Soutenance mémoire
A l’origine du phénomène : les données
Si cette vision peut apparaître comme un peu extrême, elle n’en traduit pas moins une tendance actuelle. Le point de départ et le point d’intérêt est d’abord celui de l’explosion du volume de données. Ainsi, selon McKinsey Global Institute, le volume mondial de données double tous les trois ans. Une multitude de chiffres sont avancés pour faire état de ce phénomène exponentiel qui n’a de cesse de nous surprendre. Internet et les objets connectés en sont les principaux contributeurs. Les analystes estiment que 6,38 milliards d’objets connectés étaient en circulation dans le monde en 2016 (incluant les smartphones et les tablettes), un marché en plein essor puisque les estimations indiquent que ce chiffre dépassera les 20 milliards d’ici à 2020 (Gartner, 2017). Ces technologies, au-delà de bouleverser nos modes de vies et de consommation, génèrent un volume considérable de données et à une telle vitesse qu’il est devenu incroyablement complexe de traiter et d’analyser cette masse d’information pour qui n’y est pas préparé. Une donnée peut être présentée comme un point de départ. Le dictionnaire de l’Académie française nous en donne la définition suivante : « Fait ou principe indiscuté, ou considéré comme tel, sur lequel se fonde un raisonnement ; constatation servant de base à un examen, une recherche, une découverte ». Comme l’a énoncé Clive Humby en 2006, « Data is the new oil. It’s valuable, but if unrefined it cannot really be used. It has to be changed into gas, plastic, chemicals, etc to create a valuable entity that drives profitable activity; so must data be broken down, analyze for it to have value ». Si on peut aujourd’hui s’interroger sur la comparaison entre les données et le pétrole, il n’en reste pas moins que dans les deux cas, nous sommes face à une matière brute qu’il faut valoriser. La donnée est une description élémentaire d’une réalité, c’est une observation ou une mesure, a priori objective. La donnée est dépourvue de tout raisonnement. C’est un élément brut qui doit être interprété pour produire de l’information puis de la connaissance. Dans notre environnement hyper connecté, nous produisons des données en permanence, sans même en avoir conscience. Internet, les cartes de fidélités, les cartes bancaires, les objets connectés, les tickets de caisses… sont autant de sources de données que nous alimentons à chaque instant (Baesens et al., 2016). Si nous nous intéressons plus particulièrement aux données produites par les consommateurs et qui représentent déjà un volume colossal, il n’en faut pas moins négliger les autres sources de données telles que les données d’entreprise liées à l’activité ou encore les données publiques ou en libre d’accès (open data). Nous parlons alors de Big Data ou mégadonnées qui désignent des ensembles de données devenus si volumineux, si disparates, si rapides et si incertains que les outils informatiques classiques ne satisfont plus les organisations (Abbasi et al., 2016). Les Big Data sont le « pétrole » de nos sociétés modernes. Les données s’apparentent alors à une ressource, une matière première. Ce sont les organisations et les acteurs de l’organisation (dirigeants, managers et salariés) qui ont le pouvoir d’exploiter les données comme une ressource (Newman & Logan, 2006) et de créer de la valeur. Ces données, ou plutôt l’usage qui en est fait, offrent aux entreprises de nouvelles opportunités de croissance et de nouvelles sources de revenus. L’enjeu majeur s’est ainsi rapidement porté sur la capacité des organisations à créer de la valeur grâce à ces données. Un potentiel fort et dont l’étendue du champ d’application est un territoire de conquête qui reste encore à explorer. Il en résulte que si l’organisation a la volonté de s’engager dans une stratégie d’exploitation des données, elle devra immanquablement s’organiser pour faire face à ces défis et atteindre les objectifs qu’elle s’est fixée.
