La dataviz chez Pierre Fabre : un changement de paradigme
Introduire la visualisation des données dans une entreprise n’est pas qu’une question d’outils. Cela demande aussi un réel changement d’approche de la part des équipes dans l’analyse et la résolution des problèmes. Nous allons voir l’approche de la dataviz chez Pierre Fabre
Cyril Belmehdi, Responsable du programme décisionnel au sein du groupe pharmaceutique Pierre Fabre, nous raconte comment s’est passé pour eux la mise en place de Tableau et d’Alteryx, et nous livre sa vision de la dataviz dans le monde de l’entreprise aujourd’hui.
VOTRE PARCOURS DATA
Quelles ont été les étapes principales dans la mise en place de la BI en self-service chez Pierre Fabre ?
Nous voulions changer d’outil de reporting. Nous sommes passés d’abord par une phase d’évaluation de plusieurs solutions. Très rapidement Tableau est ressorti comme l’un des meilleurs compromis, qui pouvait convenir à la fois à des utilisateurs lambda et à des utilisateurs très avancés.
Le data blending de Tableau a été un fort critère de sélection puisque c’est l’un des seuls outils à le proposer. C’est quelque chose de très important parce que tout le monde ne maîtrise pas les jointures, les produits cartésiens etc.
« La courbe d’apprentissage de Tableau est relativement rapide et donc le taux d’adoption est très fort. »
Nous avions trouvé un outil qui trouvait grâce aux yeux des utilisateurs et surtout avec lequel ils pouvaient être autonomes et réaliser eux-mêmes leurs dashboards.
En effet, il était très important pour moi d’évaluer la capacité à faire des utilisateurs, en autonomie. Je pense que depuis quelques années déjà il y a un changement de paradigme dans la BI qui tarde à réellement prendre effet.
« La BI c’est une promesse qui n’a jamais vraiment été tenue, qui disait “On va vous créer des datawarehouses et vous allez jouer avec vos données.” Mais dans la réalité les utilisateurs ne jouaient pas avec les données, c’était plutôt les DSI qui jouaient avec les données. »
Je cherchais donc des outils qui puissent redonner de l’autonomie aux utilisateurs.
À lire aussi : Comprendre la différence entre les jointures et le blending.
Quelle a été la difficulté principale dans ce travail ?
La difficulté principale a été le changement de paradigme induit par la dataviz. Faire comprendre aux gens que visualiser les choses est plus pertinent que d’avoir des tableaux avec une centaine de colonnes ou de lignes.
Souvent les gens ne veulent que de leur ancien monde : les tableaux chiffrés. Il faut les aider à basculer vers un monde où les chiffres ne sont que le tout dernier niveau de détail qu’on va interroger.
D’abord on visualise, et si on descend d’un niveau de détail on aura le tableau croisé qu’on pourra télécharger éventuellement pour en faire d’autres analyses (par exemple comprendre un problème précis sur une commande ou un client en particulier). Mais c’est en bout de chaîne, ce n’est pas en début d’analyse qu’on fait ce genre de choses.
« La dataviz c’est pas cosmétique, c’est cognitif. »
Quand je forme les équipes à Pierre Fabre sur la datavisualisation, j’essaye de leur faire comprendre que la dataviz c’est pas cosmétique, c’est cognitif. J’essaye de leur donner les fondements de la dataviz, le concept du “Less is more”, des notions sur la mémoire à court terme et à long terme.
Et concernant Alteryx ?
Alteryx est arrivé chez Pierre Fabre un petit peu plus tard, par la porte de la reprise des données. Nous devions faire du data cleansing pour un projet concernant le référentiel des salariés.
Nous avions demandé un chiffrage à une société avec laquelle on travaillait pour dédoublonner les entrants avec du match flou (rapprochement statistique). Dans l’intervalle du chiffrage j’ai téléchargé Alteryx et j’ai travaillé dessus, et en deux heures c’était plié. Il a fallu encore 4 ou 5 itérations avec le service RH et au final nous avions le résultat attendu.
Le chiffrage de la société que l’on avait sollicité est tombé et était équivalent à une licence Alteryx pour trois ans. Le ROI instantané nous a permis une première acquisition de licence.
Les premiers achats de licences Alteryx ont été plutôt sur ce genre de problématiques de reprise de données, donc plutôt côté DSI. Et puis rapidement Alteryx a basculé côté métier. Aujourd’hui nous avons 42 licences et Alteryx est utilisé dans trois grands domaines :
- La reprise de données
- Les analyses avancées
- La qualité des données
À lire aussi : Débuter sur Alteryx.
Les dates clés de Pierre Fabre, visualisées
Explorer la visualisation : L’histoire d’Infolab, d’Alteryx, de Tableau, et de notre client Pierre Fabre
Nous avons demandé à Cyril quelles ont été les dates clés du déploiement d’une stratégie BI en self-service chez Pierre Fabre. Nous avons ensuite compilé ses réponses dans une timeline interactive réalisée avec Tableau, dans laquelle les dates clés de Pierre Fabre sont affichées dans le contexte plus large de l’évolution des deux logiciels, Tableau et Alteryx, et en parallèle du développement de The Information Lab, dans une rétrospective visuelle de cette collaboration.
VOTRE ORGANISATION DATA AUJOURD’HUI
Quelle est votre vision de la gouvernance des données en entreprise et comment cela se passe aujourd’hui chez Pierre Fabre ?
