innovation data

Une levée de 1,5 million d’euros : askR.ai part à la conquête du Retail avec Kaptain Charlie, le coach virtuel qui maximise les résultats des actions commerciales terrain

Fondée en 2016, la startup askR.ai a créé le premier data assistant boosté à l’intelligence artificielle qui permet de simplifier l’accès à la donnée. Ses fondateurs, Matthieu Chabeaud, Joël Celaries et Alexandre Schneider, sont 3 experts de la data qui travaillent ensemble depuis plus de 20 ans. 

En 2021, dans un souci de répondre aux enjeux jugés les plus prioritaires par les acteurs du Retail, la start-up mène une étude de 8 mois auprès de plus de 60 directeurs régionaux de grandes enseignes du secteur en France. Le résultat fait émerger un besoin de piloter de manière plus efficace les performances des actions commerciales mises en place en magasin. 

Une levée de fonds d’1,5 million d’euros réalisée auprès de Pléiade Venture, avec le soutien de BPI France et de la Banque Populaire, permet à askR.ai de répondre à cette problématique et de lancer Kaptain Charlie, un coach virtuel qui maximise les performances des actions commerciales en points de vente.

Une enquête menée sur le terrain qui débouche sur une levée de fonds d’1,5 million d’euros

C’est en souhaitant s’appuyer sur le retour d’expérience de ses utilisateurs, dans l’optique de répondre à leurs besoins et d’être au plus près de leurs préoccupations qu’askR.ai, en partenariat avec HyperGROWTH, a interrogé plus de 60 Directeurs régionaux pendant 8 mois. Résultat ? 71% des dirigeants ont répondu qu’il était très prioritaire d’améliorer la manière dont les équipes terrain utilisent les données pour améliorer leurs performances.  Forte de ce constat sans appel, la start-up a levé 1,5 million d’euros afin de proposer une solution concrète répondant à ces problématiques : Kaptain Charlie. La solution s’appuie en grande partie sur la technologie préexistante de l’éditeur (Intelligence Artificielle, Data, NLP). 


Kaptain Charlie, un outil du quotidien, collaboratif et commun à l’ensemble du réseau 

Intuitive, facile d’utilisation, et connectée aux messageries instantanées des entreprises (Teams, Whatsapp, Facebook Workplace…), Kaptain Charlie est une solution qui permet de déceler rapidement un décrochage dans l'atteinte des objectifs des actions commerciales terrain en cours pour prendre des actions correctives immédiatement, de multiplier les actions commerciales qui performent et d’abandonner rapidement celles qui ne performent pas en basant les décisions sur des faits, et, enfin, d’amplifier les performances des actions commerciales de l'enseigne en impliquant tout le réseau (Directeur de réseau, Directeur régional, Directeur magasin).

« Kaptain Charlie a été conçu pour répondre au besoin de pilotage quotidien des actions commerciales des équipes terrain qui n’ont pas le temps d’analyser l’intégralité des chiffres en détail. Kaptain Charlie leur délivre immédiatement l'information actionnable pour agir et maximiser leurs performances », déclare Matthieu Chabeaud, CEO et co-fondateur d’askR.ai. 

Article initialement paru sur Republik Retail : https://www.republik-retail.fr/solutions-techno/data/data-ia-askr-ai-leve-1-5-million-d-euros-pour-devenir-le-coach-numerique-des-equipes-magasin.html



Kiloutou : Le challenge du dernier kilomètre de la donnée.

blogpost kiloutou social.png
portrait arnaud maton

Arnaud Maton est Responsable des services "Data Management / Référentiels" & "Architecture d'Entreprise / Veille IT" chez KILOUTOU.  Depuis 17 ans, il participe à l’évolution du SI et du data management du groupe.


