KEYRUS - News - Reco

20/03/2019 | 10:24 Keyrus : En marche vers la Big Dataviz

Sakil MAMODE ALLY, Directeur Hub Data
Mor LUBRANSKI, Director of Product at quilliup

Le déluge de données annoncé au début des années 2000 est aujourd'hui une réalité pour toutes les organisations. Généralisée dans les environnements de Business Intelligence traditionnels, la visualisation de données (Dataviz) est un maillon décisif pour passer à une large exploitation du potentiel du Big Data à tous les niveaux de l'entreprise. Mais la transition vers la Big Dataviz est plus exigeante qu'on ne l'imagine…

Le discours sur le Big Data a été longtemps empreint de magie : la digitalisation de l'entreprise et, plus largement, de toute la société avec l'essor des réseaux sociaux et de l'Internet des objets, met chaque entreprise à la tête d'un inépuisable trésor de données où elle pourra puiser en permanence pour trouver de nouveaux leviers d'efficacité et de nouvelles sources de création de valeur. La minimisation des exigences techniques et des expertises nécessaires pour concrétiser cette promesse a laissé plus d'une entreprise dans l'incapacité de faire face à la réalité diluvienne du Big Data et, a fortiori, d'exploiter cette masse de données pour gagner en performance et mieux piloter son activité en ayant de celle-ci une vision à 360° en temps réel.

LA BI ÉVOLUE… LE BIG DATA AUSSI !

Pour extraire l'intelligence de leurs données, les entreprises s'appuient depuis des décennies sur des systèmes de Business Intelligence permettant aux utilisateurs - directions générales et métiers - d'interroger les données et de visualiser les résultats sous forme de rapports, d'indicateurs et de graphiques, sans être confrontés à la complexité sous-jacente des données. Historiquement, ces systèmes ne prenaient en compte que les données structurées générées par les applications de l'entreprise, un Data warehouse géré par la DSI assurant généralement la centralisation et la normalisation des données pour qu'elles soient « requêtables ». Aujourd'hui, il s'agit de prendre en compte des données de provenance et de formats extrêmement divers - structurées, non structurées, images, vidéos, sons, e-mails, publications et commentaires sur les réseaux sociaux, données générées par les capteurs des objets connectés, etc. - dont, de plus, la vitesse de production et les volumétries sont sans commune mesure avec ceux pour lesquels les environnements de BI traditionnels ont été conçus.

C'est l'objet même du Big Data de rendre exploitable l'ensemble des données que l'entreprise génère et peut collecter. Si un réceptacle tel qu'une base Hadoop - typiquement un lac de données (Data Lake) - peut centraliser les données de tous types sans limite quantitative, la difficulté est d'étendre la Dataviz à ce type d'environnement. La visualisation est en effet un maillon clé de la chaîne puisque c'est elle qui permet aux utilisateurs d'accéder à l'intelligence des données et, de ce fait, de se concentrer sur l'analyse et les actions à valeur ajoutée plutôt que sur la collecte, la consolidation et la vérification des données.

NE PAS SOUS-ESTIMER LES PRÉ-REQUIS TECHNIQUES

Il est illusoire de croire qu'il suffit de « pluguer » un outil de Data Visualisation sur un Data Lake pour étendre les bénéfices du Big Data à toute l'entreprise et à toutes les catégories d'utilisateurs. Si certains éditeurs proposent des solutions de Dataviz « Big Data ready » avec des connecteurs pour Hadoop et d'autres types de bases, les performances - notamment les vitesses d'exploration et de restitution - sont rarement au rendez-vous pour des raisons de volumétrie et de structure des données. Pour que les performances soient acceptables, un travail de structuration et d'optimisation est indispensable, même avec les outils de Dataviz utilisant la technique du In-Memory1.

