Il n’est pas toujours facile pour les SGP d’y voir clair parmi les différentes solutions de data management qui existent. Après avoir fait votre choix entre les différentes options, notamment grâce à ces 5 questions, vient le temps de déployer votre solution.
Cette phase d’implémentation est cruciale pour la réussite du projet. En effet, un déploiement mal géré peut avoir de nombreuses conséquences négatives :
un dépassement des délais : un retard de livraison, ou un projet qui s’étire dans le temps de façon indéfinie, peut entraîner une perte de motivation des équipes
un dépassement des coûts : au coût de la solution, il faut ajouter celui du temps passé par les équipes (souvent non comptabilisé), mais aussi le coût des éventuels consultants, ou encore celui des demandes spécifiques… à la fin, l’addition peut s’avérer salée, rendant le ROI long à atteindre.
une solution inutilisée : il arrive que les solutions data implantées soient délaissées par les équipes, qui préfèrent continuer “comme avant” ou trouver une solution de substitution plus ou moins artisanale. Cette résistance au changement a un impact important sur le SI.
Il serait dommage d’investir du temps et de l’argent pour d’aussi piètres résultats.
Dans cet article, vous trouverez donc 5 points de vigilance essentiels à avoir en tête lors de la phase d’implémentation. Pour que le déploiement de votre solution de data management soit couronnée de succès !
1) Cadrez le projet en définissant les attentes
Par essence, un projet data n’a jamais de fin. Et pour cause : la data est une matière mouvante. Le projet se transformera donc au gré de sa croissance et de sa disponibilité, mais aussi selon l’évolution de la société de gestion d’actifs et de son environnement.
C’est donc à vous de borner le projet en lui attribuant une fin : en d’autres termes, le projet data sera considéré comme achevé quand tel objectif sera atteint. Pour cela, vous devez commencer par définir vos attentes de façon précise et réaliste.
Disons-le tout de suite : non, “développer une solution de data management pour prendre des décisions éclairées” ne constitue pas un objectif précis ! Voici plusieurs étapes pour vous aider à définir votre besoin de façon claire.
– Établissez un audit : commencez par faire l’inventaire des données dont vous avez besoin. Comparez cette liste avec les sources de données déjà disponibles. déjà collectées et traitées par votre SGP. Cette étape vous aidera à comprendre quelles sont les exigences de la SGP en matière de data management, et à repérer d’éventuelles données collectées inutilement.
– Analysez les problèmes et recueillez les besoins : identifiez les points faibles dans vos processus de collecte : les données recueillies sont-elles fiables ? Avez-vous mis en place des processus de détection d’anomalies ? Comment, quand et par qui les erreurs sont-elles corrigées ? Lors de cette étape, il est crucial d’impliquer les différents métiers concernés par l’utilisation des data : leurs retours d’expérience vous fourniront des indications et des champs d’application précis.
– Évaluez vos ressources disponibles : quelles sont les ressources humaines et financières dont vous disposez ? Cette étape vous permettra de vérifier la faisabilité de votre projet data.
– Identifiez des mesures de succès : elles vous permettront d’évaluer l’efficacité de votre solution de data management, une fois celle-ci déployée. Par exemple :
mise en conformité au RGPD
augmentation de l’efficacité opérationnelle (en réduisant le nombre d’heures alloué à la correction des données)
réduction de la marge d’erreurs
réduction des coûts d’acquisition des données…
Une fois votre besoin défini, une étape de veille concurrentielle vous aidera à y voir plus clair sur les solutions proposées par le marché. Attention toutefois au benchmark : l’étude doit toujours être considérée avec recul, afin d’adapter les pratiques pertinentes pour les spécificités de votre SGP (taille, AUM, structure, spécialité…). On ne peut jamais se contenter de transposer une solution de data management : par exemple, une SGP spécialisée dans les commodities physiques ne rencontrera pas les mêmes problématiques data qu’une autre spécialisée dans les fonds de fonds ou une gestion action de conviction.