L’évolution récente de la DSI

“ j’ai dans mes équipes les plus anciens informaticiens de la boîte, coté architecture SI, mais nous sommes à la pointe de l’innovation !” S’amuse Arnaud Maton. Kiloutou a en effet vécu ces 20 dernières années un vrai changement d’échelle : le nombre d’agence passe de 40 à 400, suivi d’une internationalisation vers la Pologne, l’Italie, l’Espagne et l'Allemagne. Nouvel ERP à déployer en France puis ailleurs, nouveau site e-commerce en parallèle : les données affluent ! Arnaud Maton suit ces projet de près, et c’est assez naturellement qu’à partir de 2018, il demande à prendre en charge le service BI.

Cette période correspond à une volonté de changement de gouvernance impulsée par la direction du groupe. Ainsi, bien que plutôt modeste et à la délimitation assez floue mais très transverse, ce service BI devient rapidement le service Data Management général du Groupe et rassemble actuellement une dizaine de consultants.

Comme une partie de ses équipes, Arnaud Maton a donc une bonne connaissance des enjeux du groupe liés à son ancienneté dans la maison, tout en étant à l’affut permanent de nouveautés technologiques à mettre en avant. 

Un projet de grande envergure est initié, pour effacer la dette technique accumulée pendant de nombreuses années sur la BI du groupe : c’est le projet « Data4Business » . Data en temps réel, API, dash boarding, data factory, data-assistant … Les projets fourmillent, impliquant notamment de gros changements structurels.

covid : coup d’arrêt et coup de fouet.

Le 16 mars marque la fermeture générale de 532 agences et du siège. Il faut alors généraliser l'accès à distance externe par VPN : habitué à environ 200 connexions par jour, Kiloutou monte jusqu'à 3000 connexions ! Heureusement, la crise a permis de valider les choix stratégiques posés en amont : le sujet avait été abordé des 2019 avec un changement de solution. Dans le même temps, les équipes RH en télétravail, voir en chômage partiel, ne sont plus en capacité humaine de traiter toutes les demandes déclarations de chômage partiel pour chaque agence, fiche de paye avec les nouvelles règles... ). Le service Data participe alors à l'automatisation de nombreux documents, et met dans le même temps à disposition plus d'une cinquantaine de nouveaux reportings pour faciliter la prise de décision URSSAF. 

De nouveaux besoins de pilotage d’activité client apparaissent également.. « Etant donné que la plupart de nos clients avaient stoppé leurs chantiers, et étaient en chômage technique, le pilotage d'activité ne se faisait non plus à la journée, mais à la ½ journée, suivant les remontées de nos boitiers télématiques équipant nos gros matériels. Cela impliquait la mise en œuvre de nouveaux dashboard utilisant les données télématiques pour identifier les reprises d’activités clients, et relancer notre business. » précise le responsable du service Data.

Au final, le Covid a accéléré un certain nombre de projets qui étaient dans les cartons, tout en prouvant la justesse de la gouvernance initiée en 2018. Une gouvernance qui dès le début a visé à mettre la donnéemettre la donnée au cœur des décisions quotidiennes, y compris (et surtout) pour chacun des collaborateurs en agence.

Le dernier kilometre de la data 

agence Kiloutou

Car si le secteur de la location est assez résilient face aux crises financieres,  les choses restent compliquées sur le plan humain.

C'est pour cette raison que le brief quotidien en agence est un enjeu important pour améliorer à la fois la performance quotidienne de l’agence et la maturité data, ou data literacy, des collaborateurs. « Faciliter l’accès aux informations nécessaires pour ce brief, avec de nouvelles solutions innovantes comme le data assistant Askr.ai, répond à un enjeu de démocratisation des services apportés autour de la Data dans le groupe : simple, rapide, efficace. » continue le responsable de service.

« Ce projet stratégique reste confronté  à la difficulté d’organiser des réunions physiques avec les équipiers pour évaluer les solutions pertinentes pour la mise à disposition de la donnée sur le « dernier kilomètre ». Ces réunions restent primordiales pour faire adopter les nouveautés. » confirme Arnaud Maton.

En raison du contexte covid19, le projet a donc été reporté de quelques mois .. On se donne rendez-vous en 2021 !






