single

     

La gouvernance data chez Orange

image_digital-strategy_article480

Démocratiser la donnée, oui. Mais pas seulement pour les équipes. Impulsée par la législation et le besoin de transparence, Matthieu Bret met la stratégie data d'Orange au service de ses clients.

ITW : Matthieu Bret, Data and Analytics Project Manager chez Orange France/B2B Digital Direction

LA GESTION DE LA DATA DANS LE CONTEXTE DU BIG DATA

En tant qu'opérateur, Orange collecte des données clients sur une multitude de touch points différents. Nous avons une volonté forte de digitaliser notre relation client, d'avoir des clients qui interagissent de plus en plus naturellement avec le digital. D'ici 2020, nous visons que deux-tiers des actes simples des clients Pros-PMEs soient réalisés sur le digital. Néanmoins, il y a également des canaux traditionnels qui rentrent en ligne de compte. Pour ces canaux, nous avons un récit historique pas forcément conçu pour y interconnecter des fonctions big data.

En tant que Data and Analytics Project Manager, j'ai comme mission principale le développement d'une vision omnicanale des interactions de nos clients/prospects. Pour ce faire, nous sommes en train de construire un data lake. Il s'agit, d'une part, de récupérer des données de tracking et de web analytics et, d'autre part, des données issues des canaux traditionnels comme lorsque nos clients interagissent avec des call centers ou qu'ils passent en boutique. Le but est de réconcilier toutes ces interactions digitales online sur nos sites web, applications mobiles, réseaux sociaux et ces interactions offline en développant une fonction "pivot" en surcouche de notre data lake pour après piloter la performance data-driven par rapport à nos objectifs sur nos actes marchands et non-marchands.

C'est le c?ur de notre projet Digital Analytics avec des problématiques de gouvernance de données, de collecte de données, de pivots, de réconciliation des identifiants et également le recrutement de data analysts qui vont pouvoir requêter sur cette plateforme big data et mener des analyses business ad hoc. La proposition de valeur de Digital Analytics est de pouvoir mesurer en interne les effets du digital sur la déformation du mix canal.

LA MISE EN PLACE DE LA GOUVERNANCE DES DONNEES

Nous devons adresser des problématiques de conformité avec le règlement général sur la protection des données (GDPR). Ainsi des équipes portent le sujet avec des critères de compliancy, de security by design et de privacy by design. Les responsables de sécurité référencent tous les projets sur les données personnelles afin de voir le niveau de criticité et de les passer en revue via des tests internes. C'est l'objet d'une gouvernance à part. Dans mon équipe de Data performance, je travaille à la mise en place une gouvernance big data. L'idée est de réunir autour de la table des interlocuteurs métiers, IT, des juristes et des responsables sécurité afin d'accélérer sur la construction du data lake et la mise en ?uvre de use cases data omnicanaux en phase d'exploration et de production.

Le but est d'avoir une bonne visibilité sur la collecte des données, la qualité et la sécurité des données, d'avoir des synergies au niveau IT et de la coordination pour la priorisation des projets. En mutualisant nos forces pour faire la "chasse" aux données des canaux traditionnels et en faisant les bons arbitrages, on est plus efficace.

LA DEMOCRATISATION DE LA DATA

La démocratisation des données est un enjeu-clé avant tout pour l'efficacité opérationnelle. Sur le projet que je pilote qui s'appelle Digital Analytics mais qu'on pourrait également appeler "Omnichannel analytics", le but est d'avoir une vision 360° au niveau des clients et d'avoir une optimisation de la relation. L'idée est de pouvoir solliciter le client au bon moment et non trop fréquemment pour lui délivrer une expérience omnicanale fluide. Il s'agit de mesurer nos performances avec des outils data, de bien gérer la performance opérationnelle, de mesurer l'adoption du digital de nos clients et de donner des insights aux lignes de marché pour améliorer leurs offres. Nous améliorons ainsi l'efficacité côté métiers et côté IT. A la cible, l'objectif est d'intégrer une démarche Lean Analytics dans nos processus et de piloter la performance par la data.

LA REGLEMENTATION DES DONNEES

Nous procédons cas d'usage par cas d'usage avec un point d'entrée juridique pour s'assurer que l'usage des données soit en adéquation avec le règlement européen. Après, en termes de sécurité, au cours d'un use case, que ce soit en phase d'exploration ou d'industrialisation, il y a des points de passage avec les correspondants sécurité.