Du fait de la diversité des données, les Data Lakes ne sont jamais organisés sous forme de bases de données relationnelles. Ce sont généralement des bases de type « NoSQL » n'obéissant pas au schéma en étoile/flocon2 qui prévaut dans les environnements de BI traditionnels. Il existe cependant des stratégies pour interroger les données qui se trouvent dans un Data Lake avec des outils de type SQL, même si les données ne sont pas stockées sous forme relationnelle. C'est typiquement ce que permettent de faire les outils on-Hadoop, au-dessus desquels on peut facilement brancher un outil de Dataviz classique. L'autre possibilité est d'exposer les données non pas en SQL, mais par le biais de web services. Les données appelées sont alors restituées sous une forme graphique en JavaScript dans une page web ou via un portail.

Quelle que soit l'option, la préparation des données est indispensable - sachant que, dans un environnement Big Data, le caractère non figé du schéma des données rend la constitution d'une couche sémantique beaucoup moins aisée que dans un environnement de BI classique. Pour pallier l'impossible recours à un schéma en étoile dans un Data Lake, on dénormalise les données. Cette opération consiste à créer une table unique contenant toutes les données. Cette table est souvent extrêmement volumineuse parce que les dimensions qui étaient auparavant mutualisées dans un modèle en étoile sont obligatoirement dupliquées, ce qui pose inévitablement deux types de problèmes :

Des problèmes de cohérence des données, obligeant à avoir une politique de mise à jour et d'alimentation du Data Lake extrêmement rigoureuse.
Des problèmes de performance au niveau des requêtes et de la restitution, obligeant à pré-définir les périmètres et la granularité des requêtes de façon à constituer des sous-ensembles de données plus facilement exploitables par la Dataviz.

Des optimisations côté serveur sont également nécessaires pour rendre les requêtes SQL on-Hadoop extrêmement efficaces. Quels que soient le modèle des données et la volumétrie, c'est un travail d'expert qui fait intervenir des outils intermédiaires, des mises en cache et des indexations. L'objectif de ce travail de structuration et d'optimisation est que la navigation reste agréable dans l'outil de Dataviz, ce qui est une condition sine qua non pour les utilisateurs.

Conscient des enjeux autour de la performance et de la cohérence des données, Keyrus et sa filiale Vision.bi ont créé la plate-forme quilliup afin d'aider les entreprises à contrôler efficacement la qualité de leurs données et les aider dans leurs prises de décisions.
quilliup permet également d'améliorer la gouvernance de toutes les sources de données pour garantir la cohérence et pertinence de l'ensemble des tableaux de bord permettant de piloter l'entreprise.

PARTIR DES USAGES & DE LA MATURITÉ DES UTILISATEURS

Le but de la visualisation des données est de permettre aux utilisateurs de détecter facilement, et surtout plus rapidement, une anomalie ou une problématique dans leur activité, de façon à mettre en œuvre des actions pour y remédier. Des orientations d'action peuvent d'ailleurs être suggérées par le biais d'une couche d'analyse intelligente. Mais, avec ou sans ce type de recommandation, c'est à l'expérience utilisateur proposée dans l'interface de restitution et à la pertinence de représentation graphique qu'il faut veiller si l'on veut vraiment capitaliser sur la dimension visuelle.

Il faut pour cela connaître un certain nombre de règles et de bonnes pratiques. On sait par exemple que, sur un écran, le regard va de haut en bas et de gauche à droite, ce qui est déterminant pour positionner les différentes informations. On sait aussi qu'au-delà de 4 ou 5 indicateurs sur une même page, l'utilisateur est obligé de faire un effort d'attention supplémentaire. Enfin, tous les utilisateurs n'étant pas des experts en sémiologie graphique et les outils offrant de plus en plus de possibilités, il est souvent nécessaire de les guider dans le choix des représentations visuelles pour qu'elles soient vraiment adaptées à leurs indicateurs. Par exemple, un graphe à bulles sera la forme la plus efficace pour analyser la répartition de la masse salariale par genre et par niveau de salaire. En revanche, ce type de graphe ne sera pas approprié pour présenter les résultats d'un benchmark. Seule l'expérience permet de le savoir.