Une stratégie data pour faire face à la crise du retail ? IA et experience client

Nous évoquions dans un précédent article l’impact de l’IA sur la calibration de l’offre et des prix. Cette calibration est indissociable de l’amélioration de l’expérience client et de la communication. Cet autre chantier est déterminant pour le secteur du retail, qui voit le budget des consommateurs consacré aux achats diminuer lentement mais sûrement. 

IA experience client crise retail

Baisse du CA : moins de clients mais plus de data.

La crise actuelle a acté assez violemment une diminution de budget des consommateurs. En dehors du secteur alimentaire qui a gagné 20% de vente, le coronavirus a mis en avant la volatilité de la clientèle, moins loyale et surtout en recherche de la plus grande simplicité de parcours compatibles avec les mesures de protection sanitaire. De grandes enseignes bien connues des français comme Naf Naf ou Camaieu sont en redressement judiciaire. Bien que ces chutes aient été précipitées par les événements, elles sont surtout l’expression de défis non relevés depuis une dizaine d’année.

Le secteur traversait déjà une période difficile, explique Gildas Minvielle, directeur de l'Observatoire économique de l'Institut français de la mode. En moyenne, depuis l'année 2007, l'évolution du chiffre d'affaires des distributeurs recule. Sur l'ensemble de la période, il a reculé d'un peu plus de 15%.". Face à une baisse globale du chiffre d’affaire, les canaux de différenciation ne sont pas les produits eux-même, qui dans le cas de vêtements de milieux de gamme n’est “que” une affaire de goût. La différenciation vient de l’utilisation des données que les enseignes collectent de mieux en mieux. 

Il faut donc jouer avec ces data sur un autre tableau : choyer les clients pour les conserver, avec une expérience d’achat absolument fluide et une personnalisation soigneusement dosée pour être bienvenue. Et en e-commerce, “ La plupart des sites mobiles sont à des années lumières de ce que les clients attendent : 19 secondes pour télécharger un site mobile via un réseau 3G alors qu’au-delà de 3 secondes 53% des clients zappent sur un autre site. “ précise François Loviton, Directeur Brands & Retail chez Google France.

Choyer les clients pour les conserver, avec une expérience d’achat absolument fluide et une personnalisation soigneusement dosée pour être bienvenue.

Il ya donc l’optimisation perpétuelle des sites de ventes, mais aussi la capacité à suivre le client en passant d’un canal à l’autre : un site, un site revendeur, en boutique… Afin d’identifier et optimiser les parcours les plus susceptibles de convertir, l’IA est un atout précieux permettant d’identifier des shémas fructueux. On peut citer l’exemple du groupe Etam, qui a lancé un algorithme capable de voir des signaux faibles sur certains produits qui se vendent "discrètement". L’intelligence artificielle scrute toutes les ventes online et offline. L’information est ensuite remontée aux magasins pour qu’ils aient conscience de "ces best-sellers qui ne se voient pas". Objectif pour Jean-Bernard Della Chiesa, directeur innovation du groupe Etam ? Améliorer le merchandising de ces références.

Cette meilleure compréhension des intentions des clients, ou encore la personnalisation des suggestions, via des coupons individuels, sont par exemple de belles promesses de l’IA qui nécessitent d’être travaillées à fond pour offrir cette différenciation tant cherchée.

Bienvenue dans l’ère de l’assistance : personnalisation client et parcours omni-canal.

Au sein de son Hub Digital, Carrefour expérimente avec Google des usecases prioritaires qui touchent aussi bien à l’optimisation en commerce de proximité qu’à la personnalisation des coupons, ou encore l’analyse automatisée de l’assortiment. Grâce à la personnalisation, les services sont plus efficaces et pertinents pour l’utilisateur et bénéficient tant à l’entreprise qu’au client.

