Les données non utilisées n'apportent aucune valeur ajoutée. Les données ignorées non plus. Les données que personne ne peut comprendre n'ont pas de valeur. Les données ne prennent de la valeur que lorsqu'elles facilitent un service ou influencent une décision qui a un impact tangible sur l'entreprise.
Malgré les milliards de dollars que les entreprises consacrent chaque année à l'infrastructure de données, la plupart d'entre elles n'en tirent pas pleinement parti. Pourquoi ? Parce que les données ont trop peu d'impact sur les actions. Trop souvent, les analyses se concentrent sur les données en elles-mêmes, alors qu'elles devraient se concentrer sur l'impact sur l'entreprise. L'utilisation du data storytelling peut aider les analystes à franchir la dernière ligne droite entre les chiffres et la réalité en les amenant à expliciter le lien entre les informations issues des données et les actions de l'entreprise.
Raconter une Data Story
Le terme "data story" peut induire un peu en erreur. Oui, il s'agit de placer des données dans une structure narrative, mais la structure d'une data story est un peu différente de celle que vous avez peut-être apprise à l'école. Le récit traditionnel comporte une exposition, une action ascendante, une action descendante et une conclusion. La data story s'articule autour d'un exposé, d'un diagnostic et d'une recommandation.
Figure 1. The Narrative Flow of a Data Story
L'exposition : Définir le contexte.
Tout comme une exposition typique, l'exposition d'une data story plante le décor. Elle fournit le cadre du récit qui va se dérouler. Une bonne data story s'appuie sur un cadre commercial pour contextualiser l'information que l'analyste s'apprête à communiquer. Ce contexte inclut non seulement les normes historiques pour les données, mais aussi les événements commerciaux ou la terminologie qui seront pertinents pour l'histoire.
Dans la pratique, cet exposé peut prendre la forme d'un synopsis rapide lors d'une présentation, ou de notes, de liens ou d'annotations pour les data story qui doivent être présentées de manière autonome sans animateur. Certaines plateformes de data storytelling, comme Toucan Toco, permettent aux analystes d'intégrer des définitions de glossaire métier dans leurs data stories pour faciliter cette étape.
Le diagnostic : Communiquer l'intuition.
L'étape suivante de la data story s'écarte de la trajectoire littéraire commune. Si l'exposé fournit un contexte de haut niveau, le diagnostic plonge en profondeur dans un aperçu spécifique. Il représente le cœur de l'analyse. La plupart des analystes sont à l'aise avec cet aspect. En fait, le diagnostic est souvent la seule partie d'une éventuelle data story qui atteint l'audience dans un rapport ou un tableau de bord traditionnel.
Dans cette partie du récit, l'analyste communique ce qu'il a trouvé de marquant dans les données, c'est-à-dire ce qui justifie de présenter une data story en premier lieu. Il doit se concentrer sur l'explication de ce qui s'est passé. Souvent, le diagnostic prend la forme d'un graphique annoté ou d'une autre visualisation.
La recommandation : Rendre les données exploitables.
Enfin, et c'est essentiel, la data story contient une recommandation. Plutôt que de laisser le consommateur de la data story avec "voilà ce qui s'est passé", elle termine le récit en indiquant au consommateur ce qu'il doit faire. C'est le lien direct entre l'intuition et une action concrète.
Habituellement, les décideurs d'entreprise se plaignent d'avoir beaucoup de données, mais ils ne savent pas ce qu'ils sont censés en faire. La recommandation le leur explique. Un analyste qui suit le cadre du data storytelling fait une suggestion sur la réponse appropriée à l'insight qu'il a identifié. Le décideur n'est pas toujours d'accord, mais cela l'oblige à passer à l'étape suivante en reliant les données aux activités de l'entreprise.
Comment une idée devient une action
Une data story est une forme d'analyse explicative. Les analystes disposent de leurs propres méthodologies pour explorer les données et identifier les idées en premier lieu. L'histoire entre en jeu lorsqu'il s'agit de communiquer ces informations à celui qui prend les décisions. Par conséquent, le data storytelling devient l'interface entre deux flux de travail.
Figure 2. The Position of Data Storytelling
En fin de compte, les actions réfléchies créent de la valeur pour l'entreprise et les actions inconsidérées la compromettent. L'impact d'une action sur la valeur découle du fait qu'elle change un élément de l'entreprise. L'analyse pour l'analyse ne fait que consommer des ressources. Les données peuvent améliorer la prise de décision en la fondant sur des preuves, mais pas si elles sont séparées du flux de travail de l'entreprise.
Conclusion
Malgré des investissements répétés dans de nouveaux outils, de nombreuses organisations peinent à concrétiser tous les avantages que leurs données pourraient leur apporter. Cet échec résulte d'une déconnexion entre les analyses de données et les actions commerciales. Une approche de data storytelling, qui amène les analystes à rendre explicite la relation entre leurs idées et les fonctions de l'entreprise, peut aider à combler ce fossé et améliorer la capacité des organisations à prendre des décisions basées sur les données. Le data storytelling y parvient en tirant parti de la disposition naturelle de l'être humain à ingérer des informations par le biais d'un récit. Cela permet aux données d'orienter réellement les décisions et donc de créer de la valeur.
Écrit par : Joe Hilleary, Senior Research Analyst chez Eckerson Group