La maîtrise des données : un enjeu stratégique
Mais avant d’en arriver à l’exploitation des données et aux bénéfices à en tirer, un aparté est à faire quant à la question de leur gestion préalable au sein des organisations. Afin d’en dégager tout le potentiel, c’est tout le cycle de vie des données au sein de l’entreprise qui doit être encadré et maîtrisé, de la phase de collecte à la phase d’exploitation, en passant par le stockage de ces données et leur traitement. Il est ici question de la gouvernance de ces données au sein des organisations. Une gouvernance relative au management des données qui définit alors les lignes directrices et les standards en cohérence avec l’activité et la nature de l’organisation (stratégie, valeurs, culture, etc.) mais également avec les lois encadrant les données (Weber et al., 2009). Ce dernier point a toute son importance. En effet, le pouvoir conféré par les données est aujourd’hui reconnu et a poussé les gouvernements à légiférer. En France, dès 1978, la loi informatique et libertés donne un premier cadre aux questions relatives à la protection des données personnelles. Un cadre qui s’est vu renforcé plus récemment avec une règlementation unifiée pour l’ensemble des pays de l’Union Européenne. En mai 2018, le règlement général sur la protection des données (RGPD) entre en vigueur et contraint toute organisation traitant des données à caractère personnel à se mettre en conformité. Les questions de gouvernance et de conformité réglementaire traitées, il est alors temps de tirer parti de cette ressource. Afin d’exploiter la masse de données brutes et appréhender les informations émises et transmises, de nouveaux outils et de nouvelles méthodes émergent. Développement de nouveaux métiers (Data Scientist, Chief Data Officer, Data Manager, Data Analyst…), de nouvelles technologies (cloud computing, mass storage…), de nouvelles méthodes de traitement des données (algorithmie), etc. Ce sont le développement et la combinaison de ces diverses méthodes et technologies qui élargissent aujourd’hui le champ des possibles. Mais ces nouvelles opportunités de croissance ne se font pas sans heurts ni sans encadrement. L’ubérisation de la société et les problématiques liées à la protection des données personnelles en sont les exemples les plus parlants. L’environnement concurrentiel, les mutations économiques, sociales et technologiques impliquent une adaptation permanente des entreprises et des organisations quels que soient les secteurs d’activités ou les fonctions visées. Ces évolutions de plus en plus rapides et amplifiées par l’arrivée du numérique, offrent certes aux entreprises de belles opportunités mais ont des répercussions sur leurs organisations : mise en place de nouveaux services, émergence de nouveaux métiers, de nouveaux outils de travail, de nouveaux modes d’organisation du travail, de nouveaux produits, de nouveaux suivis de la relation-client, de nouveaux outils de financement, etc. Aujourd’hui, les entreprises ne peuvent plus se permettre d’ignorer les enjeux et les opportunités liés à la maîtrise des données, quelles que soient leurs natures et leurs tailles.
Le phénomène Big Data : définition et origine
Le terme Big Data semble apparaître pour la première fois dans un article de juillet 1997 de Michael Cox et David Ellsworth, tous deux chercheurs à la NASA. Ils y mettent en avant la difficulté croissante pour les machines de l’époque de visualiser les données, celles-ci étant de plus en plus grandes. « Visualization provides an interesting challenge for computer systems: data sets are generally quite large, taxing the capacities of main memory, local disk, and even remote disk. We call this the problem of big data. » Par la suite, les années 2000 ont vu l’accès à l’Internet fixe se généraliser. Le taux d’équipement en connexion Internet à domicile est passé de 14% en 2000 à 85% en 2017.Un accès facilité aux technologies numériques qui a favorisé la production et la diffusion d’informations. Mais les Big Data n’auraient pas pu connaître un tel essor sans le développement de technologies parallèles indispensables à leur expansion tels que les systèmes de stockage (le cloud computing), la multiplication des objets connectés, l’avènement d’une nouvelle science des données (les algorithmes) ou encore les techniques de visualisation des données. Le terme Big Data est aujourd’hui largement popularisé et est communément employé par le grand public comme le montre le graphique suivant. Longtemps resté confidentiel, le terme a connu une rapide montée en puissance à partir de 2012. La traduction française de Big Data qui devrait être employé est mégadonnées mais le terme est bien moins vulgarisé. C’est pourquoi le choix est fait ici d’utiliser le terme anglo-saxon.
Révolution numérique ou rupture technologique ?