Toujours chez Carrefour, sous la direction de Amélie Oudéa-Castera du Hub Digital, une prédiction des promotions à commander est en phase d’industrialisation. Ces produits partent souvent plus vite et “un meilleur calibrage des niveaux de commande permettrait d’apporter plus de 100 millions d’euros de chiffre d’affaires”. Combiné à la création de Léon, assistant virtuel d’aide aux courses en ligne, cette création d’algorithme démontre que Carrefour a bien compris qu’il fallait de plus en plus accompagner le client avec une assistance pertinente. Lui faire gagner du temps en le comprenant profondément grâce à ses données, et ne pas seulement lui proposer passivement des produits qu’il trouverait, de toute façon, ailleurs. 

Voilà une tendance que le monde du retail français ne doit pas laisser passer. La fonction  search devient plus intelligente et plus prédictive sur les sites : on est passé de l’indexation de lien à une recherche sémantique, avec des alertes pro-active. De nouvelles manières de chercher un article, par l’image ou par la voix, ont vu le jour. La conjugaison du machine learning et des objets connectés, devront amener jusque dans les boutiques physique et cette logique d’assistant intelligent via des conversations qui seront une forme évoluée de ce que l’on fait aujourd’hui en cherchant un produit. 

Marqués par une crise créant de la distance physique, les retailers doivent appréhender cette révolution pour pouvoir se transformer relever. “Retail is detail! “

Découvrez askR.ai, le data-assistant des retailers

 

Sources :

https://www.usine-digitale.fr/article/lab-carrefour-google-les-10-grandes-innovations-testees-par-le-distributeur

https://siecledigital.fr/2020/05/25/le-retail-a-lepreuve-de-la-crise-du-covid-19/

DAF : analyse et reporting ne font pas bon ménage pour l’avenir.

“Le reporting et la présentation des rapports représentent jusqu'à 55 % du temps de travail des contrôleurs de gestion en Europe”

Des habitudes poussiéreuses ?

“Je ne fais pas du contrôle de gestion pour les chiffres, je fais du contrôle de gestion pour savoir ce que je peux gagner, ou faire mieux »  Voilà ce que précise le DG d’une grande entreprise française dans l'enquête qualitative menée en 2018 par l’ESSEC intitulée “ L’impact de la digitalisation sur le rôle du contrôleur de gestion “

Et pourtant, malgré une baisse de 10 % en deux ans du temps consacré par les professionnels au plan, au budget et à la production de reporting*, cette partie du métier reste extrêmement chronophage. Le reporting et la presentation des rapports représentent jusqu'à 55 % du temps de travail des contrôleurs de gestion européens !

Exercice rébarbatif mais imposé, car pour un rapport que l’on supprime, combien de nouvelles demandes ? 

Passer du contrôle de gestion au management de la performance

Les fonctions financières voit symptômatiquement leurs noms changer : les comptables deviennent des « Business Process Analyst » et les contrôleurs de gestion se transforment en «Business Analyst ». L’accent est mis sur la capacité à analyser et synthétiser au plus près des chiffres, soutenu par les nouvelles technologies. Contrôle de gestion, planification et budgétisation : ces missions des services financiers se transforment.

L’ exercice du rolling forecast par exemple dans les grands groupes, plus exigeant qu’un traditionnel budget, peut rendre le rythme de rendu et la productivité plus tendus puisque généralement l’effectif des ressources reste le même. On peut pourtant faciliter ces nouveaux process par de bons outils d'accès aux données, et la possibilité de se libérer des questions simples posées par les business units. 

Contrôleur de gestion augmenté : l’apport de l’IA 

Car oui, continuer de fournir des chiffres sur la performance, souvent dans des délais très courts et ce malgré des outils de reporting fait pour rendre les utilisateurs business plus autonomes, c’est frustrant pour des contrôleurs dont on attend des analyses ou une vision perpétuellement renouvellées dans le cadre du rolling forecast notamment…

Et dont la valeur n’est pas dans la ”simple” restitution des chiffres, car de plus en plus de profils recrutés sont des experts formés en data. 

Thibault Bonneton, Directeur Planification Financière, Controlling, Transformation et Gouvernance chez Orange Espagne, l’a bien compris. Depuis l’année dernière, un data-assistant vient soulager les équipes de gestion.