S'appuyer sur les règles et les bonnes pratiques des spécialistes de l'UX et de la visualisation des données permet de construire pour chaque catégorie d'utilisateurs des visualisations simples, épurées et faciles d'usage parce qu'elles mettent en valeur les indicateurs importants pour son activité. De même qu'il doit être protégé de la complexité et de l'hétérogénéité des données sous-jacentes par le travail de structuration des données et d'optimisation des requêtes réalisé par les ingénieurs de données, l'utilisateur final ne doit pas avoir d'effort à faire pour comprendre ce qu'il a devant les yeux et en tirer parti pour améliorer son activité. Une approche couplant ces deux dimensions - ingénierie des données et expertise UX - permet d'élever le niveau de data-alphabétisation des collaborateurs de l'entreprise et de démocratiser les usages du Big Data. Négliger l'une ou l'autre, c'est condamner le Data Lake, dont se dotent de plus en plus d'entreprises, à rester longtemps le « bac à sable » des seuls Data Scientists.

1 Technique consistant à monter et garder les informations d'une base de données en mémoire vive afin d'accélérer les temps d'accès et de réponse.

2 Base structurée sous forme de tables reliées entre elles et où chaque table est reliée à des tables de dimension correspondant aux axes selon lesquels les faits peuvent être explorés et analysés.

À PROPOS DES AUTEURS

Sakil MAMODE ALLY
Avec plus de 17 ans d'expérience dans les domaines de la Data Intelligence où il a notamment exercé des responsabilités de développement d'activités BI Data Reporting mais également de business development, Sakil a construit son style de management autour des valeurs humaines et technologiques qu'il met au service des clients et des collaborateurs.
Il rejoint Keyrus en 2016 comme responsable de la practice Smart Data à Paris pour répondre aux enjeux/besoins des clients de Keyrus autour des problématiques de Dataviz et de Dataprep.
Avec son appétence au commerce et son background opérationnel, il a ensuite accompagné au développement du secteur Retail & CPG, tant sur les plans business et opérationnel que stratégique, avant de prendre la direction du Hub Data. Il a notamment pour mission d'accompagner Keyrus, autant les Sales, les Opérationnelles que l'avant-vente, sur des sujets autour de la Data.

Mor LUBRANSKI
Depuis plus de 8 ans, Mor dirige les équipes R&D et produits dans divers secteurs.
Il a débuté sa carrière en tant qu'ingénieur de données et a été impliqué dans la conception et le développement pratique de solutions complexes Big Data. Sa capacité à traduire les besoins des clients en exigences techniques lui confère une grande capacité à mener des projets complexes et réussis.
Sa vaste expérience dans les domaines de la technologie et des affaires, ainsi que ses compétences en présentation et sa compréhension du marché, lui permettent de diriger le produit quilliup de Keyrus.

La Sté Keyrus SA a publié ce contenu, le 20 mars 2019, et est seule responsable des informations qui y sont renfermées. Les contenus ont été diffusés par Public non remaniés et non révisés, le20 mars 2019 09:24:03 UTC.

Document original

http://www.keyrus.com/fr/post/?post_pk=6088

Public permalink

http://www.publicnow.com/view/8D883044F81C8196B58B71886F71DE01310E50FE

19/03/2019 | 10:24 Data Marketing : 4 cas d'usage concrets

Julien CHAMBRILLON, Practice Manager Data Science & IA

Chiffre d'affaires en hausse de 20 %, coûts en baisse de 30 % (1) : le data marketing révolutionne la connaissance client. Les décideurs ne s'y trompent pas : 80 % d'entre eux plébiscitent désormais cette expertise (2).

Quatre « use cases » illustrent les bénéfices concrets générés par l'exploitation des données clients : le CRM (référentiels clients et produits), les données transactionnelles, les informations relatives à la navigation web et l'analyse des comportements lors des campagnes marketing. Exploiter toutes ces informations permet de mieux comprendre les comportements du client à la fois passés, présents et futurs.