Nous entendons régulièrement parler de révolution numérique. Mais les technologies du numérique ont-elles réellement bouleversé la société au point de parler de révolution ? Les bouleversements sont-ils réellement comparables à ce que nous avons vécu lors des révolutions industrielles et agricoles ? Ne devrait-on pas plutôt et plus simplement parler de rupture technologique ? Au cours de ce travail de recherche, c’est un questionnement qui a surgi à plusieurs reprises. Bien que ce ne soit pas le thème central de ce travail, il nous a semblé important et incontournable de nous arrêter quelques instants sur ces questions pour éclairer le lecteur qui pourrait s’interroger de la même façon. Nous allons ici modestement tenter d’y voir plus clair sur le sujet avant d’aller plus avant dans notre travail de recherche. Tout d’abord, qu’est-ce qu’une révolution ? Le dictionnaire Larousse nous donne la définition suivante : « Changement brusque, d’ordre économique, moral, culturel, qui se produit dans une société. » Si nous prenons comme point d’ancrage cette définition, alors, oui, nous pouvons sans trop de risques avancer qu’il y a bien une révolution numérique impulsée par l’informatique et l’Internet. Ces technologies ont indiscutablement modifié les rapports sociaux, les modèles économiques, ont décuplé les possibilités créatrices et intensifié la diffusion des savoirs et des cultures. Pour le philosophe Jacques Ellul (2008), la révolution est porteuse d’espoir. C’est ce qui la distingue du concept de révolte qui s’apparente à un rejet. « Le révolté n’a pas de futur parce que ce futur ne peut être que l’aggravation du présent, et ce présent ils ne le veulent plus » (p.9). La révolution est quant à elle plus concrète et constructive. Pourtant pour Jacques Ellul, le concept de révolution est aujourd’hui banalisé : « Nous assistons à un usage outrageux du terme révolution, tout et n’importe quoi est ainsi qualifié » (p.208). C’est sur ce principe d’espoir et de progrès que le concept de révolution numérique est remis en cause. Pour ses détracteurs, le progrès technologique présente plus de risques que d’avantages, en particulier un risque d’aliénation et de perte de contrôle. Les avancées technologiques, et notamment le numérique, revêtent donc une connotation négative pour ces auteurs. En 2014, une étude largement relayée par les médias, argumentait en ce sens en avançant que « 42% des métiers présentent une probabilité d’automatisation forte du fait de la numérisation de l’économie. 3 millions d’emplois pourraient être détruits par la numérisation à l’horizon 2025 ». Outre la destruction d’emplois, bien d’autres effets négatifs sont énumérés par les contradicteurs de la révolution numérique. Nous pouvons notamment citer les implications juridiques qui se traduisent par exemple par une fragilisation de la notion de propriété intellectuelle, l’essor de nouvelles formes de délits (piratage, évasion fiscale, etc.) ou encore la diffusion facilitée d’idées et de pratiques dangereuses (terrorisme, pédophilie, etc.). Pourtant, pour bien comprendre l’impact des évolutions technologiques et en particulier numériques sur notre société, il faut regarder le tableau dans son ensemble. Ainsi, même si ces évolutions détruisent des emplois à court terme, Alfred Sauvy (1980) veut démontrer, par la théorie du déversement, que l’effet sur le long terme serait plutôt positif. Le progrès technique engendre une productivité accrue dont les effets sont l’augmentation des volumes de production et par répercussion une diminution des prix. Cette baisse des prix entraîne une augmentation du pouvoir d’achat des consommateurs qui vont alors se tourner vers d’autres produits auxquels ils n’avaient pas forcément accès et ainsi augmenter la demande sur ces produits. Les emplois détruits se « déversent » alors dans d’autres secteurs sur lesquels la demande augmente. Ce mécanisme a également été observé pendant la révolution industrielle. Du point de vue des optimistes, la révolution numérique apporte son lot d’avancées majeures, liant indéfectiblement progrès technique et progrès social. Pour Erik Brynjolfsson et Andrew McAfee (2011, 2014,2017, dans Bidan, 2018, p. 522), c’est un progrès « sous condition ». Cette révolution aura des effets positifs « si nous sommes capables de faire un lourd et rigoureux travail d’évaluation des risques induits, si nous sommes capables d’investir dans la formation et l’éducation du plus grand nombre et si nous sommes ensuite prêts à déployer les bons choix et les bonnes pratiques pour accompagner les inéluctables mutations technologiques à venir. »
Le management et la gouvernance des données
