Les domaines d'application du big data pour les achats, limites et enjeux

Publié par Camille George le 19 mai 2017

Je m'abonne

Imprimer

Les limites du big data

Mais le big data montre ses limites quand l'achat de données n'est pas ciblé pour un usage précis en vue d'une valorisation réelle. Pour bien acheter la data il faut avant tout penser à l'organisation de sa gestion. Un trinôme acheteur/manager métier/DSI qui réunit celui qui achète, celui qui traite et celui qui se sert de la donnée permet de challenger le besoin en permanence. "Le Crédit Agricole achète 200 millions de data par an, cela devient stratégique. Nous ne pouvons pas nous permettre d'acheter des données inutiles ou inutilisées", souligne Sylvie Robin-Romet.

Il est nécessaire de mettre en place une gouvernance de la data et surtout de la piloter par la suite. "Donc, et cela va arriver très vite, le métier d'acheteur évoluera pour remonter dans la chaîne de valeur", estime Sylvie Robin-Romet du Crédit Agricole. Demain, il ne fera plus de RFI, de suivi de contrats ou d'approvisionnement car toutes ces fonctions seront automatisées et modélisées. Les acheteurs se concentreront davantage sur la définition du besoin en amont, la gouvernance et le pilotage des données. Les décideurs achats doivent se préparer à former les jeunes générations d'acheteurs sur ces problématiques et ses évolutions métier.

Le data scientist un drôle d'animal

Magicien de la donnée et des algorithmes compliqués, le data scientist peut faire des miracles sur une problématique donnée. Sur la partie transactionnelle par exemple, il sera capable de modéliser et d'automatiser les process pour rendre la gestion fournisseur et la gestion des risques proactives.

Mais il faut accepter que ce drôle d'animal reste un électron libre dans l'entreprise.

Des équipes mixtes data scientist/opérationnels métier lui permettront de s'imprégner de la culture d'entreprise sans être écrasé par le cadre. Il doit pouvoir fonctionner en mode projet de façon autonome. Ne lui demandez pas tous les trois jours où il en est. "Pour fidéliser ce type de talent il faut lui laisser les mains libres et le challenger sans cesse avec de nouveaux projets. Un data scientist doit être partagé par plusieurs métiers de l'entreprise. Déjà parce qu'il coûte très cher mais surtout parce qu'il sera le maître d'oeuvre de votre transition digitale", estime Sylvie Robin-Romet.

Pour avoir l'étude Deloitte sur les achats et les enjeux du digital cliquez ici