Data & Intelligence Économique : s’adapter ou disparaître

AAEAAQAAAAAAAAgzAAAAJGYxNDc2ZWQ3LTNiNDEtNDJjNi1iNjdmLWU0NTJjNjk5ZTJiMQDans le prolongement de mon précédent article, j’ai recherché et interviewé une personne s’étant orientée, suite à une formation en Intelligence Economique, vers les métiers de la Data et de l’analytics.

Guillaume Delaby, Data & Analytics Senior Associate au sein du cabinet de conseil PwC, nous explique son parcours et, aborde les liens (pas si évidents) entre IE et Data.

Qu’est-ce qui vous a conduit à rejoindre le conseil et, plus spécifiquement, l’expertise Data, après une formation à l’EGE ?

Le conseil est un excellent moyen de découvrir en profondeur le fonctionnement de notre société – l’entreprise et, plus largement, l’économie en constituant l’un des rouages vitaux. L’intelligence économique est avant tout une discipline de la connaissance de ces rouages : des dynamiques de marché, de la concurrence, des évolutions technologiques mais, aussi, de leurs ressorts plus profonds que constituent les enjeux sociétaux, culturels, politiques ou idéologiques. Le conseil (au sens large) est un bon poste d’observation pour comprendre ces mécanismes. C’est aussi un très bon tremplin, dans un second temps, pour identifier les leviers d’action qui seront les plus favorables au progrès « matériel » de la société, en puisant dans les avantages concurrentiels qu’apportent les nouvelles technologies et, plus encore, une compréhension supérieure des attentes sociétales ou, pour le dire de façon plus synthétique bien que sans doute un peu réductrice, des besoins des clients (utilisateurs, consommateurs, etc.). Identifier ces leviers d’action est la première responsabilité de n’importe quel manager, quelle que soit sa place dans la hiérarchie de l’entreprise. C’est donc aussi celle du consultant.

L’intelligence économique trouve un certain nombre de leviers de développement dans le croisement, le recoupement et l’analyse des sources (c’est la base du « renseignement »). Parmi ces sources, il en est une, aujourd’hui, qui a une importance considérable et inévitable : c’est la data, big ou pas.

L’analyse intelligente de ces données, qu’elles soient internes à l’organisation ou enrichies par des sources externes, est un gisement d’opportunités stratégiques : c’est le B-A BA de ce qu’enseigne l’EGE mais, si j’ai rejoint la practice Data & Analytics d’un grand cabinet d’audit et de conseil, c’est aussi parce que j’ai senti le besoin de renforcer l’approche scientifique de ces données, sur laquelle l’EGE, par choix certainement, ne met pas vraiment l’accent, probablement du fait du profil de ses étudiants (majoritairement issus, comme moi, des sciences humaines plutôt que de l’ingénierie). Or, l’apprentissage statistique (machine learning), les outils de data visualisation et, plus généralement, toutes les technologies de collecte, de transformation et d’analyse de données sont aujourd’hui une voie royale de compréhension des dynamiques sociétales, concurrentielles ou politiques.     

Quelles expertises regroupe l’équipe « Data & Analytics » ? Pouvez-vous nous présenter vos principales missions ?

La practice Data & Analytics dans laquelle je travaille a pour vocation d’aider les organisations à mieux exploiter leurs données et à les analyser plus efficacement. L’objectif principal, naturellement, est de créer de la valeur pour assurer la croissance de ces organisations, en créant de nouveaux produits et services, eux-mêmes vendus ou distribués de façon innovante. Pour y parvenir, il faut du changement dans les modes de fonctionnement des organisations : apprendre à anticiper les évolutions (économiques, règlementaires, technologiques, culturelles, etc.), intégrer l’analyse de données dans les processus critiques et la prise de décision, tirer parti des technologies émergentes et utiliser les analyses opérationnelles, financières, etc., développer une culture de l’analyse de données. Ces transformations vont bien au-delà de la seule technique, des statistiques ou de la gestion des systèmes d’information : il faut aussi changer les habitudes, les manières de travailler. Gérer des risques sans cesse renouvelés (cyber-attaques, fraudes, vols, exploitations illégales de données personnelles, etc.). Concrètement, cela donne des missions aussi variées que la mise en place de modèles de maintenance prédictive auprès de compagnies aériennes, la création de compteurs électriques connectés ou bien encore l’élaboration de tableaux de bord de pilotage de l’activité pour des directions générales ou financières de grands groupes.