Les flux de questions sans valeur ajouté adressées aux équipes Contrôle de gestions ont été redirigées vers Thi-Bot, un “contrôleur junior” disponible 24/24. Sur des demandes métiers standards comme l’EBITDA du mois, la décomposition des revenus par date, year to date, ou sur l’évolution du revenu moyen par user (ARPU), etc… La Direction Finance Orange Espagne a choisi d’utiliser la technologie NLP de askR.ai pour comprendre les questions et générer les réponses.  

Ce projet mené par Orange s’inscrit dans la volonté d’augmenter la Business Intelligence, une des tendances détectée par Les Echos Business qui vont impacter la direction financière d’ici 2023*. L’Observatoire international du manager de la performance, avec la DFCG, a classé ces tendances selon le pourcentage de réponse :

  •  la business intelligence avancée - 53 %

  • la data visualisation - 47 %

  • « RPA » ou « Robotic Process Automation » - 41 %

  • IA  - 2 %

En somme, malgré des efforts pour diminuer le temps consacré à des tâches chronophages, les missions des contrôleurs de gestion ne se renouvellent pas encore vraiment. Pourtant, de nouveaux profils plus orientés data et de meilleurs outils d’accès aux données transforment petit à petit les DAF et le contrôle de gestion. Le contrôleur de gestion sera augmenté ou ne sera plus!


 

Direction achats : 7 défis digitaux à relever avant 2021.

Être directeur achat en 2020, c'est prendre conscience de l’importance grandissante de sa fonction concernant l'innovation dans l'entreprise. Les achats ont en effet un double impact. D’abord comme levier de performance essentiel au maintien et à l’amélioration de la marge, mais aussi en première ligne de l’innovation.

Quel est l'impact sur l'organisation stratégique du service achat ? Quelles sont les nouveaux défis induits par la digitalisation du service achat ?

L’augmentation volume/vitesse/variété des données ces dernières années a exacerbé les risques liés à l’intégration stratégique de ces données. C’est alors au service achats de veiller à anticiper ces risques dans ses missions quotidiennes. 

————————- INTEGRATION STRATÉGIQUE DES DONNEES ————————

Défi 1 - Vérifier la propriété des données

De plus en plus de données sont collectées par le service achat sur toute la chaîne d'approvisionnement. Une question se pose : quand des capteurs sont installés par exemple pour la réception des colis, les données appartiennent-elles à la société qui gère les capteurs, au fabricant des capteurs, à la société qui a fait installer ses capteurs…? Il faut mettre en place des accords en amont afin de pouvoir exploiter correctement ces informations en toute transparence, car il existe un vrai risque lié à la souveraineté de ces données. 

Défi 2 - Nettoyer les données collectées 

Cette collecte effectuée ne suffit cependant pas à offrir de nouvelles perspectives. Il faut pour cela nettoyer et uniformiser ces données, ce qui nécessite de nouvelles compétences… La direction achat doit donc consolider et nettoyer ses données grâce à des compétence développées en interne, ou grâce à des collaborateurs spécialisés data de l’entreprise ou d’un partenaire. L’un des enjeux sera notamment l’automatisation de ces deux tâches structurantes mais répétitives.  

Défi 3 - Anticiper les risques grâces à l’IA 

Un autre enjeu sera l’exploitation de ces données dans des modèles de machine learning. De nombreuses applications possibles pourront apporter de précieux éléments à la direction achats, impossible à obtenir autrement. L’IA offre la possibilité de prédire des tendances (pics de commande, rupture de stock, augmentation des coût ou bien encore identifier des situations à risque avec les fournisseurs (cf cet article ). 

———————— SUPPLY CHAIN  ———————

Défi 4 - Optimisation de la supply chain grâce aux données clients

La multiplication des données disponibles sur les chaines de production représente une chance incroyable d’optimisation de process. Après avoir intégré les données des différents outils de gestion à un SI commun, on pourra clairement améliorer la traçabilité ou diminuer les coûts de stockage par exemple… Une collaboration étroite avec une mise en commun des données entre service achats et service logistique sera nécessaire à la direction achats pour relever ce défi. 