1. RECRUTEMENT & FIDÉLISATION

La data répond à un premier enjeu déterminant du marketing : identifier précisément qui sont les nouveaux clients de l'entreprise. Grâce à cette compréhension approfondie des profils, les actions marketing ciblent les contacts les plus pertinents. Plus largement, le data marketing se fonde sur la segmentation clients (clustering). Le principe ? Construire à partir de la base clients des segments homogènes de consommateurs en fonction de leurs comportements. Émergent alors des micro-audiences, des groupes cohérents d'individus, tant par leur profil personnel (âge, catégorie socioprofessionnelle) que par leurs habitudes de consommation. Cette segmentation clients connaît un grand nombre d'applications : offres promotionnelles personnalisées vers les clients fidèles, vers ceux n'ayant réalisé qu'un seul achat, vers les clients « promophiles », etc.

2. RÉTENTION & VALEUR CLIENT

Dans la même logique, le data marketing se met au service des stratégies de rétention client. Les algorithmes prédictifs évaluent le risque de départ (churn) de chaque client à la lumière de leur historique. Et le dispositif permet aujourd'hui d'aller bien plus loin grâce à la 'valeur client' potentielle. Pour résumer, la data science estime le montant d'achats potentiels de chaque contact. Autant d'informations qui permettent de cibler précisément les actions marketing en direction des clients constituant la plus forte valeur, ou ceux ayant un risque élevé de départ.

L'analyse des transactions permet de prédire les actions d'un client. À cette fin, des diagrammes de flux (sankey diagrams) sont réalisés pour une représentation graphique des parcours clients à travers des données d'achats.

UN OUTIL PRÉCIEUX : LES SOLUTIONS DE MARKETING AUTOMATION
Les outils d'automation sont aujourd'hui indispensables pour industrialiser les campagnes marketing. Grâce à eux, les entreprises établissent les meilleures règles et scénarios destinés à envoyer le bon mail à la bonne personne au bon moment. Combinés à la data science, ils intègrent désormais les données clients. Le but : identifier les choix marketing les plus pertinents au regard de l'historique du client et enrichir les bases de données par une segmentation plus fine en fonction des personas.

3. PRÉVISIONS DES VENTES - FORECAST

Réaliser une analyse précise de l'historique des ventes peut servir à réorienter la stratégie marketing en anticipant les saisonnalités. Ainsi, le croisement des chiffres de ventes et des données météorologiques open data fait régulièrement émerger des produits « météo-sensibles », parfois inattendus (les batteries de voiture par exemple). Les algorithmes se chargent de probabiliser l'activité dans les différents points de vente selon le climat. Ces prévisions affinées serviront à adapter la stratégie marketing, comme à optimiser la gestion des stocks des points de vente.

4. MOTEURS DE RECOMMANDATION

Cas d'usage traditionnel du data marketing, la recommandation peut être réalisée de deux façons. Première approche : analyser l'historique des comportements d'achat d'un client, pour lui proposer des montées de gamme par exemple. L'acheteur d'une perceuse sera ainsi orienté vers un outil plus perfectionné quelques mois après.

Deuxième approche : la recommandation prend une autre dynamique avec l'approche sociale. Ce filtrage collaboratif se fonde sur les préférences des autres clients : si une personne achète une perceuse, l'analyse du comportement d'achat d'autres clients ayant acheté un produit similaire conduira, par exemple, à l'orienter vers un kit de bricolage.

