Haut de page

Accueil » Tous les dossiers » La gestion des données

L’« analytique » : une révolution incontournable pour les acteurs de l’énergie

Introduction : L’« analytique »

On entend communément par « analytique » la mise en œuvre de méthodologies statistiques et mathématiques dans les processus de l’entreprise (qu’ils soient opérationnels ou support), voire dans sa stratégie ou dans son modèle d’affaires. Dans la mesure où la matière première de l’analytique est la donnée numérique, cette mise en œuvre est consubstantielle de la transformation digitale de nos sociétés, de notre économie et donc des entreprises.

Business Intelligence, datamining, business analytics, big data et maintenant smart data : depuis quelques années, il est difficile d’échapper au foisonnement des concepts autour de l’analyse de la donnée, et au flot de théories, analyses et commentaires sur ses promesses en termes d’efficacité, de performance et d’opportunités de développement de nouvelles offres et services ciblés.

La transformation numérique de l’économie française est une des priorités de l’agenda politique. Ce sujet fait d’ailleurs l’objet du rapport Lemoine remis au gouvernement en novembre 2014. Ce rapport identifie les grands chantiers de la transformation numérique que l’économie française devrait engager (le secteur de l’énergie compris) et dresse plusieurs propositions allant dans ce sens.

La plupart des acteurs semblent s’être emparés du sujet, des plus sceptiques - qui y voient une nouvelle bulle prête à faire « pschitt » ou un argument marketing - à ceux pour qui il s’agit d’un véritable big bang - du même ordre que les précédentes révolutions industrielles.
De fait, une nouvelle typologie des acteurs de la donnée apparaît aujourd’hui.


Source : EY

Pour le moment, seuls quelques acteurs peuvent se targuer d’une maturité élevée dans l’exploitation des données numériques disponibles. Cependant, ces acteurs font état d’un impact fort des données pour tous leurs métiers, leur ouvrant de nouveaux marchés comme de nouvelles solutions d’amélioration de leur performance.

Un intérêt unanime des entreprises devant le potentiel de création de valeur

L’exploitation analytique des données permet une optimisation nouvelle de l’activité des entreprises et le développement de « services intelligents ».
Les fonctions commerciales et marketing, notamment dans les entreprises de la grande distribution, les banques et les assurances, sont adossées à des typologies de clients, des scores (il s’agit souvent du calcul de la probabilité d’un client de ne pas assumer une échéance (risque), de résilier un service (attrition ou churn) ou au contraire d’être susceptible d’en souscrire un (appétence)) et autres générateurs de recommandations croisant les données issues de leurs propres sources internes provenant de multiples canaux, mais aussi celles en provenance de leurs partenaires ou fournisseurs, des réseaux sociaux et de l’open data.

Défis et enjeux de la transformation numérique du secteur de l’énergie

Dans le secteur de l’énergie, le numérique permet de dresser de nouvelles perspectives autour de six axes identifiés dans le rapport Lemoine :

  1. un nouveau modèle énergétique connecté, en réseau et décentralisé émerge,
  2. un nouveau mix énergétique au sein duquel les énergies renouvelables prennent une place de premier plan devient possible,
  3. le modèle Business to Business (B2B) du secteur devient Business to Business to Client (B2B2C) en intégrant les attentes du client final en amont de la chaîne de valeur,
  4. de nouveaux services digitaux sont développés,
  5. la digitalisation des réseaux (smart grids) offre de nouveaux leviers pour optimiser la conduite, l’exploitation, la maintenance et le développement des réseaux,
  6. le développement de capacités prédictives apparaît comme une activité d’avenir (ex : anticiper les contraintes sur le réseau au niveau local avec des prévisions de consommation et de production à des échelles de temps très rapprochées)

Ceci induit une profonde transformation du secteur avec l’émergence ou le positionnement d’acteurs respectivement nouveaux (start-ups) ou traditionnellement en dehors du secteur (acteurs des NTIC, du web, fabricants d’équipement…) qui bouleversent les modèles d’affaire existants.

Le déploiement de nouveaux capteurs sur les réseaux (sur les réseaux de transport mais aussi de distribution avec 35 millions de compteurs Linky pour ERDF et 11 millions de compteurs Gazpar pour GRDF), va entraîner un accroissement considérable du volume de données (estimé à 10 000 fois plus important qu’auparavant).

