Le Data Business Model Canvas

Le Data Business Model Canvas

Utile, Utilisable, Utilisé ! Comment faire pour qu’un projet Data réponde à la règle des 3U ?

Nous vous proposons un support pour faciliter la phase de cadrage, qui constitue la première partie indispensable du cycle d’un projet Data.

C’est dès cette phase amont des projets qu’il faut créer un alignement entre toutes les parties prenantes. Embarquez donc les sponsors, les potentiels utilisateurs, les développeurs et toute personne qui pourra apporter des éléments pour faciliter et challenger vos réflexions concernant le problème à résoudre.

Le Data Business Model Canvas proposé est un outil inspiré de Business Model Canvas de Alex Osterwalder, adapté aux besoins des projets Data en se basant sur nos expériences. Ci-dessous, vous trouverez un template téléchargeable ainsi qu’une liste de questions plus détaillées pour chaque composant afin de vous guider dans son remplissage. La liste n’est pas exhaustive, n’hésitez pas à ajouter vos propres questions (et à nous les partager !).

Le Data Business Model Canvas est conçu pour être utilisé dès la phase d'idéation. Si on le remplit en une fois, il y a de fortes chances qu’il devienne obsolète, ce qui peut provoquer des divergences entre les utilisateurs et les développeurs. Il est important de le partager avec tous les acteurs et mettre à jour régulièrement, dès que les nouvelles informations sont mises à disposition. Il peut être construit au fur à mesure, en commençant par les premières cases.

DATA BUSINESS MODEL CANVAS - GUIDE
Guide du Data Business Model Canvas

Téléchargez le guide et le template du Data Business Model Canvas ici.

Liste de questions

Problème

Quel problème rencontrez-vous ?

Quelle est la root cause de votre problématique ?

Si ce problème était résolu, qu'est ce que ça changerait dans la vie de l'utilisateur ?

Valeur & Rendement

Quelle est la valeur attendue ?

Qu’est-ce que le projet pourrait apporter à votre entreprise ?

Comment mesurer son apport de valeur ?

Quel est le retour sur l’investissement espéré ?

Existant

Comment répondez-vous à cette problématique aujourd'hui ?

Qu'est-ce qu'il manque ?

Risques

Quelles sont les contraintes identifiées avant le démarrage ?

Quels sont les risques ?

Y-a-t-il des risques liés à l’adoption ?

Y-a-t-il des risques d’accès aux données ?

Peut-on anticiper certains risques ?

Utilisateurs

Qui sont les potentiels utilisateurs ?

Comment utiliseront-ils vos résultats ?

Qui sont les points de contact ?

Comment collaborer entre l’équipe Data et les utilisateurs ?

Données

De quelle donnée avons-nous besoin ?

Quelles sont les données nécessaires ? Externes et internes ?

Quelle est leur qualité ? Est-ce qu’elles ont été deja utilisées / validées ?

Quelle est leur disponibilité ?

Quelle est leur horizon temporel ?

Mesures d’évaluation

Comment valider que les résultats apportent de la valeur ?

Quelles sont les métriques Business ? Techniques ?

Livrable attendu

Quelle est la version minimale acceptable ?

Quelles sont les décisions que l’outil va aider à prendre ?

Quel est le niveau d’interprétabilité attendu ?

Comment le résultat sera utilisé pour prendre les décisions ?

Doit-il être intégré à un outil existant ou est-ce un outil à part entière ?

Quelle forme doivent prendre les résultats pour qu’ils soient actionnables sans difficulté ?

Bon cadrage et merci d’avance pour vos feedbacks !

🙏 Cliquez ici vous avez aimé cet article, aidez nous à gagner en visibilité en le partageant sur Linkedin 🙏