DATA SCIENCE & MÉTIERS, UNE INDISPENSABLE INTERACTION
Les data scientists ne détiennent aucune vérité absolue. La construction d'une stratégie de data driven marketing performante dépend étroitement de la qualité de l'interaction des experts en algorithmes et approches prédictives avec les équipes métiers et marketing. D'où le rôle central joué par le feature engineering : l'organisation en amont d'ateliers pour approfondir les enjeux métiers aide l'équipe de data scientists à sélectionner, à partir des données brutes, les variables adaptées. Cette phase de préparation, de nettoyage des données (par exemple la conversion d'une date de naissance en âge) et de construction d'indicateurs à haute valeur ajoutée, est essentielle au succès d'un projet data science.
Dans un deuxième temps, les modèles et valeurs d'importance sont présentés aux métiers pour être évalués à l'aune de leur expertise business. La mise en place d'une collaboration en mode agile permet de réorienter, si nécessaire, les premiers choix réalisés. Dès lors, la phase de déploiement dans l'écosystème client peut être lancée. Le but est que les directions métiers soient en mesure de piloter elles-mêmes les KPI. Qu'elles puissent utiliser de manière autonome les algorithmes, via une solution de data visualisation accessible, avec des possibilités de mises à jour au gré de l'activité. Cette dernière étape implique une nouvelle phase d'apprentissage, visant cette fois principalement les services IT de l'entreprise.

[1] All insights, Boston Consulting Group Multi-moment Marketing, 2017 (enquête menée auprès de plus de 40 sociétés européennes dans 8 secteurs d'activité).
[2] Etude Aquent en partenariat avec l'EBG, 2018.

À PROPOS DE L'AUTEUR

Julien CHAMBRILLON
Après un cursus en mathématiques appliquées et sciences sociales, Julien intègre une société de géomarketing spécialisée en optimisation des réseaux des points de vente. Après 10 ans dans le domaine, il prend en charge le service Data Analytics d'une agence de marketing relationnel spécialisée dans les programmes de fidélité.
Julien intègre Keyrus en avril 2016 où il exerce le rôle d'expert puis de consultant manager, avant de prendre en charge une Practice Data Science & IA en juillet 2018. Ses domaines de prédilection gravitent autour de la connaissance client.

La Sté Keyrus SA a publié ce contenu, le 19 mars 2019, et est seule responsable des informations qui y sont renfermées. Les contenus ont été diffusés par Public non remaniés et non révisés, le19 mars 2019 09:24:02 UTC.

Document original

http://www.keyrus.com/fr/post/?post_pk=6085

Public permalink

http://www.publicnow.com/view/98E5757D3630BB24906A4562D93D1C41F061EE1E

18/03/2019 | 12:09 Keyrus : Vers un management plus participatif

Article publié par Geoffrey Ljubanovic, Consultant chez Keyrus Management
Pour en savoir + sur Keyrus Management, rendez-vous sur ce lien : http://www.keyrusmanagement.fr/fr/

L'entreprise connaît depuis quelques années des évolutions majeures où la production de connaissances prend une dimension centrale par le biais des outils numériques. La performance n'est plus dans l'optimisation du temps de travail, mais dans les démarches collectives et collaboratives d'innovation et d'apprentissage1.
Ainsi, un nouveau type de collaborateur émerge en rupture avec ses prédécesseurs, guidé par de nouvelles valeurs et de nouveaux paradigmes. De nouvelles pratiques managériales apparaissent et remettent en question celles encore dominantes. De ce postulat, l'objectif de cet article est de décrypter les nouveaux enjeux du management pour identifier les attributs qui le réinventent.

Le manager, un relai de l'information…

Le manager se positionne sur trois dimensions. Premièrement, il représente le premier relai de la culture d'entreprise afin que les collaborateurs puissent la saisir et y adhérer. Deuxièmement, il est relai de la stratégie, pour que les collaborateurs comprennent et anticipent les besoins de l'entreprise. Enfin, le manager est un relai de l'état d'esprit pour être capable de comprendre les motivations et envies des collaborateurs.

Toutes ces valeurs vont ainsi permettre au manager de se positionner en véritable accompagnateur et ainsi être en capacité de répondre aux diverses questions des collaborateurs, telles que : « Dans quelle direction allons-nous ? Où en sommes-nous actuellement ? Pourquoi faisons-nous les choses de cette façon ? » Cette démarche doit devenir un réflexe et pas uniquement une demande de la Direction Générale.

