Industrialiser la création de data products : les conseils de McKinsey

Alors que les organisations cherchent à intensifier la consommation de données, elles sont de plus en plus nombreuses à adopter des stratégies centrées sur les data products – des actifs data à forte valeur ajoutée, conçus pour répondre à des besoins métiers concrets et être facilement exploités par un large public d’utilisateurs. Selon l’enquête Gartner 2024 Evolution of Data Management, 63 % des Chief Data Officers (CDO) placent les data products parmi leurs cinq principales priorités d’investissement pour les deux à trois prochaines années.

Mais si l’intérêt pour les data products ne cesse de croître, leur déploiement à grande échelle reste un défi. Garantir le ROI, assurer une gouvernance efficace et créer une vraie synergie entre les data owners et les utilisateurs métier sont autant de défis qui peuvent freiner l’impact des initiatives liées aux data products.

Comment les organisations peuvent-elles poser les bases d’un programme data product pérenne ? McKinsey a récemment identifié cinq bonnes pratiques clés pour industrialiser la production et l’usage des data products : découvrez-les dans cet article, et comment les appliquer concrètement.

Le principal objectif d’un data product est de rendre des données utiles facilement accessibles à un large public d’utilisateurs métier. Mais tout comme la fabrication artisanale de produits physiques est chronophage et coûteuse, construire chaque data product à partir de zéro représente un investissement important en temps et en ressources. Pour passer à l’échelle, il faut une logique industrielle qui permet de réutiliser un maximum de composants entre les différents data products afin de générer des économies d’échelle et de temps.

Mais selon McKinsey, les difficultés ne sont pas uniquement d’ordre technologique :

Le cabinet identifie plutôt trois principaux obstacles au déploiement à grande échelle des data products :

• Une certaine confusion quant à la valeur ajoutée des data products, qui traduit un besoin de sensibilisation des utilisateurs et des décideurs sur leur rôle et les avantages des data products.
• Des pratiques de gouvernance qui favorisent les cas d’usage individuels plutôt qu’un ROI global et freinent la réutilisation des éléments ou la production à grande échelle des data products — notamment en raison de craintes concernant la confidentialité ou la sécurité.
• Des incitations internes qui récompensent la création de data products plutôt que leur industrialisation. Si on demande à tout le monde de créer des data products, il peut être tentant de le faire pour répondre à des quotas plutôt qu’à de vrais besoins métier. De la même manière, maintenir et mettre à jour les data products existants peut être délaissé au profit de la création de nouveaux produits.

Pour surmonter ces difficultés et industrialiser la création de data products, McKinsey propose cinq stratégies concrètes :

Créer plus de valeur, pas plus de données

Lorsque les organisations se lancent dans des programmes data products, elles sont souvent tentées de se concentrer sur un ou deux cas d’usage à forte valeur, avec des données déjà disponibles en quantité. Le danger de cette approche, c’est que le besoin métier soit mal défini — ou qu’il soit déjà couvert par des actifs data existants. Les bénéfices risquent alors d’être peu visibles, ou bien le data product n’est pas adopté, même s’il est techniquement bien conçu. À l’autre extrême, certains responsables data s’engagent dans la production d’un nombre excessif de data products, ce qui dilue trop les ressources pour être efficace.
Les organisations doivent plutôt créer une feuille de route data products en misant sur ceux qui apporteront le plus de valeur à l’entreprise. Celle-ci doit s’appuyer sur une solide analyse prenant en compte le temps et le coût de production de chaque data product par rapport aux bénéfices attendus, le nombre de cas d’usage couverts et le nombre d’utilisateurs réellement concernés. Cette approche permet de structurer le programme, en assurant à la fois des résultats rapides et une production continue de data products pertinents dans la durée.  

Comprendre l’économie des data products

Comme évoqué plus haut, créer des data products de manière rationalisée est bien plus efficace que de les concevoir individuellement de manière artisanale. Il est crucial que les dirigeants en aient conscience et accordent de la valeur aux économies d’échelle permises par la réutilisation d’éléments et de modèles. Les processus technologiques qui garantissent la qualité et la gouvernance des données doivent également être conçus pour être reproductibles à grande échelle.   

En adoptant des processus et des principes mutualisés, les coûts initiaux de création du premier data product peuvent être amortis sur les suivants, ce qui réduit les dépenses globales du programme — surtout à mesure que les équipes gagnent en expérience et partagent leurs bonnes pratiques. Il est également essentiel de comprendre que les data products sont des objets évolutifs et vivants : ils doivent être simple à maintenir et à mettre à jour pour optimiser leur valeur dans le temps.  