« L’idéal serait un monde où l’IT produit des comptoirs de données (ndr : des indicateurs et des jeux de données) pertinents avec une définition transverse et de qualité avec un métier qui gouverne ces comptoirs, c’est à dire qu’il les vérifie régulièrement et qu’il est garant de leur qualité. Le métier produit les dashboards et les analyses accompagné par un projet pour définir les indicateurs ou en autonomie. »
Aujourd’hui chez Pierre Fabre nous ne sommes pas encore tout à fait à la cible idéale. Nous sommes dans un système un peu hybride où la DSI produit des comptoirs de données mais ils ne sont pas tous gouvernés et unifiés, les métiers produisent encore eux-mêmes beaucoup de jeux de données et recalculent certains indicateurs.
Cela multiplie les points de vérité et ce n’est pas très pratique parce que si le point de vérité n’est pas validé on remettra toujours en question les analyses.
A votre avis, quelle est la valeur ajoutée de la visualisation des données ?
L’intérêt de la dataviz est de faire ressortir des cas hors norme, qui s’éloignent de la moyenne, qui sur-performent ou sous-performent. La visualisation des données correspond plus à la façon de fonctionner du cerveau qu’un tableau de chiffres. Même si on visualise d’un coup une grande quantité de données, on va pouvoir faire ressortir des faits saillants. Et c’est tout le but du décisionnel.
« Nous passons d’un monde de reporting un peu contemplatif où l’on regarde toutes les données, à un reporting d’exception où on veut voir les alertes. »
L’utilisateur peut partir d’un niveau très macro et puis aller à un niveau très détaillé, alors qu’avant on lui envoyait juste le détail, sans la vision plus macro; c’était donc assez complexe pour lui de scanner tous les détails pour trouver les faits saillants.
Un exemple ?
La cosmétovigilance par exemple. Avant l’arrivée de Tableau il nous fallait plusieurs jours, voire plusieurs semaines, avant de contacter la cosmétovigilance pour savoir s’il y avait un problème sur une molécule en particulier. Il fallait lancer une analyse, croiser beaucoup de fichiers excel, croiser des données produits, du chiffre d’affaires etc.
Avec l’avènement de Tableau nous avons créé des cartes interactives qui montrent la répartition du chiffre d’affaires et le nombre de cas avérés par molécule. Il suffit de choisir une molécule et finalement chaque utilisateur peut répondre en autonomie à ses questions sans devoir passer par un service qui lui fait des analyses ad hoc à chaque fois.
VOTRE REGARD SUR L’AVENIR
Imaginez que vous avez une boule de cristal : que voyez-vous dans l’avenir pour l’utilisation des données dans votre secteur d’activité ?
Je pense que dans l’avenir, l’ “Advanced Analytics” va prendre de plus en plus d’importance (analyses prédictives, détection d’outliers, de tendances, de prévisions…).
« Il va y avoir un mariage entre la data science et la BI. La data science aussi va devenir user friendly. »
C’est déjà le cas avec Alteryx, et avec Tableau qui a introduit quelques fonctions de data science, de la prévision, Explain Data etc.
Advanced Analytics : Se former aux analyses prédictives dans Alteryx.
On vivait dans un monde où la BI et le Big Data étaient séparés. Mais aujourd’hui ils vont dans la même direction : on s’affranchit de toute la partie d’indexation de la donnée, pour faire des gisements de données. On veut attaquer la donnée qu’elle soit structurée ou non. Cela va passer par des plateformes de stockage, on va beaucoup plus réfléchir en gisements de données et en comptoirs de données.
On passe d’un monde où le décisionnel était géré de bout en bout par les IT à un monde où le décisionnel est géré par l’IT jusqu’au comptoir de données. L’IT met à disposition les outils, accompagne et fait monter en compétences les utilisateurs. Mais on redonne la main à l’utilisateur final sur les analyses.
Que conseillerez-vous à quelqu’un qui voudrait déployer une stratégie data/BI au sein de son entreprise ?
« Je conseillerais d’impliquer les utilisateurs au plus tôt dans tous les processus, y compris l’évaluation des outils, pour qu’ils comprennent par eux-mêmes. »
C’est humain, les gens ont tendance à rejeter les choses quand elles ne viennent pas d’eux.
À lire aussi : Les données, une boussole agile face à l’incertitude.
Il faut se fixer une cible pas trop grosse puis itérer; sélectionner par exemple une dizaine d’utilisateurs, les former, les impliquer, et puis voir s’ils sont capables de produire des choses intéressantes. Ensuite on va étendre l’essai, on va en prendre 20, puis on va prendre un autre domaine etc.
Il faut éviter de raisonner en approche big-bang et plutôt utiliser des méthodes agiles et itératives.
Un grand merci à Cyril Belmehdi pour cette interview.
Cet article fait partie de notre série d’entretiens réalisée à l’occasion des 5 ans de The Information Lab France, en 2020.
Découvrez également notre interview de Benoît Raffin-Peyloz de la Caisse d’Epargne Hauts de France.
Et votre entreprise, est-elle déjà data-driven ? Que vous soyez au tout début de votre projet ou bien avancés, nous sommes là pour vous aider à déployer votre stratégie data et BI. N’hésitez pas à nous contacter : +33 1 85 09 91 83 / contact@theinformationlab.fr.