Le management des données Au-delà du phénomène Big Data qui désigne principalement l’ampleur du phénomène, nous souhaitons plus particulièrement nous attacher à la façon de gérer ces données. Les Big Data ne peuvent être considérées uniquement sous l’angle du phénomène volumique et exponentiel qui a été défini précédemment. Nous l’avons vu plus haut, ce qui en fait réellement un objet d’intérêt, c’est l’exploitation et la monétisation qui en découlent. Comme le propose Y.-F. Le Coadic (2006), trois processus fondamentaux se succèdent cycliquement et indéfiniment : la construction de l’information, le traitement de l’information et enfin l’usage de l’information. Ils mettent en évidence le paradigme de la science de l’information qui tient compte des tenants et des aboutissants du processus de traitement de l’information (Dragulanescu, 2003). C’est ce troisième processus qui nous intéresse plus particulièrement ici, l’usage de l’information, c’est à-dire le processus de conversion de l’information à valeur ajoutée en connaissances, afin de diffuser et exploiter le plus avantageusement possible l’information traitée. Mais attention, il est important de ne pas assimiler management des données avec le management des informations ou le management des connaissances. Là où les données existent concrètement, généralement contenue dans une base de données, l’information et la connaissance sont intrinsèques et dépendantes de leur porteur, de la personne qui leur donne corps. Considérons donc les données. Si nous reprenons le processus évoqué précédemment, c’est également ici ce même principe de l’usage des données qui nous intéresse. C’est pourquoi certaines sources rajoutent un cinquième V à la définition de Big Data, pour valeur. C’est cette dernière étape qui apporte tout son sens à l’engouement exceptionnel autour des Big Data. Dans ce contexte d’abondance, la capacité à produire, stocker ou analyser ces données est certes stratégique mais le véritable enjeu réside dans l’aptitude à exploiter les données pour créer de la valeur. L’énergie déployée et les investissements consentis par une entreprise pour mettre en place une politique de management de la donnée sont uniquement justifiés par cet objectif ultime, celui de la valorisation des données et du retour sur investissement qui peut en être attendu. Dans la suite de nos recherches, nous utiliserons indépendamment les termes de management des données ou de gestion des données. Ces termes sont traduits de l’anglais data management dont l’organisation professionnelle DAMA (Data Management Association) donne la définition suivante : « Data Management is the development, execution and supervision of plans, policies,programs and practices that control, protect, deliver and enhance the value of data and information assets. » Le terme Data Management est encore trop peu traduit ou trouve trop peu d’équivalence dans la recherche francophone. Pour preuve, une requête rapide dans Google Scholar sur ces trois termes nous donne les résultats suivants (novembre 2017 et juin 2020) : Nous ne parlons pas ici des données traitées, c’est-à-dire de l’information mais bien de la gestion des données brutes telles qu’elles sont reçues par l’entreprise. Mais avant d’en arriver au traitement des données, la question se pose de leur gestion préalable. Comment celles-ci sont-elles collectées, stockées, traitées et diffusées ? Nous retrouvons ici ce qui s’apparente au cycle de l’information mais nous l’appliquons aux données, c’est-à-dire avant que celles-ci ne soient transformées en informations (voir la figure 5). Jusqu’à présent cette gestion des données était largement occultée pour ne se concentrer que sur le management des systèmes d’information. La gestion des données est une vision du management du système d’information. Elle se construit simplement autour de la nature des données et non en fonction d’un système et de ses interactions. Si nous devions donner une définition du management des données dans le cadre d’une organisation, elle pourrait être la suivante : Le management des données consiste à organiser l’ensemble du cycle de vie des données disponibles au sein de l’organisation, en mobilisant des moyens humains et matériels, dans l’objectif d’atteindre un certain niveau de performance. Pour aller plus loin, nous pouvons également introduire le terme de stratégie des données. Là où le management des données est un processus de pilotage, la stratégie des données introduit la notion de vision. Il s’agit de prendre les meilleures décisions et d’engager des actions en cohérence pour atteindre les objectifs préalablement fixés. Mais pour être apte à manager des données et à maîtriser leur cycle de vie, il convient de se questionner sur leur gouvernance. C’est un point qui nous paraît incontournable et que nous développons dans la section suivante.