La qualité des données étant critique à leur bonne exploitation, il y a aussi beaucoup à faire pour aider les organisations à améliorer cette dernière.

Dans mon dernier article, j’insiste sur le fait que les étudiants ne sont pas assez formés aux nouveaux outils et enjeux de la Data. Êtes-vous en accord avec cette vision ? Quelles devraient être les premières mesures à prendre dans les formations en IE ?

L’analyse de données est de plus en plus accessible à des gens qui ne sont pas des data scientists, des statisticiens, des ingénieurs ou des experts comptables. Même s’il faut développer (ou apprendre à développer) une certaine appétence pour l’analyse quantitative ou statistique, le marché développe très rapidement des solutions accessibles à un nombre toujours grandissant d’utilisateurs.

Impossible aujourd’hui de comprendre une industrie, un marché et, je dirais même, la société elle-même, le monde dans lequel nous vivons, sans un minimum d’aisance avec l’analyse de données chiffrées. Comme tout savoir-faire, cela peut s’apprendre. Et, pour les professionnels de l’IE a fortiori, cela doit s’apprendre, sous peine d’être rapidement dépassé. Il existe aujourd’hui des langages de programmation (Python, R) et des outils de visualisation (Tableau, QlikView, Power BI, etc.) avec lesquels on peut se familiariser rapidement, moyennant un peu d’implication. Il existe surtout une masse d’information et de formations disponibles sur internet qui permettent d’apprendre en quelques mois les rudiments de l’analyse statistique, de la visualisation de données, etc., et même de développer des applications exploitant la donnée.

Pour les formations en IE, qui recrutent beaucoup d’étudiants en sciences humaines, cela peut constituer un défi (et un coût) d’intégrer des enseignements plus «techniques ». Mais un minimum d’initiation à la statistique, à l’analytics, à la data visualisation, à la business intelligence, etc. me paraît indispensable. S’y refuser reviendrait à mettre sur le marché du travail des diplômés insuffisamment armés par rapport aux véritables enjeux actuels de la guerre économique.

 

Publicités

Digital et Intelligence Economique : s’adapter ou disparaître

Je vous propose aujourd’hui une réflexion sur les métiers du digital et de l’intelligence économique. Je tente de répondre à certaines questions : existe-t-il des passerelles entre ces deux mondes ? Comment va évoluer le métier de l’IE dans des écosystèmes de plus en plus digitalisés ?

Cet article reprend certains des éléments partagés lors de la dernière conférence du SYNFIE le  mars (« Métiers de l’Intelligence Economique : Les savoir-faire de l’IE au cœur des métiers de demain ») à laquelle j’ai eu la chance de participer. Je donne ici un avis plus personnel basé sur ma vision de recruteur spécialisé dans le digital.

J’adopte volontairement un ton partial afin que vous puissiez réagir : en commentaire ou sur la page Facebook officielle

1. Les experts de la Data ne sont plus les professionnels de l’IE mais les Data Scientists.

Je ne vous apprends rien mais, la digitalisation est un enjeu stratégique (pour 83% des entreprises*) et non un effet de mode. La donnée est au cœur de cette transformation : 80 % des projets y sont liés ; un chef d’entreprise sur trois utilise les données pour prendre des décisions (source IBM).

Or, une partie de l’expertise Data, portée autrefois par l’IE, a glissé du côté des experts de la Big Data et vers les nouveaux cabinets de conseil spécialisés.

Ainsi, une question se posera de plus en plus : Quelle est la valeur ajoutée d’un jeune diplômé en IE sur les métiers de la donnée ?

Se pencher aujourd’hui sur cette question, c’est anticiper les disruptions qui pourraient restreindre le champ de débouchés des étudiants en IE. Débouchés qui sont déjà relativement faibles par rapport aux nombres de jeunes qui choisissent chaque année cette voie.