Défi 5 - Faire face à l'augmentation des dépenses liées à l’électronique

Concernant l’évolution du type d’achats au sein de l’entreprise, il y a clairement eu une explosion des achats de matériel électronique. Entre le besoin de performance des collaborateurs et l’obsolescence programmée des fournisseurs, la direction achats devra anticiper l’importance de ce type de dépenses en perpétuel renouvellement. 

——————— SOURCING —————

Défi 6 - Sourcer l'innovation : le défi inattendu

Inattendu mais logique, car les achats sont aujourd'hui en première ligne auprès des fournisseurs extérieurs. Avec la montée en force des start-ups, la relation change : relation gros structure/petite structure, abonnement SaaS… La centralisation des achats vers laquelle tendent la plupart des entreprises d’aujourd'hui pousse la direction des achats à assumer ce changement de paradigme. Mais elle met aussi la direction achats en phase directe avec le marché et ses évolutions, et peut devenir la source numéro un de renseignements sur l'innovation du secteur pour le reste de l’entreprise. 

——————————- TRANSACTIONNEL ———————-

Défi 7 - Amélioration des process 

Cette responsabilité qui incombe au directeur achat n'est pas nouvelle. Mais la digitalisation offre de nouvelles perspectives notamment pour le source to pay ou  la gestion des références fournisseurs. La digitalisation permet par exemple une capture intelligente des données à intégrer, ou bien un accès immédiat à tous les éléments de la transaction.

Le procurement to pay automatisé et les spend analytics accessibles via un data-assistant capable de répondre aux questions représente par exemple une innovation majeure pour la direction achats. L’instantanéité et la précision d’une prise de décision effective représente un avantage énorme au sein d’un service achats!

Découvrez askR.ai, le data-assistant des directeurs achats:

 

Pourquoi un chatbot ne pourra-t-il jamais jouer le role d’un data-assistant ?

Pourquoi un data-assistant plutôt qu’un chatbot ?

Les technologies conversationnelles sont devenues monnaies courantes. On peut maintenant interagir, sur le mode de la conversation orale ou écrite, avec son téléphone, sa voiture, un service client automatisé… Pourtant, si le terme de “chatbot” est le plus souvent utilisé pour désigner des interactions hommes/machines se rapprochant de vrais échanges humains, ce terme recouvre plusieurs technologies. Siri, par exemple, n’a pas grand chose à voir avec un chatbot du support client !

(C’est un sujet que nous avons déjà abordé dans cet article sur les chatbots 1ere et deuxième generation )

Agents conversationnels : différents degrés de complexité

On utilise souvent le terme de chatbot pour désigner les agents conversationnels de type “support client” : trouver un billet de train, obtenir son code PUK…Mais la plupart de ces chatbots n’ont en réalité pas de réelle compréhension de la demande de leurs interlocuteurs. Ils repèrent des mots clefs déclencheurs, afin de fournir une réponse pré-programmée, ce qui est une forme très basique de détection d’intention.

On parle dans ce cas d’arbre de décisions : le chatbot a un nombre de scénarii limités déclenchés par des expressions ou des mots clefs prévus à l’avance. Ce sont des projets nécessitant de grosses bases de connaissance des mots clefs si on veut un peu de finesse dans la detection d’intention. Pour mettre en place un projet avec une technologie de chatbot, il faut donc définir en amont l’ensemble des intentions possibles des utilisateurs. On peut obtenir des résultats relativement satisfaisants, à condition que les intentions possibles des utilisateurs soient bien anticipées…mais surtout très restreintes.

La complexité d’une infrastructure chatbot capable de répondre à un nombre de questions exponentiel, une question en amenant deux, voir trois autres, tend à décevoir les utilisateurs. La lourdeur, ou l’absence de réactivité du bot finissent par épuiser les porteurs de projet et lasser les utilisateurs finaux.