La gouvernance des données Lorsque nous évoquons le concept de gouvernance, la première application à laquelle nous pensons est celle de la gouvernance d’entreprise. « Le gouvernement des entreprises est défini comme l’ensemble des mécanismes qui ont pour effet de délimiter les pouvoirs et d’influencer les décisions des dirigeants, autrement dit, qui « gouvernent » leur conduite et définissent leur espace discrétionnaire » (Charreaux, 1996, p. 3). R. Pérez défini la gouvernance comme le « management du management » (Pérez, 2003, p. 23). Par cette définition, l’auteur souhaite montrer que la gouvernance se situe au-delà du système de management. « Si ce dernier concerne directement l’activité de l’entreprise, le système de gouvernance a pour objet le système de management, son institution, son contrôle… constituant ainsi un « métamanagement ». » Si nous déclinons cette définition au champ qui nous intéresse ici, à savoir celui du management des données, le concept de gouvernance des données pourrait être défini comme suit : l’ensemble des mécanismes opérationnels et réglementaires qui ont pour effet de délimiter le cadre de collecte, de traitement et d’exploitation des données. La gouvernance des données définit la politique générale de l’entreprise relative au management des données et donne les lignes directrices et les standards en cohérence avec les missions, la stratégie, les valeurs, les normes et la culture de l’organisation mais également avec les lois encadrant les données (Weber et al., 2009, p. 2). En 2013, P.P. Tallon (p.29) nous en donne une définition complémentaire : « La gouvernance des données définit des politiques et des procédures organisationnelles qui décrivent la façon dont les données doivent être gérées au travers de leur cycle de vie économique. » Ces diverses définitions font apparaitre que la gouvernance des données doit prendre en compte l’ensemble des étapes liées au cycle de vie des données (de la collecte à la diffusion) en respectant le cadre législatif relatif aux données mais tout en s’adaptant à la nature intrinsèque de l’entreprise. Les organisations doivent ainsi s’approprier cette gouvernance afin d’exploiter les données comme une ressource (Newman & Logan, 2006, p. 3). Si la gouvernance de l’informatique est une notion communément admise, celle de la gouvernance de l’information est plus récente et celle de la gouvernance des données est extrêmement peu traitée dans la littérature scientifique, accusant même un retard sur le monde professionnel. En effet, la littérature s’est longtemps concentrée sur l’infrastructure (la gouvernance des technologies de l’information). Dans la pratique, de nombreuses organisations ne distinguent pas vraiment la gouvernance informatique de la gouvernance de l’information. Pourtant, la gouvernance de l’informatique ne se soucie pas de la façon dont l’information est créée, exploitée ou diffusée dans l’objectif de créer de la valeur. Elle ne tient compte que du contenant c’est-à-dire des ressources à mettre en œuvre pour atteindre cet objectif (Kooper et al., 2011, p. 196). Or la gouvernance de l’information devrait être considéré comme une composante de la gouvernance de l’entreprise et non pas comme étant intégrée à la gouvernance de l’informatique. En effet, le dernier cas conduirait à considérer que l’information est de la responsabilité de l’informatique. Nous savons pourtant aujourd’hui que les informations ou les données ont une valeur stratégique qui ne peut être seulement considérée du point de vue des outils utilisés pour les exploiter. En 2012, W. Shute (p. 22) énonçait que « la protection et la gestion des données exclusives via des meilleures pratiques et des technologies de la gouvernance de l’information gagneront en importance en 2013, poussant le gestionnaire de documents d’entreprise sous le feu des projecteurs ». Ce n’est que trop vrai, celui qui maîtrise l’information au sein de l’entreprise a un vrai rôle à jouer mais avant que l’information n’émerge, il est nécessaire de traiter les données brutes. C’est ainsi que dans une même logique, le responsable des données brutes est aujourd’hui en première ligne dans l’entreprise. Un rôle crucial en raison du potentiel offert par l’exploitation des données. C’est une affirmation que viennent confirmer les récentes évolutions législatives autour de la gestion des données. En effet, le 25 mai 2018, le règlement général européen pour la protection des données (RGPD) est entré en vigueur, uniformisant les pratiques au sein de l’Union européenne. L’une des principales directives de ce règlement est la désignation d’un pilote de la gouvernance des données. Ce délégué à la protection des données (DPO) a pour mission d’informer et de conseiller les différents acteurs (internes ou partenaires de l’entreprise) en contact avec les données personnelles, de contrôler le respect du règlement et de coopérer avec l’autorité de contrôle (La CNIL pour la France). C’est tout le cycle de vie des données au sein de l’entreprise qui doit être encadré et maîtrisé, de la phase de collecte à la phase d’exploitation,en passant par le stockage de ces données et leur traitement. Ce règlement européen vient renforcer la nécessaire introspection que se doivent de pratiquer les entreprises vis-à-vis de leurs pratiques en matière de management des données personnelles. Parce que le sujet est inévitable dès lors que nous traitons de données, nous nous proposons de développer plus loin ce sujet relatif au cadre législatif et à la protection des données personnelles. Les organisations souhaitant mettre en place un projet de management des données et mener une réflexion autour de la gouvernance des données doivent garder à l’esprit le but premier de leur action : transformer les données en valeur.