Prenons l’exemple concret de la veille. Un Data Scientist a certes une grande expertise technique (il sera concrètement capable d’automatiser la collecte, mettre en place du prédictif, optimiser la visualisation, etc.) mais, il doit également avoir une bonne compréhension des enjeux business et stratégiques. Quelle place alors pour le veilleur traditionnel ? Inutile de préciser que l’Intelligence Artificiel va elle aussi bouleverser cette organisation en automatisant la collecte bien sûr mais aussi le traitement de la donnée. La veille va de plus en plus devenir une question de technicien. Bien sûr, un expert métier restera nécessaire en bout de chaîne.

Il est aussi assez malheureux de voir qu’aucun des cabinets de conseil spécialisés sur la Data (de type 55, Converteo, Ekimetrics, Artefact) a intégré de profils issus d’une formation en IE (sauf erreur de ma part).  Des liens sont à créer avec ce type d’acteurs.

Bref, ce n’est pas « demain la veille » que les diplômés en IE intégreront l’écosystème Big Data. Encore faut-il qu’ils maîtrisent déjà bien celui du Digital…

2. Quel rôle l’expert en IE peut prendre dans un écosystème digitalisé

La transformation digitale est encore trop évaluée, dans les sphères de spécialistes du secteur, sous le prisme du « risque à mesurer et à éviter » plutôt que comme opportunité. Bien sûr tout changement s’accompagne mais, aborder cette révolution uniquement sur le prisme « menace » revient à rater une belle opportunité. En effet, le responsable en IE a une place à jouer dans cette transformation, il peut être moteur du changement.

Pourquoi ? Tout simplement car les professionnels de l’IE ont des qualités intrinsèques, nécessaires pour évoluer dans des écosystèmes en mutation. « Soft skills » que je vais rechercher chez mes candidats évoluant dans le Digital. J’ai relevé quatre qualités majeures :

La première qualité commune est « le sens de la transversalité ».
L’Intelligence économique repose sur la capacité à comprendre et accompagner des équipes pluridisciplinaires et s’enrichir des approches de chaque spécialité. Elle induit donc par nature, cette « transversalité

La seconde est le goût de l’innovation

Le professionnel en IE doit garder l’expertise sur les sujets historiques tout en montant en compétence sur des sujets liés à l’innovation : l’IA, le Big Data (datavisualisation par exemple), le blockchain, etc.

La Troisième est l’humilité & la remise en question, dans un but précis : l’anticipation

Dans un contexte d’agitations fortes, la vocation du responsable IE serait de faire la part entre les effets d’annonces, et les véritables orientations stratégiques, pérennes d’un marché en pleine mutation. Le veilleur doit notamment prendre en compte le risque d’« uberisation » de son marché.

La quatrième : L’empathie

La part d’explication, de communication est importante. La transformation génère de l’angoisse, il faut donc rassurer les autres, expliquer. Un bon expert en IE se place naturellement dans cette logique d’évangélisation. Il peut également avoir un rôle de facilitateur pour faire émerger une véritable culture d’intelligence collective.

Ainsi, le Responsable IE peut être un acteur de la transformation digitale. A condition justement d’accepter le risque, pas seulement de le calculer. Le risque 0 n’existe pas. Le digital c’est une culture du « test & learn », il faut donc adopter cette méthodologie – voire aller encore plus loin en y intégrant la variable échec : « test & fail & learn ».

3. L’ouverture du champ des possibles : les nouveaux métiers à préempter

Pour élargir le champ des débouchés, créer de nouvelles passerelles entre métiers, il faut être dans une démarche d’ouverture, de « lateral thinking ».

Une formation en IE peut être également vue comme une valeur ajoutée, une formation complémentaire à un cursus diplômant « plus traditionnel » (en finance, marketing, ingénierie, etc.). Autrement dit, l’Intelligence peut être aussi perçu sous le prisme « compétence » plus que « métier ». Compétences, comme celles relevées précédemment, pouvant permettre aux professionnels de l’IE de préempter certains nouveaux métiers du digital.

Voici une liste non exhaustive de ces métiers :

  • Directeur du Marketing Anticipation

Chez les pure-players, on voit apparaître des postes « prospectifs », pour réfléchir aux relais de croissance, online et offline. Chez Boursorama par exemple ce dernier manage également une équipe de Data Scientists.

  • Innovation Manager au sein des Labs.

Plus visible au sein des groupes d’Assurance et de la Banque. Ce dernier effectue du crowd sourcing, développe la collaboration avec des académies pour développer la recherche, participe au développement de la reconnaissance et du partage de l’innovation en interne, utilise des tax incentives, etc.