L’utilisation de ces nouvelles données est un gisement de création de valeur important. Pour les gestionnaires de réseau, il s’agit par exemple de parvenir à croiser les données de comptage (index, courbes de charge des abonnés…) et de réseau (alimentation, tension…) avec des données externes (météo notamment).

Cette création de valeur concerne l’ensemble des parties prenantes du secteur depuis les producteurs jusqu’au client final. Pour ce dernier, il s’agit en particulier de satisfaire de nouvelles attentes : meilleure maîtrise de la consommation, plus de confort, plus grande disponibilité des services client, personnalisation des services, intervention rapide et à distance...

La révolution n’a pas encore eu lieu

Le rapport Lemoine souligne le retard des entreprises du secteur dans leur transformation numérique.

De fait, une récente étude EY auprès de 150 grandes entreprises françaises révèle l’existence d’un fort décalage entre le concept d’analytique et la réalité de la maturité des grandes entreprises. Certes, elles utilisent bien la donnée pour comprendre et mesurer leur activité et l’environnement dans lequel elles évoluent, mais cette exploitation est loin d’être systématique, et encore moins en matière d’anticipation et de prédiction.

Cette étude montre que les entreprises les plus matures en la matière (17 % du panel) œuvrent principalement dans les secteurs des technologies médias télécommunications, des transports et de la grande distribution. Elles se distinguent par les critères suivants :

  • anticipation des enjeux stratégiques liés à une meilleure utilisation des données internes et externes ;
  • diversité des données collectées et des canaux de collecte ;
  • constitution d’équipes de scientifiques de la donnée et d’autres experts de la donnée ;
  • adoption de nouvelles technologies d’exploitation de la donnée ;
  • prise en compte des enjeux de protection de la vie privée et des données à caractère personnel (privacy) dans l’exploitation des données clients ;
  • anticipation du risque en matière de réputation.

Ainsi, les proportions d’entreprises utilisant les données en provenance des réseaux sociaux, de la géolocalisation ou de capteurs sont respectivement de 36 %, 11 % et 14 % seulement.

Seules 40 % des entreprises ont à ce jour cherché à quantifier la contribution des solutions analytiques à leur performance.


Source : EY

Les freins sont humains, culturels et organisationnels

La diffusion de l’analytique est bien souvent liée à la capacité et la volonté des organisations de débloquer différents freins.

Frein n° 1 : la collecte des données encore largement limitée aux canaux traditionnels

Les données collectées par les entreprises à des fins de connaissance du client et de stratégie marketing proviennent très majoritairement des traditionnels systèmes de facturation, pour 84 % des entreprises de notre panel, et d’outils de gestion de la relation client (Customer Relationship Management – CRM), pour 66 %. Un constat d’autant plus surprenant que les données non structurées (données pour lesquelles l'ensemble des valeurs possibles n’est pas déterminé et connu à l’avance. Dans une base de données de mails, le contenu du mail est une donnée non-structurée tandis que l’auteur et la date sont des données structurées. De manière générale, les données non-structurées sont des données texte ou de formats plus variés : fichiers image, vidéo, audio) constituent, à l’ère digitale, la plus grande partie des données émises et partagées à travers le monde.


Source : EY

Frein n° 2 : les données non structurées peu collectées ou exploitées

Au-delà des informations traditionnelles sur leurs clients – coordonnées, comportements et dépenses – collectées par 90 % des entreprises de notre panel, celles-ci collectent parfois aussi des données moins classiques. Ainsi 45 % des entreprises interrogées collectent des données textuelles (verbatims issus des espaces Internet, les avis soumis ou partagés en ligne), voire pour certaines (moins de 25 %), des graphiques, des données sonores, des images ou des vidéos. Cependant, seules 20 % estiment les exploiter au moins partiellement.

L’analytique, en particulier dans un contexte « Big Data », implique le traitement de données volumineuses impliquant des sources diverses. Le traitement doit être réalisé dans un temps limité, voire en temps réel. Le problème est non seulement de stocker (a priori) un volume considérable de données clients, mais aussi de sélectionner dans le flux continu de données celles que l’on va conserver (a posteriori). Ce choix requiert des compétences et des outils spécifiques encore peu disponibles (cf. freins n°3 et 4 ci-dessous).