|
Table des matières
REMERCIEMENTS
SOMMAIRE
INTRODUCTION GÉNÉRALE
1. Éléments de contexte
1.1. A l’origine du phénomène : les données
1.2. La maîtrise des données : un enjeu stratégique
1.3. Les petites et moyennes entreprises : des organisations aux spécificités managériales
1.4. De la transformation digitale à la transformation par les données
2. Problématique, questions de recherche et hypothèses associées
3. Design de la recherche
4. Intérêt et objectifs de la recherche
5. Articulation de la thèse
PARTIE I : FONDEMENTS THÉORIQUES ET MODÈLE CONCEPTUEL DE RECHERCHE
CHAPITRE 1 : MAÎTRISER LES DONNEÉS POUR TRANSFORMER L’ORGANISATION
1.1. La maîtrise des données : un enjeu stratégique pour les entreprises et les organisations
1.1.1. Donnée, information et connaissance
1.1.2. Le phénomène Big Data : définition et origine
1.1.3. Révolution numérique ou rupture technologique ?
1.1.4. Le management et la gouvernance des données
1.1.5. Vers un encadrement plus fort des pratiques : le Règlement Général pour la Protection des Données (RGPD)
1.2. La transformation des organisations dans un contexte d’évolutions technologiques
1.2.1. Typologie des changements et des transformations des organisations
1.2.2. Transformation digitale et transformation par les données
1.2.3. Les différentes approches du processus de transformation
1.2.4. Le rôle des acteurs de l’entreprise dans les transformations
CHAPITRE 2 : LES PETITES ET MOYENNES ENTREPRISES FACE À L’ADOPTION D’UN PROJET DE MANAGEMENT DES DONNÉES : PROPOSITION D’UN MODÈLE DE RECHERCHE
2.1. Le processus de déploiement d’une technologie au sein d’une organisation
2.1.1. Le processus de décision, une première étape incontournable
2.1.2. L’adoption de la technologie par les acteurs de l’entreprise
2.1.3. Le devenir de la technologie au sein de l’organisation : exploitation et interprétation par les acteurs
2.1.4. Les facteurs clés de succès
2.1.5. L’impact des technologies sur les organisations
2.2. Spécificités du management des PME dans le cadre du déploiement de nouvelles technologies : présentation d’un modèle de recherche
2.2.1. Le périmètre des petites et moyennes entreprises
2.2.2. La taille de l’entreprise : un facteur de contexte déterminant
2.2.3. Le dirigeant de PME, colonne vertébrale de l’organisation
2.2.4. Les PME face au phénomène de la transformation par les données : présentation des hypothèses et du modèle de recherche
CHAPITRE 3 : POSITIONNEMENT ÉPISTEMOLOGIQUE POUR UNE MÉTHODE MIXTE
3.1. Épistémologie de la recherche pour une méthodologie mixte
3.1.1. Les paradigmes épistémologiques
3.1.2. Notre positionnement épistémologique
3.1.3. Vers une mixité des méthodes
3.2. Une recherche-intervention au sein d’une PME du secteur de la communication
3.2.1. Méthodologie de la recherche-intervention
3.2.2. Présentation du terrain de la recherche-intervention
3.2.3. Monographie d’une PME du secteur de la communication de la région Occitanie
3.2.4. Méthodologie de la collecte des données de la recherche-intervention
3.3. Une étude quantitative descriptive auprès de dirigeants de PME
3.3.1. Méthode d’échantillonnage, modalités d’administration et structure du questionnaire
3.3.2. Caractéristiques des PME et des dirigeants et cadres dirigeants de l’échantillon
3.3.3. Préparation et traitement des données
3.3.4. Des entretiens semi-directif simultanés : vers une meilleure compréhension des comportements à l’égard des projets de management des données
PARTIE II : LA TRANSFORMATION PAR LES DONNÉES AU SEIN DES PETITES ET MOYENNES ENTREPRISES
