ne réussirez jamais sans des données :

  • Courant
  • Correct
  • Cohérent
  • Compléter

6. Aucun plan de développement continu

Les données et les tableaux de bord ont une demi-vie. C’est-à-dire que la valeur qu’ils fournissent se détériore naturellement avec le temps, ce qui nécessite un plan stratégique délibéré pour développer continuellement les actifs d’analyse. Pourquoi? Des changements surviennent dans :

  • Modèles et processus commerciaux
  • Architecture des systèmes et des données
  • Le paysage socio-économique
  • Direction d’entreprise
  • Indicateurs de performance

Un bon exemple est l’impact récent de COVID-19 sur les entreprises et sur le monde en général. Les modèles d’apprentissage automatique qui ont été entraînés à l’aide des données de 2019 sont presque certainement obsolètes. Les modèles économiques ont été bouleversés presque du jour au lendemain, les sociétés et les économies étant bouleversées en quelques mois. Certaines entreprises ont prospéré et d’autres ont échoué, souvent en raison de facteurs totalement indépendants de leur volonté.

Combien de tableaux de bord analytiques et de modèles prédictifs créés en 2019 sont désormais inutiles ? Malheureusement, la réponse est « beaucoup ».

Nous avons travaillé avec une grande entreprise pour fournir une preuve de concept (POC) autour de la prévision de la demande pour leurs services. Cependant, juste au moment où nous nous sommes engagés, COVID a frappé le monde. L’impact sur l’activité de notre client a été une augmentation de 95% de la demande pour mai 2020, par rapport à la même période en 2019. La base des informations prédictives étant l’extrapolation intelligente des tendances historiques dans un avenir proche, comment une solution prédictive pourrait-elle fournir des prévisions précises avec un monde en constante évolution ?

Quels facteurs conduisent à la dépréciation et à l’abandon des tableaux de bord analytiques et des modèles prédictifs ? Voici mon top dix :

  1. Pas de feuille de route de développement.
  2. Aucun processus de rétroaction et d’amélioration continue.
  3. Manque d’appropriation de la stratégie et des actifs BI.
  4. Manque de développement des ressources humaines – la formation et l’équipement ne soutiennent pas la feuille de route.
  5. Aucune vision de croissance et d’innovation.
  6. Manque de ressources commerciales pour prendre en charge les correctifs et les améliorations.
  7. Développement limité ou inexistant de la plate-forme et de l’intégration des données.
  8. Mauvaise appropriation et adoption par les utilisateurs.
  9. Défaut de favoriser une culture d’innovation de croissance.
  10. Un état d’esprit de contentement – ​​« nous sommes arrivés ».

L’impact commercial de cette « demi-vie » d’analyses et d’informations est énorme. Les tableaux de bord des organisations qui n’ont ni la stratégie ni les ressources pour un développement continu sont voués à l’échec.

À quoi ressemble un plan de développement analytique ? C’est exactement le contraire des points ci-dessus :

  1. Une feuille de route de développement claire et convenue.
  2. Un processus documenté et mis en œuvre de rétroaction et d’amélioration continue.
  3. Propriété claire de la stratégie et des actifs BI.
  4. Développement délibéré et stratégique des ressources humaines – formation et équipement qui soutiennent la feuille de route.
  5. Une vision simple et sans ambiguïté de la croissance et de l’innovation.
  6. Des ressources commerciales adéquates pour prendre en charge les correctifs et les améliorations.
  7. Développement continu de la plate-forme et intégration des données.
  8. Forte appropriation et adoption par les utilisateurs.
  9. Favoriser une culture d’innovation de croissance.
  10. Un état d’esprit de mécontentement sain – « nous ne sommes pas arrivés ».

Sommaire

Comme souligné tout au long de ce guide, plus Les projets de BI et d’analytique sont voué à l’échec car ils ne font pas partie intégrante du processus. Alors, qu’allez-vous faire différemment?

Maintenant que vous savez ce qu’il ne faut pas faire, il vous incombe d’avoir un plan clair en place pour éviter (ou corriger) ces défaillances, et de soutenir votre plan avec les ressources nécessaires. Après tout, vous ne voulez pas faire partie des 80 % de création d’idées, seulement pour qu’ils restent sur l’étagère sans être vus, n’est-ce pas ?



Source de l’article traduit automatiquement en Français

Besoin d'aide ?
Vous utilisez Pardot depuis un certain temps mais vous n'êtes pas sûr d'en
exploiter tout le potentiel

Notre analyse de votre Pardot offerte dès aujourd'hui
Merci, vous pouvez compléter notre questionnaire
Nous allons revenir vers vous rapidement !

Fermer