Frein n° 3 : le manque de disponibilité de compétences analytiques

Les utilities ne disposent traditionnellement pas des profils et des compétences analytiques en interne pour exploiter l’ensemble des données utiles à leur activité : traiter les données historiques, en temps réel, les contextualiser et en tirer des résultats utiles et exploitables. Les besoins sont importants alors même que les profils sont rares. Ainsi, selon l’étude EY, seules 30 % des grandes entreprises interrogées ont recruté des profils spécifiques dédiés. Plus généralement, pour 70 % des entreprises interrogées, l’ensemble des ressources dédiées au traitement des données clients représente moins de 10 personnes.

Frein n° 4 : une carence des outils de traitement et d’exploitation des données

Les données issues du web, du mobile et des objets connectés ont rendu caduques les techniques d’analyse classique. Elles manquent désormais de puissance, de rapidité, de flexibilité et elles sont devenues trop onéreuses. La combinaison de méthodologies statistiques, mathématiques et informatiques permet de résoudre partiellement ces difficultés de traitement, comme par exemple l’utilisation de méthodologies qu’il est possible de mettre en œuvre en parallèle – réalisation des calculs sur des sous-ensembles des données sur un grand nombre de processeurs, avant réconciliation, afin que les calculs soient globalement effectués de manière plus rapide.

Au-delà, des technologies et des outils de traitement spécifiques sont nécessaires pour extraire des informations et enseignements des données non structurées, qui sont le maillon faible de l’analyse. Il faut en effet les « traduire », les fiabiliser, les indexer, les combiner avec les données existantes, pour pouvoir les intégrer au rapport qui sera donné au niveau décisionnel. L’analytique requiert une architecture et un système informatiques qui répondent aux enjeux de volume, de vitesse de calcul et de traitement, de diversité des formats et qui permettent in fine une circulation fluide de l’information au sein de l’entreprise.

Frein n° 5 : l’analyse des données est (trop) peu orientée vers des objectifs prédictifs ou temps réel

Seules 10 % des entreprises interrogées exploitent leurs données clients à des fins prédictives et 5 % d’entre elles le font pour optimiser les processus techniques permettant d’accroître la rapidité d’exécution et les capacités de stockage (éléments clés pour exploiter des volumes croissants et toujours plus rapides de données et de flux d’informations). Si elles n’ont pas les compétences requises, les entreprises les plus matures de notre panel ont néanmoins été sensibilisées à ce sujet : 73 % des entreprises les plus matures affirment que la mise en place d’une stratégie sur les données leur permettrait d’utiliser des modèles prédictifs en temps réel (contre 43 % pour les moins matures). Elles sont encore plus nombreuses (92 % des plus matures) à penser qu’une telle stratégie leur permettrait d’assurer la rapidité de leurs extractions et de leurs requêtes.

Dans l’industrie, et particulièrement dans les industries de réseaux et d’infrastructures (énergie, communication, ainsi que transport et mobilité), les solutions de maintenance prédictive, en collectant et en analysant des données en temps réel à partir de nombreuses sources (logs (journal des évènements touchant un processus, traçant l'exécution d'un programme. Il s’agit ici en particulier de ceux provenant des capteurs connectés), données de surveillance, données environnementales, données financières, etc.) permettent d’améliorer significativement la qualité des prestations et la performance opérationnelle des entreprises. Elles permettent, notamment, de réaliser des diagnostics préventifs et, au-delà, de la maintenance prédictive. Il est alors possible de repérer en temps réel les schémas propices à la détection préventive des incidents et pannes afin de déterminer les domaines les plus exposés au risque et d’identifier la cause première du problème. La maintenance dirige alors les ressources vers ces domaines avant que le risque ne devienne une réalité. En d’autres termes, il s’agit d’anticiper les problèmes de réseaux plusieurs semaines voire plusieurs mois à l’avance et d’éviter les accidents, interventions et arrêts de production qui peuvent se révéler très coûteux financièrement et en termes d’image.