  • Chargé / responsable Open Innovation

Dans le rôle consiste (en outre) à identifier des partenaires technologiques (souvent startups) aptes à faire évoluer une offre de services, de produits.

  • Consultant au sein des cabinets spécialisés de la Data et en transformation digitale

Acteurs identifiés dans la première partie (non exhaustif) auxquels on peut ajouter des cabinets de taille intermédiaire qui intègrent à la fois une dimension « stratégie » mais aussi « opérationnelle » comme les Keley, Viatys, Niji, Soft computing…. Il est plus complexes pour les profils atypiques d’intégrer les référents comme Capgemini et Accenture.

En conclusion, le digital impacte de nombreux métiers, organisations. L’IE doit anticiper ses propres mutations, conserver sa place spécifique et stratégique dans les organisations afin de jouer un rôle plus impactant dans cette transformation.

Le manque de connaissance du digital, et de formation sur le digital dans un cursus diplômant en IE est une réelle faute de la part des écoles, universités, car justement c’est un secteur où la valeur ajoutée de l’IE est pertinente. Dans quelques années il sera trop tard…

 

Les pépites françaises de l’écosystème Data (4) : Dataveyes

AAEAAQAAAAAAAANqAAAAJDY1MjM5YzQ3LTVlNDUtNDllNC1iYTY1LTcxMmQ1Caroline Goulard est CEO & co-founder de Dataveyesstart-up de visualisation interactive de données. Nous l’avons interrogé sur le positionnement de sa société, et sur la valeur ajoutée de l’humain dans des systèmes de collecte et de traitement qui se veulent de plus en plus automatisés. 

Pouvez-vous nous préciser le positionnement de Dataveyes dans le cycle de vie de la donnée (de l’extraction aux smart applis) ?

Dataveyes se concentre sur le dernier maillon de la chaîne de valeur des données, c’est-à-dire le moment où la donnée est au contact de l’utilisateur final, sous ses yeux et entre ses mains.

Notre métier consiste à améliorer ces points de contact entre humains et données pour apporter la meilleure médiation possible. Il peut s’agir de créer des applications de visualisation de données, des sites de storytelling des données, des outils de travail avec les données, des dashboards, des interfaces de domotique ou de robotique, voire des installations artistiques. Nos travaux visent un même objectif : réhausser la valeur des données en les rendant parlantes, compréhensibles et utilisables par tous.

Pour ce faire, nous réalisons des projets sur-mesure avec une approche design, c’est-à-dire  que nous nous intéressons aux problèmes concrets des utilisateurs finaux.
Nous n’avons donc pas vocation à concurrencer les outils génériques, mais à répondre aux besoins que ceux-ci ne couvrent pas… et ils sont encore nombreux. Ainsi, dans notre process, nous consacrons du temps à l’analyse des besoins, à l’exploration des données, à la création des modes de visualisation de données les plus pertinents, au travail des métaphores visuelles, ou encore à l’optimisation de l’ergonomie.

Nous intervenons parfois plus en amont de la chaîne de valeur, sur la collecte, le nettoyage et le traitement des données, mais toujours en vue de la conception de la meilleure médiation possible.

Notre équipe conjugue un mix de compétences allant du storytelling de données au design en passant par le développement et la statistique. C’est cet assemblage d’expertises qui nous permet de concevoir des interfaces qui se comprennent et se prennent en main naturellement. Nous préparons et accompagnons nos clients pour qu’ils soient outillés et en pleine maîtrise de leurs données à l’heure où celles-ci s’avèrent toujours plus présentes, riches et massives.

Ce diaporama nécessite JavaScript.

Pour quels types de projets vos clients vous contactent-ils ?

Nous réalisons des projets de visualisation de données variés, qui répondent à trois grands types de besoin : mieux travailler avec les données, mieux communiquer avec les données, et inventer de nouveaux usages des données.