Data-assistant : cas spécifique de l’interrogation d’une base de données

Pour permettre à des utilisateurs d’interroger un grand nombre de données, stockées dans une base importante, une technologie de chatbot de type “arbre de décision” ne suffit pas. Un assistant sur les données comme askR.ai repose sur un autre type de technologie, structurée pour interroger de très grosses bases de données où le nombre de combinaisons de requêtes possibles est infinie.

Contrairement à un chatbot, un data-assistant est fait pour comprendre le langage naturel grâce au NLP. Il va analyser la structure grammaticale de la question, identifier et classifier les éléments discriminants par rapport aux données. Ce “databot" va ainsi générer à la volée la requête ad hoc, et restituer la réponse documentée à l’utilisateur sous la forme d’un chiffre, d’une dataviz ou d’un tableau. Grâce à cette capacité de génération de réponse en direct, et non basée sur des réponses préstockées dans une base de connaissance, un data-assistant a assez de mémoire pour gérer la notion de conversation et gagner en crédibilité. L’utilisateur peut interagir plus facilement, en précisant une question, en suivant un fil de discussion sur une même thématique, en demandant de l’aide ou des suggestions…

A titre d’exemple, Orange Espagne a essayé de paramétrer un chatbot sur les données financières. Au bout d’un an de travail acharné, ils se sont rendu compte que les potentielles combinaisons d'intentions des utilisateurs en interrogation de données étaient trop complexes et trop spécifiques. Impossible de tout prévoir et stocker en amont, via une simple plateforme chatbot. Ils se sont alors tournés vers le data-assistant de référence en Europe, askR.ai.

 

Pour mémoire, askR.ai est le premier "augmented data assistant », connecté aux données de l’entreprise et doté d’une intelligence artificielle, qui répond instantanément à vos questions.


Salons Solutions - Big Data : donner envie aux métiers d’aller plus loin avec leurs données.

Cet article est tiré de différentes tables rondes du Salons Solutions.

Le fil rouge de ces rencontres ? Donner envie aux métiers d’aller plus loin dans l’usage de leurs données, une manière plus concrète d’exprimer ce que l’on peut aussi qualifier de “data-driven mindset”.

Faire circuler la data et démystifier l’IA

Pour Cédric Le Saveant , VP Digital Sourcing, il faut que les équipes puissent avoir accès aux données à tous les niveaux de l’entreprise. Depuis bientôt 4 ans, il insuffle chez Technicolor un vrai changement de culture coté acheteurs. Pour lui, c’est très clair : avoir de beaux dashboards c’est très bien, mais avoir un outil aussi interactif qu’un bot capable de répondre à vos questions sur les données, c’est un changement palpable. “C’est la donnée qui vient à vous, et ça change tout ! ”, précise celui qui veut rendre les outils de bureau aussi simple que ceux de notre vie quotidienne.

En effet, l’un des plus gros challenges quand on veut mettre la donnée au coeur de l’organisation c’est l’adoption de la solution, très liée à sa simplicité. William Marcy, directeur BI technique chez TVH Consulting, par d’expérience : une même solution, présentée avec un portail plus attractif, peut rencontrer le succès après l’échec. Il distingue donc deux types de BI : la BI pour les experts, et la BI pour les métiers. “On a des plateformes très avancées mais aussi très complexes qui correspondent seulement aux besoins de la première catégorie”, renchérit Matthieu Chabeaud, CEO du data-assistant askR.ai. “Pourtant, ce sont les utilisateurs de la BI métiers qu’il faut embarquer dans une aventure simple et humaine”.