Présenter un business case basé sur un ROI clair permet aux CDO et aux autres responsables data de démontrer la valeur concrète des data products, et ainsi de maintenir voire renforcer leurs budgets en montrant leur contribution aux résultats de l’entreprise.

Concevoir des data products capables d’alimenter un effet de levier durable

La valeur sur le long terme provient de la capacité à réutiliser les composants techniques des data products — ce qui doit être intégré dès le début du programme. Même s’il peut être frustrant de passer du temps sur l’ingénierie des données et la création de normes et modèles, c’est ce qui permet de passer à l’échelle et de générer un effet « boule de neige », avec une dynamique qui s’accélère au fil du temps.

Comme le souligne McKinsey, les organisations doivent rendre les data products facilement accessibles. C’est là qu’intervient la data product marketplace : un espace centralisé en libre-service, dédié aux data products (et autres actifs data), qui crée un pont entre les utilisateurs et les producteurs de données et permet de découvrir et de consommer les data products en toute simplicité. Les data marketplaces doivent offrir une expérience intuitive de type e-commerce pour permettre à chacun de trouver facilement les data products dont il a besoin, sans aide ni compétence technique. Ces solutions accélèrent l’effet boule de neige en favorisant la collaboration entre utilisateurs et responsables de data products, tout en facilitant la remontée de besoins ou d’améliorations. 

Les data product marketplaces ne répondent pas uniquement aux besoins des utilisateurs humains. En centralisant les données dans des formats facilement exploitables, elles peuvent aussi servir à entraîner des modèles et agents d’IA sans perdre le contrôle, tout en garantissant la cohérence et l’accès à une source unique de vérité.

Trouvez des profils capables de gérer les data products comme un business

Bien qu’ils nécessitent des compétences techniques pour être créés, les data products ne sont pas de simples produits IT. Ils doivent être conçus avec soin pour répondre à un besoin métier spécifique, et pouvoir être exploités par un grand nombre d’utilisateurs non techniques. Les équipes data products doivent donc réunir des compétences en informatique, data et gouvernance, mais aussi posséder une solide expertise métier et une bonne compréhension de l’expérience utilisateur. 

McKinsey identifie deux facteurs clés de succès :

• Désigner un Data Product Owner (DPO) compétent pour piloter le projet. Le DPO doit gérer le programme data products comme un véritable produit business, et non comme un simple exercice technique. Cela signifie travailler en étroite collaboration avec l’ensemble de l’organisation, identifier de nouveaux cas d’usage et suivre les KPI pour démontrer la valeur générée, ainsi que rendre des comptes sur les résultats financiers obtenus.
• Le déploiement doit être orienté métier. Se concentrer uniquement sur les aspects techniques du data product peut aboutir à une solution qui ne répond pas aux besoins métiers, et ne sera donc pas adoptée par les utilisateurs. Les responsables métiers, comme les experts du domaine concerné, doivent être impliqués dès le départ, avec de nombreux tests et ajustements pour affiner le produit final.  

Intégrer l’IA dans le programme data products

En plus d’alimenter les projets d’intelligence artificielle, les data products peuvent aussi tirer parti de l’IA dans le cadre de leur création et leur maintenance. Les organisations doivent donc décomposer les différentes étapes de création des data products, et identifier là où l’IA peut apporter des bénéfices en termes de cohérence, de rapidité et d’efficacité. Cela inclut les étapes de préparation et de déploiement des data products, comme la création des pipelines, le suivi de la qualité des données, les tests et la publication. L’IA doit être intégrée directement dans les workflows des data products, de façon cohérente entre les équipes, afin de rationaliser les processus et tirer pleinement parti de ses bénéfices, tout en créant des data products plus performants, plus facilement utilisables et réellement alignés sur les besoins des utilisateurs.

Les data products étant devenus une priorité pour tous les CDO, il est essentiel de garantir que les programmes génèrent de la valeur sur le long terme. Ils doivent aller au-delà de quelques cas d’usage isolés pour s’inscrire dans une logique de production continue, assistée par l’IA et en concertation avec les métiers, qui réutilise le maximum d’éléments et d’expériences pour réduire les coûts et améliorer le ROI. Mais surtout, les data products doivent être faciles à découvrir et à utiliser, aussi bien pour les utilisateurs humains que pour l’IA. Les organisations doivent donc investir dans une data product marketplace intuitive et centralisée, qui offre aux employés les données nécessaires pour générer de la valeur et devenir plus data-centric.

Vous souhaitez industrialiser votre programme data products ? Découvrez comment Opendatasoft favorise la collaboration et la consommation des données grâce à sa solution intuitive de data product marketplace en self-service. Contactez-nous pour en savoir plus et voir une démo.