Prenons comme exemple la construction du data lake. Il s'agit de réunir toutes les interactions des clients BtoB. Pour récupérer ces interactions et faire le lien entre différents identifiants, dont un identifiant électronique haché, avec des emails et des numéros de téléphone pour pouvoir faire ensuite des statistiques, nous devons mettre en place des flux sécurisés avec différentes plateformes.

Il s'agit de s'assurer qu'un hacker ou un tiers ne puisse pas, en interceptant un de ces flux, identifier une personne directement ou indirectement dans le but de lui nuire en récupérant des informations personnelles PII (Personally Identifiable Information).

LES ENJEUX TECHNOLOGIQUES ET METIERS LIES AU DATA MANAGEMENT

On est à la croisée des chemins entre les technologies big data et les systèmes martech et adtech. Pour développer une solution optimale, on s'aperçoit qu'il faut avoir une bonne vision de ces outils et pouvoir les faire parler intelligemment. Nous avons une solution de Tag Management System pour le Web tracking, une Customer Data Platform (CDP) qui permet de faire de la segmentation/du profiling de nos données 1st party. Nous sommes en train de déployer une nouvelle solution Web Analytics et on a également un outil d'A/B testing. Bref, nous avons plein de solutions SaaS sur l'écosystème digital.

En parallèle, nous construisons un hub data BtoB on premise, notre plateforme big data avec une distribution Hadoop, des solutions de traitement, d'analyse, de Data Viz et des fonctions-clés comme le Pivot pour croiser des données online et offline en surcouche.

Nous avons également effectué un PoC avec une base de données non structurée pour adresser certains use cases. Il est à noter que certaines solutions peuvent être facilement appréhendées par les différents métiers alors que d'autres solutions nécessitent des compétences en termes de requêtage, du code (Python, R, etc.).

A mon sens, il faut avoir une approche pragmatique pour arriver à articuler intelligemment ces plateformes SaaS et on premise, afin d'explorer et délivrer des uses cases business de manière agile, et ce dans le respect d'une démarche Security & Privacy by design. Sur le Hub Data Entreprise, nous implémentons les évolutions structurantes avec l'accès à l'ensemble des données brutes ainsi que certains use cases d'exploration en mode Data Lab, sur le Cloud nous adressons d'autres use cases d'exploration si besoin (bande passante des équipes, souplesse selon le type de data à traiter et à activer).

Par rapport à ces débats internes entre Cloud et on premise, nous devons aligner nos points de vue entre équipes IT et métier de mon côté d'ou le but de la gouvernance des données. Il existe également un problème d'acculturation à la data au sens large.

C'est un sujet qui mêle étroitement des compétences business et tech. Il y a des vrais enjeux d'intégration de la culture data au sein des métiers, dans leurs pratiques quotidiennes et dans les processus.

LA VALORISATION DES DONNEES

Un des points-clés que nous sommes en train de mettre en place, c'est la vision omnicanale. C'est un axe prioritaire pour ensuite piloter la digitalisation. Le challenge est de construire cette vision consolidée à partir de notre SI historique et de nos solutions Web tracking/Web analytics. Un de nos enjeux forts est de limiter les appels vers les Call Centers en faisant en sorte de donner des réponses pertinentes aux clients avec le digital comme premier point d'entrée naturel de la relation client omnicanale. L'idée est de pouvoir gérer tout cela via le canal digital quand cela fait sens. C'est pour ça que dans notre projet de vision omnicanale, nous voulons mesurer par direction de marché des parts de canal du digital pour chaque acte marchand et non marchand, des taux d'utilisation de notre application mobile de relation client, etc. Pareillement, il faut inciter nos conseillers clients à évangéliser nos clients sur le digital.

Une fois cette vision consolidée, un autre objectif sera de l'activer par client avec la mise en place de connecteurs et de savoir faire circuler cette data granulaire pour mener par exemple des campagnes d'acquisition ou de Marketing automation personnalisées, travailler l'attribution de leads à différents moments de vie de la relation client.

Autre axe de valorisation de la data : l'intelligence artificielle. Nous avons différents projets de mise en place de chatbots pour la relation client. Par ailleurs, je travaille sur un use case de prévision d'appel de nos clients pour les aiguiller de manière proactive vers un canal digital adapté avant qu'ils n'appellent notre Call Center suite à un problème technique.

L'enjeu sera de mettre en place par la suite des algorithmes de machine learning en surcouche de notre data lake et pivot client omnicanal (scoring d'intentionnistes : appétence d'offre, intention d'achat, fragilité etc.) et de pouvoir l'activer sur des touch points adaptés en fonction des use cases.

Pour retrouver l'ensemble du livrable, cliquer ici
Pour