“Il faut distinguer une BI métier et une BI expert, et reconnaitre que les plateformes très complexes ne répondent qu’aux besoins de la BI des experts.“

Matthieu Chabeaud, CEO askR.ai

Introduire le conversationnel dans la Business Intelligence, c’est finalement revenir à une communication tout de ce qu’il y a de plus basique ! Les technologies IA permettant de dialoguer et d’obtenir des informations de cette manière ne font que réintroduire un mode d’expression aussi basique qu’essentiel, rappelle Matthieu Chabeaud. C’est pour cette raison qu’il est particulièrement important de faire comprendre aux utilisateurs que l’IA n’est pas une boite noire qui agirait comme un humain aux motifs inconnus, mais bien d’algorithmes qui apprennent. Pour Thomas Binant de Géotrend, il faut donc donner aux équipes les moyens de se former et de comprendre les outils IA.

Sourcer l’innovation commence par apprendre à se servir de ses données.

Salons Solutions Big Data - Donner envie aux métiers d’aller plus loin avec leurs données.

Salons Solutions Big Data - Donner envie aux métiers d’aller plus loin avec leurs données.

Une autre difficulté dans l’adoption de nouveaux outils, c’est d’avoir des équipes IT / data tellement dans l’opérationnel qu’elles peuvent en négliger la recherche de nouveaux outils capables de leur simplifier la vie. Deux chemins s’ouvrent alors pour sourcer l’innovation : soit les métiers se mettent en quête de solutions par eux-même, soit on peut se faire accompagner par un cabinet de conseil. Quand on est une PME ancrée dans le quotidien, on peut dangereusement s’habituer à l’inconfort d’une solution qui “fait le job “ : c’est ce que Matthieu Chabeaud appelle le syndrome du fakir, ou comment ne même plus ressentir la douleur d’une situation à laquelle on s’est habituée !

Il est indispensable de mettre en place de la BI en collaboration avec le service IT. Si celui-ci est exclu, c’est à la fois peut-être par manque de vision du pain, mais aussi parce que les métiers ont soif de résultats immédiats qu’ils sont les mieux à même de cerner. Le service IT n’a pas toujours la cote, mais ne pas l’inclure dès le début c’est risquer de ralentir énormément les projets. Il faut plutôt lui permettre de “redorer son blason” en l’aidant à apporter une vraie valeur aux métiers, comme chez Renault où le projet de portail interne équipé d’un data-assistant a (littéralement) déclenché des applaudissements lors de son lancement… “C’était vous dire la formidable adéquation ressentie entre le problème et le nouvel outil proposé sur les données marketing !” s’amuse Matthieu Chabeaud.

Xavier Bouteiller de Datasulting rappelle néanmoins que la responsabilité des projets data repose sur la stratégie de l’entreprise : marketing, finance, système d’information ou parfois la direction elle-même. Quel que soit le cas de figure, il faut responsabiliser au maximum les utilisateurs, en faisant en sorte que les producteurs soient aussi consommateurs.

Ce qui est certain, c’est que des utilisateurs amenés à se servir régulièrement des données à disposition - que ce soit pour avoir des informations exactes sur un contrat ou un pilotage global de performance sur plusieurs années - sont plus à même de comprendre l’intérêt de solutions IA. La fréquentation des données ouvre en effet un chemin de reflexion globale : comment faire du prédictif afin de m’assister encore mieux dans mes décisions ? Certaines tâches pourraient-elles être automatisées via le Machine Learning?

Autonomie et responsabilisation sont donc les deux éléments indispensables pour emmener les utilisateurs beaucoup plus loin.

Passer des analytics simples aux analytics augmentés grâce au data-assistant askR.ai

--------résumé--------

Table ronde « Création de valeurs à partir des données : rien ne vaut la synergie BI, IA et Data Science ! Quelles plates-formes new gen du marché sont à la hauteur de ce challenge ? »

Animée par Pascal Minguet - Journaliste indépendant
Intervenants :

Table Ronde « Démocratiser les usages de l’analytique dans les PME ; donner envie aux métiers d’aller plus loin, en libre-service et de mettre la data au centre de leurs décisions : avec quelle méthode de transformation et surtout quels outils ? »

Animée par Pascal Caillerez - Journaliste - Atelier des Mots
Intervenants :

-------------------------