Beaucoup d’entreprises viennent nous voir en sachant que leurs données métier représentent des informations très stratégiques, mais sans avoir trouvé d’outil adapté pour en valoriser tout le potentiel. Nous avons ainsi conçu pour différentes organisations des outils de cartographie stratégiques pour aider à la décision, des tableaux de bords, des outils pour explorer les données, ou encore pour partager les connaissances.
Dernièrement, Dataveyes a par exemple développé pour un grand groupe français un outil pour exploiter un large historique de fiches de poste et d’organigrammes et ainsi faciliter l’élaboration de la stratégie de gestion des emplois et des carrières. Grâce à la visualisation de données, cette organisation a pu avoir une image parlante et dynamique des transformations vécues par l’entreprise, et y projeter les évolutions stratégiques anticipées.

Concernant les besoins de communication, nous y répondons en imaginant avec nos clients de nouvelles formes d’interaction et de narration qui rendent les données compréhensibles.

Il peut s’agir d’expériences sociales, comme ce dispositif second écran pour suivre la saison 4 de Game of Thrones conçu pour Orange, ou cette visualisation temps réel d’un match de foot pour Twitter France.
Nous travaillons aussi sur des projets de “brand utility” (voir nos réalisations pour la HAS ou Nexity). Certains projets visent à partager les résultats d’une enquête de façon interactive, comme cette application responsive faite pour Les Furets, tandis que d’autres ont une dimension plus artistique, comme ce “paysage vivant” du jeu vidéo réalisé pour une exposition de la Cité des Sciences.

Dataveyes réalise aussi des projets d’innovation, pour lesquels nos interfaces vont dévoiler le sens caché dans les données, et révéler de nouvelles opportunités de création de valeur.

Nous avons ainsi développé Compagnon, une application qui aide le grand public à mieux gérer sa consommation d’électricité, pour le faire profiter des technologies “smart home” et “smart grid”, fortes pourvoyeuses de données, mais que les utilisateurs peuvent avoir le sentiment de ne pas maîtriser.

le-premier-cas-de-conscience-dune-intelligence-artificielle-debranchee-de-justesse-par-des-scientifiques-americains-uneDataveyes explique être spécialisé dans les interactions hommes-données. A l’heure où le traitement de la donnée est de plus en plus automatisé, quel rôle reste-t-il à l’humain, et quelle est sa valeur ajoutée ?

Pour répondre à la massification des données, nous automatisons leur traitement avec des algorithmes de plus en plus élaborés, voire avec des intelligences artificielles.

C’est une tendance qu’on retrouve dans le monde de l’entreprise, où certains parlent de la fin du dashboard au profit des alertes, mais aussi dans des métiers spécifiques, comme le marketing automation, ou le high frequency trading. Le domaine judiciaire pourrait lui aussi être bientôt concerné : une équipe de chercheurs a mis au point un algorithme de machine learning capable de juger si un accusé doit attendre son procès en liberté ou en prison, selon le risque qu’il représente pour la société. A la clef : moins de crimes, et moins de disparités raciales dans les prisons.
Un autre cas d’automatisation des traitements de données pourrait transformer notre quotidien : les voitures autonomes. Nous nous apprêtons en effet à déléguer à un système algorithmique les décisions jusqu’ici prises par le seul conducteur.

Ces progrès dans l’automatisation du traitement de données et leurs nombreuses applications questionnent naturellement l’utilité des outils d’analyse et d’exploration de la donnée. Pourquoi consacrer du temps à la recherche d’indicateurs pertinents, à la mise au jour de tendances, lorsqu’un algorithme peut identifier lui-même la bonne information voire prendre la bonne décision ?

S’il est tentant de se désengager de cette confrontation avec les données, nous pensons que l’homme continue en réalité à y jouer un rôle primordial.

Pour des raisons de transparence d’abord. Car dans certains domaines, les algorithmes auront du mal à s’imposer comme unique arbitre : par exemple l’automatisation des décisions de licenciement ou de diagnostics médicaux se confronterait à d’intenses questionnements sur la façon dont sont opérés ces choix. Preuve en est avec le cas récent où étudiants et parents ont critiqué l’algorithme de la plateforme Admission Post Bac pour son manque de transparence dans l’attribution des places au sein de filières pourtant non-sélectives mais, soumises à un numerus clausus. Le ministère de l’Éducation nationale a dû consentir à publier une partie du code source de l’algorithme.

Pour acquérir l’adhésion des publics concernés, il est indispensable de leur apporter de la transparence. L’humain doit pouvoir relire, traduire, vulgariser, et ainsi comprendre la façon dont fonctionne un algorithme. C’est là la garantie de sa neutralité.