D’où la nécessité de bien définir et affiner le besoin en amont !
2) Anticipez la gouvernance de la donnée
Une étape fondamentale à la mise en place de tout projet data est la définition des rôles et des responsabilités autour de la donnée. Autrement dit : en interne, qui est responsable de quelle data et de quel process ? De ce point de vue, il existe deux écoles : la gouvernance centralisée ou la gouvernance collaborative. Cette dernière propose de répartir la responsabilité de la donnée entre différentes personnes ou équipes. Ayant fait ses preuves, ce modèle décentralisé est de plus en plus répandu.
L’idée est d’avoir au sein de chaque secteur un responsable de la donnée, le data owner. Au sein d’une SGP, il pourra ainsi y avoir un responsable de la donnée juridique, un responsable de la donnée comptable, un responsable de la donnée extra-financière, etc. Chaque data owner est responsable de la qualité de ses données. Pour cela, il pilote lui-même la politique de gestion de ses données : qui peut les modifier ? qui doit agir, et comment, en cas d’erreur ?
Encadrée par des règles et des process clairs, ce modèle rendra votre solution de data management plus fiable et performante : l’accès à la donnée sera fluide, garantissant une meilleure efficacité opérationnelle. De plus, cette gouvernance collaborative de la donnée permet d’impliquer l’ensemble des collaborateurs dans un projet d’équipe qui bénéficiera à tous. Responsabilisés, les différents métiers sont ainsi encouragés à produire de la donnée de qualité pour en profiter directement. En les intéressant progressivement au sujet et en optant pour une gestion décentralisée, votre projet deviendra ainsi leur projet.
3) Privilégiez une implémentation agile
Si vous pensiez remettre un cahier des charges à un développeur et le revoir dans 6 à 9 mois avec le projet achevé : oubliez. Ce type de fonctionnement existe, mais il n’est pas du tout adapté dans le cadre d’un projet data pour une SGP. Le secteur de la gestion d’actifs et ses nombreuses réglementations évoluent continuellement. Pour cette raison, fixer d’avance un calendrier sur plusieurs mois n’est pas pertinent : cette méthode ne permet pas d’être réactif et de changer de priorité.
Pour ce type de projet, il est préférable de privilégier une implémentation agile. Contrairement à l’approche “classique” qui consiste à planifier l’intégralité d’un logiciel ou d’un produit avant de le développer, la méthode agile propose un fonctionnement par itération. Ce mode de conception permet de tester l’outil et de rectifier si besoin ses fonctionnalités au fur et à mesure. Il est ainsi possible de réorienter le projet pour s’adapter aux événements.
Ex : la SGP remporte un nouveau mandat de gestion, rendant prioritaire l’ajout d’un nouveau valorisateur et/ou la gestion de nouveaux types d’instruments.
4) Constituez une équipe dédiée
Lors de l’implémentation d’une solution data, au-delà du seul aspect technique, il est essentiel de prendre en considération le côté humain et la coordination entre les différentes parties prenantes. Quelle que soit la taille de votre structure, l’enjeu est de réussir à coordonner des personnes qui ne parlent pas le même langage et qui n’ont pas forcément les mêmes besoins ou les mêmes intérêts dans le projet.
a) Côté prestataire / éditeur
Côté prestataire ou éditeur, ne vous contentez pas d’un account manager : lors de la phase d’implémentation, demandez à être en contact direct avec l’équipe IT. Cet échange vous permettra d’avancer de manière efficiente, réduisant le risque de malentendu et d’erreur que pourrait causer un intermédiaire (un utilisateur fait remonter un problème au chef de projet qui en fait part à l’account manager, qui le transmet à son tour à son équipe IT).
b) Côté SGP
En interne, l’idéal est de constituer une équipe dédiée au projet, avec un interlocuteur référent pour chaque métier ainsi qu’un chef de projet à sa tête (souvent la MOA).