CHAPITRE 4 : RÉSULTATS DE LA RECHERCHE-INTERVENTION
4.1. Constat sur les pratiques de la PME en matière de gestion des données
4.1.1. Une analyse de l’existant via une observation participante
4.1.2. Une gestion des données qui manque de formalisation
4.2. L’influence de la connaissance du management des données sur le rôle des acteurs de la PME
4.2.1. Une connaissance plutôt faible des enjeux liés à la maîtrise des données
4.2.2. Des salariés volontaires mais exprimant un besoin d’accompagnement
4.2.3. Un lien entre le niveau de connaissance et la volonté de participation
4.3. Les changements et transformations engendrés par les projets de management des données
4.3.1. Le management des données comme réponse à une multiplicité d’objectifs
4.3.2. Des changements organisationnels, en ressources humaines et stratégiques
4.4. Le rôle clé du dirigeant dans le processus de transformation par les données
4.4.1. Un manque de communication en amont du projet
4.4.2. Un manque de rassemblement autour du projet
4.4.3. Une organisation du travail trop imprécise
4.4.4. Les résultats de la mission
CHAPITRE 5 : RÉSULTATS DE L’ÉTUDE QUANTITATIVE
5.1. Une implémentation superficielle des projets de management des données dans les PME
5.1.1. Une connaissance faible du management des données par les acteurs de PME
5.1.2. Des transformations qui manquent d’envergure
5.1.3. Des projets de management des données répondant à des objectifs multiples
5.2. Le rôle des acteurs de PME dans la transformation par les données
5.2.1. Identifier les acteurs clés pour une participation collective dès le début du projet
5.2.2. Le management de la transformation par les données
5.2.3. Les principales causes explicatives des échecs des projets de management des données
5.3. La transformation des PME par les données : entre évolutions et révolutions
5.3.1. Évolution de l’organisation du travail, des outils et des compétences
5.3.2. Des révolutions stratégiques et RH : vers un repositionnement de l’activité
5.3.3. Des préalables requis pour des transformations structurantes
5.4. Le RGPD : entre avancée et contrainte pour les PME
5.4.1. Des visions très hétérogènes du RGPD
5.4.2. RGPD et PME : vers une gouvernance des données dans l’entreprise
CHAPITRE 6 : QUELLES IMPLICATIONS MANAGÉRIALES POUR UNE TRANSFORMATION PAR LES DONNÉES ?
6.1. Les caractéristiques de la transformation par les données dans les PME
6.1.1. De la transformation digitale à la transformation par les données.
6.1.2. Transformation par les données : un choix stratégique du dirigeant
6.1.3. Transformer par les données pour gagner en compétitivité et en performance
6.1.4. Transformer l’organisation pour transformer par les données
6.2. Le volet humain de la transformation par les données dans les PME
6.2.1. Le rôle clé du dirigeant de PME dans la transformation par les données : communiquer
6.2.2. Une participation collective et organisée dès le début du projet
6.2.3. Le niveau de connaissance, une variable décisive dans le processus de transformation par les données
6.2.4. Synthèse des hypothèses et questionnements soulevés par la recherche
6.3. Les outils de la transformation par les données
6.3.1. Maîtriser sa communication interne
6.3.2. Sensibiliser et former au management par les données
6.3.3. Accompagner la transformation par les données
CONCLUSION GÉNÉRALE
LEXIQUE
BIBLIOGRAPHIE
LISTE DES TABLEAUX
LISTE DES FIGURES
LISTE DES GRAPHIQUES
LISTE DES ANNEXES
Télécharger le rapport complet