Le rôle de l’homme est de comprendre et vulgariser donc, mais aussi de réguler. Dans le domaine financier par exemple, le recours aux algorithmes de trading fait prendre des risques de blocage ou d’emballement du système : un problème mineur peut se transformer en catastrophe du fait de la vitesse de ces algorithmes et du volume de leurs transactions. Surtout, l’automatisation des ordres financiers rendent difficile leur surveillance. Maintenir l’humain dans ce système est donc indispensable pour en assurer une bonne régulation.

Enfin, les algorithmes ne peuvent pas tout. Imaginer de nouveaux produits, résoudre des conflits, prendre de nouvelles orientations stratégiques… Ces tâches nécessitent bien sûr une  information éclairée et renseignée par les données, mais elles ne peuvent se passer de la créativité humaine.

Parce qu’ils les expliquent et travaillent à les rendre transparents, parce qu’ils les régulent et les complètent, les humains doivent conserver un rôle fort dans les traitements de données.

Non pas pour les contrer ou leur faire face, mais pour accompagner leur progrès et leurs applications dans nos activités quotidiennes aussi bien qu’industrielles.
Encore faut-il pour cela que l’humain soit mis en capacité de comprendre comment fonctionnent ces algorithmes, souvent complexes, qui traitent des données volumineuses.

La solution se trouve auprès des interfaces hommes-données, qui apportent une véritable médiation, y compris pour les publics non experts.

C’est parce que nous sommes intimement convaincus de la forte valeur ajoutée de l’humain aux côtés et en complément des algorithmes que nous avons dédié notre activité à donner la capacité aux humains à jouer ce rôle, en  améliorant leur data literacy, c’est à dire une meilleure compréhension et intuition des données.

Les pépites françaises de l’écosystème Data (3) : Captain Dash

Intelligences Economiques poursuit son tour de France des pépites montantes de l’écosystème Data.

Nous avons pu interviewer Bruno Walther, Co fondateur et CEO de Captain Dash

Captain Dash est une start-up française qui propose une solution d’aide à la décision destinée principalement aux marketeurs, visant à synchroniser l’ensemble des éléments qui impacte un comportement d’achat (datas, flux d’information internes et externes, analyses prédictives), et de réaliser des tableaux de bords (dashboards) pour piloter des opérations marketing.

La startup est orientée vers le marketing et compte une clientèle de renommée nationale et internationale à l’instar de L’Oréal, Page Jaunes, Mediamétrie, GDF Suez, Carrefour, Seb ou encore Auchan. Captain Dash est composée également d’une équipe de scientifiques des données et d’ingénieurs Big Data réparties entre la France et la Tunisie. (source l’Usine Digitale)

Pouvez-vous nous expliciter la genèse du projet « Captain Dash » ?

Captain Dash est né d’un constat : les entreprises perdent énormément de temps à collecter les données et passent leurs temps à produire des rapports que personne ne lit vraiment. Simplement parce-que les process et l’expérience n’ont pas évolué depuis 20 ans. Alors que dans nos vies privées nous disposons d’outils puissants pour vivre, avec la donnée, de nouvelles expériences, nous sommes dans nos vies professionnelles souvent mal outillés. Nous continuons à traiter manuellement des données dans Excel, que nous mettons en forme dans PowerPoint, que nous aplatissons en PDF avant de les envoyer dans l’instrument de gestion de l’intelligence collective de l’entreprise, la boîte mail !

C’est assez fou mais il n’est pas rare que les managers reçoivent jusqu’à 50 rapports par semaine. Rapports qui en général ne sont lus que dans 5 % des cas.

Pouvez vous nous préciser le positionnement de votre société dans le cycle de vie de la donnée (de l’extraction aux smart apps) ? Quelle est votre valeur ajoutée ?

Nous permettons de collecter très facilement les données où qu’elles se trouvent dans l’entreprise et de les présenter sous forme de smart apps. Nous réinventons l’expérience du Dashboard qui devient un instrument extrêmement simple, bienveillant qui va vous permettre de piloter votre performance.

Notre valeur ajoutée réside dans la simplicité. Simplicité de mise en place. Simplicité de la collecte. Simplicité de lecture. Nous sommes au pilotage opérationnel ce que Nike+ est au jogging.