Au sein de cette équipe, il est indispensable d’impliquer le support, qu’il soit interne ou externe. Le support est l’équipe (ou la personne) qui assurera la maintenance de la solution data au quotidien. Il doit être engagé dans le projet dès le début afin de connaître la solution ainsi que les fonctionnalités et les usages propres à votre SGP. Sa présence initiale est indispensable : certains éléments doivent être anticipés dès le début pour s’assurer que la solution reste opérable, comme la mise en place d’un système d’alerte en cas d’anomalie, par exemple.
5) Traitez la résistance au changement
Dans la société comme dans les entreprises, le progrès technologique se heurte souvent à un obstacle puissant nommé “résistance au changement”. Ses causes sont multiples : peur de l’inconnu (“On a toujours fait comme ça”), mauvaise compréhension du sens du changement et de ses bénéfices… La résistance au changement ne prend pas toujours la forme d’un refus catégorique : elle peut aussi se manifester par une hésitation ou une certaine passivité. Typiquement, l’équipe infra tend à privilégier la stabilité, et pourrait se montrer dubitative face à une nouveauté technologique.
Il ne faut pas négliger cet aspect psychologique. Aussi formidable soit-elle, une solution de data management délaissée par les collaborateurs ne vous serait d’aucune utilité. Pour que le changement soit efficace, il faut que tout le monde “joue le jeu” et y prenne part.
Afin de susciter l’adhésion de tous, il peut être utile de repérer parmi vos collaborateurs les profils les plus enthousiastes et convaincus par cette nouvelle solution de data management. Vous pourrez vous appuyer sur ces alliés internes pour convaincre les collègues plus réticents. Sans doute plus familiers de la culture data (on parle ainsi de “datalphabétisation”), ils pourront être amenés à expliquer aux autres ce que sont réellement les données, et en quoi leur traitement est important. Outre les alliés, les dirigeants ont eux aussi un rôle majeur à jouer en incarnant le changement et en donnant l’exemple.
La formation joue également un rôle important. Grâce à des formations adaptées, vos collaborateurs pourront acquérir les compétences nécessaires pour utiliser efficacement ce nouvel outil, réduisant ainsi les frustrations liées à l'adaptation.
Enfin, une communication transparente est essentielle. Expliquer les raisons et les avantages de ce changement permettra de dissiper les incertitudes et de susciter l'adhésion des collaborateurs. N’hésitez pas à varier les canaux de communication (réunions d'équipe, présentations et supports en ligne, emails…), afin d’être sûr que le message infuse correctement à tous les niveaux de l’entreprise.
Si les freins ou les réticences au changement sont nombreux, il peut être intéressant de se faire accompagner par un cabinet de conseil. Certains sont spécialisés dans la conduite du changement.
En conclusion
Pour déployer un projet data d’envergure, la phase d’implémentation nécessite une attention soutenue, du cadrage des besoins techniques à la gestion de la psychologie humaine. Cette vigilance lors des différentes étapes clés du déploiement est nécessaire pour que le projet soit une réussite.
Si on a tendance à se focaliser sur la partie visible de l’iceberg (dashboard, nouvelle interface, etc.), le vrai succès d’un projet data est simple : simplifier l’accès de tous à de la donnée de qualité.
De ce point de vue, le changement le plus efficace est celui qui sera le moins visible : améliorer les données qui rentrent dans les outils existants, sans que personne n’ait à passer par une nouvelle application. La résistance au changement est ainsi minimisée.
Datalphabétisation késako ?
La datalphabétisation (ou data literacy) est la capacité d’une personne à lire, interpréter et travailler avec les données, qu’elles soient sous forme de chiffres, de graphiques, de tableaux ou de tout autre format digital. La datalphabétisation désigne également la capacité à utiliser des outils et des logiciels pour collecter, organiser, analyser et présenter des données de manière pertinente. Plusieurs spécialistes s’accordent à voir dans la datalphabétisation l’une des compétences-clés du monde du travail du XXIe siècle.