En outre, dans certaines industries, le coût de la maintenance est bien supérieur à celui de l’investissement initial.

Frein n° 6 : l’absence de mesure du retour sur investissement de l’exploitation des données

Le « Big data » marque un tournant majeur dans l’exploitation des données clients et représente un formidable levier de croissance et de profitabilité. Pourtant, les résultats de notre enquête laissent constater une très faible prise de conscience, au sein des entreprises, de la valeur ajoutée potentielle des projets analytiques. Quantifier et mesurer la valeur des projets d’analyses de données, sur la base d’indicateurs clés de performance (Key Performance Indicators – KPIs) prédéfinis et d’une estimation du retour sur investissement permettrait pourtant d’établir une feuille de route avec des projets d’analyse de données à déployer prioritairement ainsi que d’obtenir le soutien du management.

À ce jour, seules 29 % des entreprises interrogées considèrent que l’analytique marque un tournant majeur et représente un levier de croissance. Pour ce qui est du retour sur investissement en particulier, 58 % des entreprises interrogées n’ont pas cherché à quantifier la contribution des solutions à la performance de leur entreprise. L’écart est énorme entre les plus matures (77 %) et les « non-matures » (3 %).

En outre, 57 % des entreprises non-matures considèrent la perception du top management comme un frein à une exploitation optimale des données au sein de leur entreprise. Cette proportion tombe à 11 % parmi les plus matures.

Frein n° 7 : la confiance des acteurs, un risque majeur pour la fiabilité des données

Avec l’avènement de l’économie numérique et l’explosion de l’Internet des objets, les données connaissent une croissance exponentielle et forment une masse gigantesque de données structurées et non structurées. À la source de la production de ces données se trouve souvent un individu : le client, le citoyen, l'usager ou le salarié.

C’est pourquoi l’enjeu de la sécurité des données est une clé de l’avenir du déploiement de solutions analytiques pertinentes. Ainsi, quel intérêt de collecter et d’analyser des données si celles-ci se révèlent faussées par le manque de confiance des utilisateurs et, donc, sans aucune valeur à exploiter ?

Les questions les plus fréquemment posées sont relatives à la propriété des données, à l’usage qui en est fait par le responsable de traitement, au destinataire de celles-ci, aux mesures de sécurité mises en place pour les protéger contre des accès non autorisés, à la localisation de ces données, etc.

La protection des données personnelles cristallise aujourd’hui les réticences liées à l’exploitation des données clients. D’après une étude récente, 70 % des consommateurs sont réticents à partager leurs données personnelles avec les entreprises et 49 % affirment qu’ils seront moins enclins à le faire dans les cinq années à venir. Pourtant, 30 % des entreprises que nous avons interrogées estiment ne pas être concernées par les enjeux de protection de la vie privée lors de l’exploitation de leurs données clients quand elles sont plus de 90 % à considérer que c’est un enjeu prioritaire chez les plus matures.

Depuis le 1er juillet 2013, EY est le nouveau nom d’Ernst & Young. EY est un des leaders mondiaux de l’audit, du conseil, de la fiscalité et du droit, des transactions. Partout dans le monde, notre expertise et la qualité de nos services contribuent à créer les conditions de la confiance dans l’économie et les marchés financiers. Nous faisons grandir les talents afin, qu’ensemble, ils accompagnent les organisations vers une croissance pérenne. C’est ainsi que nous jouons un rôle actif dans la construction d’un monde économique plus juste et plus équilibré pour nos équipes, nos clients et la société dans son ensemble.

«Page 2 de 26»

La gestion des données

Rechercher

Se tenir informé

Abonnez-vous à notre liste de diffusion pour être informé régulièrement des mises à jour du site.

S'abonner

Participer au site

Vous souhaitez participer à notre site ou réagir à un dossier, contactez-nous dès aujourd'hui.

Nous contacter

Les forums de la CRE

La CRE organise des forums, associés à chaque nouveau dossier, pour donner la parole aux experts des Smart grids.
Se tenir informé des prochains forums

Nos contributeurs

Notre site se nourrit aussi de vos contributions. Nous tenons donc à remercier "Actility" qui fait partie de nos 172 contributeurs.
Découvrir nos contributeurs