La concurrence dans le secteur de la Big Data est de plus en plus forte. De grandes institutions françaises privilégient les sociétés étrangères à nos acteurs locaux. Sommes nous condamnés à collaborer avec ces grands leaders étrangers de la Data ou les startups françaises ont elles encore une carte à jouer ?

Le partie commence à peine sur la Data. Nous sommes dans une catégorie très technologique et compétitive. Le paysage est celui de l’Internet en 1996 ou du mobile en l’an 2000. Les prochains leaders ne sont pas encore nés et les géants d’aujourd’hui seront les nains de demain. Simplement parce-que nous ne connaissons pas encore les usages.

Aujourd’hui nous utilisons le mobile pour téléphoner que rarement. Apple a conquis le marché en changeant son paradigme. L’enjeu n’est plus la voix mais l’expérience tactile. Il en sera de même pour le marché de la donnée. Les acteurs dominants du marché qui sont aujourd’hui quasi exclusivement américains seront demain vécus comme des dinosaures qui auront participé à l’émergence de cette industrie. Les acteurs clés de ce marché en gestation ne sont probablement pas encore nés. L’Europe a une carte à jouer dans cette catégorie. Nous concentrons des talents, une créativité et surtout nous avons conscience des enjeux éthiques que porte la donnée. Et si nul ne peut dire à quoi le monde de la donnée ressemblera demain, il y a une évidence : l’enjeu éthique sera déterminant.

Les pépites françaises de l’écosystème Data (2) : Synomia

associe-mauriceIntelligences Economiques poursuit son tour de France des pépites montantes de l’écosystème Data.

Nous avons pu rencontrer Maurice NDIAYE, Partner chez Synomia.

Qu’est-ce qui vous a poussé à rejoindre Synomia en 2011 ?

J’ai rejoint Synomia en tant qu’associé au moment où l’entreprise se repositionnait pour passer de la recherche documentaire à l’analyse de données. Le marché du traitement de la donnée non structurée était naissant, et l’enjeu était la collecte plutôt que l’analyse.

C’était un défi passionnant que de rejoindre une entreprise avec une composante technologique forte et différenciante, et en même temps un enjeu marketing majeur de définition d’une offre à forte valeur ajoutée dans un marché en construction.

Nous sommes aujourd’hui encore au cœur de ces problématiques, dans un marché toujours plus dynamique et exigeant dans lequel les enjeux sont nombreux.

Pouvez-vous nous décrire en quelques lignes le positionnement de Synomia ?

Synomia est une société de logiciel et de services spécialisée dans l’analyse de data. Nous nous positionnons comme une plateforme technologique qui permet à des professionnels des différents métiers de l’entreprise (marketing, communication, RH, digital…) de trouver des réponses à leurs questions rapidement et sans intégration IT. Schématiquement, il y a d’un côté les questions des entreprises, de l’autre les data brutes, et au milieu la plateforme Synomia qui allie intelligence artificielle, datavisualisation et stroytelling.

Comment les besoins et les enjeux Data de vos clients ont évolué depuis votre arrivée ?

Les besoins des marques, d’une certaine manière, ne changent pas beaucoup. Ce qui évolue est la façon d’y répondre. Nos clients cherchent toujours à mieux comprendre leurs clients, retrouver des points de différenciation, améliorer leur productivité… Là où ils évoluent et progressent, c’est sur leur capacité à rapidement s’approprier les cas d’usages associés à des technologies de plus en plus complexes, dans un environnement de marché qui lui-même évolue très vite : comportements consommateurs, nouveaux usages, nouveaux modèles, innovations…

Vous avez développé votre propre plateforme Saas. Sur quelles technologies Big Data se base-t-elle ? Quelle est sa valeur ajoutée ?

Notre plateforme s’appuie sur plusieurs couches d’algorithmes qui ont été développés en interne par nos équipes R&D. Grâce à notre activité de services et à une écoute constante des besoins de nos utilisateurs, nous avons pu définir des spécifications fonctionnelles et une expérience qui satisfait toutes les contraintes de nos clients : cycles très rapides, sources hétérogènes qui nécessitent beaucoup de nettoyage, pression importante sur les budget, nécessité absolue d’avoir des résultats activables et opérationnels. C’est cette combinaison qui fait l’unicité de notre proposition.

 logo-synomia