Afin d'être en mesure d'atteindre ces objectifs, les managers peuvent mettre en place, par exemple, des ateliers participatifs basés sur l'échange et la co-construction, des points hebdomadaires courts, implémenter des enquêtes de perception, des baromètres de climat, des outils collaboratifs, etc. Ainsi, les collaborateurs auront plus confiance en leur entreprise et en leurs managers, et se sentiront davantage associés, ce qui favorisera leur prise d'initiative et leur motivation.

… donnant du sens…

Le manager porte le sens de l'action, et pour cela il doit essayer de prendre en compte les aspirations de chacun. Les valeurs ayant évolué, les nouvelles générations recherchent un travail « optatif », pour lequel elles seront passionnées et leur apportant un bon équilibre de vie. Le travail doit ainsi servir leur projet global. Pour manager efficacement, il faut donc veiller au sens et à la cohérence de l'action. Cela passe, par exemple, au moment du recrutement, par l'explication au collaborateur des objectifs et des missions à court et moyen terme. Cela passe aussi par l'explication du sens de l'action collective au service de la logique de l'entreprise. Ce processus s'applique aussi à la personne, qui doit clairement comprendre sa mission et sa contribution à la chaîne de valeur de l'entreprise.

Pour illustrer ceci, nous pouvons prendre l'exemple de la visite du Président John F. Kennedy au centre de lancement de la NASA en 1962 pendant laquelle il rencontra un agent de nettoyage dans un atelier de fabrication de fusées et lui demanda ce qu'il faisait à cet endroit. L'homme lui répondit : « Monsieur le Président, j'aide à envoyer quelqu'un sur la lune ». On voit ainsi que l'employé participe à un projet collectif en étant le maillon d'une chaîne. Bien que sa contribution consiste à nettoyer l'atelier, la valeur de son travail correspond à sa contribution au bon déroulement des opérations de fabrication de fusées.

…au profit d'un projet global…

Les collaborateurs cherchent davantage d'égalité, qui s'établit au travers du respect et de la confiance dans l'intelligence de chacun. Cependant, le management est encore empreint de valeurs telles que la rationalisation, par le contrôle et la mesure de la performance individuelle. Des études récentes2 nous montrent que le contrôle est plus coûteux que la dérive occasionnée par un manque de contrôle. Il s'agit de passer de la mesure à la régulation. Le management évolue d'un management d'individus à un management de communautés. On parle désormais de leviers qualifiés de « collectifs » tels que les objectifs collectifs, les entretiens collectifs, les primes collectives, etc.

Ces principes permettent au manager d'être l'initiateur d'un climat de confiance et de favoriser la convivialité. Pour illustrer cette vision, l'Association Entreprise & Convivialité a créé en 2006 le prix de la convivialité qui récompense les entreprises s'inscrivant dans cette démarche3. Le lauréat 2014 était PepsiCo France avec son programme « Donnons du sens à notre performance » qui fait partie de l'ADN de l'entreprise. Tout au long de l'année de nombreuses initiatives sont mises en place dans ce contexte. Des activités sportives et artistiques, des pauses bien-être (masseur, nutritionniste, groupe de méditation…), des célébrations de réussites communes (Plénière, Summer Party, Christmas Party), mais aussi de moments-clés personnels (mariage, anniversaire, naissance). Les talents des collaborateurs sont ainsi régulièrement mobilisés (challenge musical, journée des enfants, websérie) et de nombreux espaces ont été aménagés au bénéfice du bien-être des collaborateurs (conciergerie, restaurant d'entreprise, auditorium, salle de sport, open space, bulles…).

…servant chaque personne…

Nous connaissons les valeurs fondamentales de bienveillance, d'écoute et de compréhension. Le manager doit désormais intégrer d'une nouvelle manière la complexité psychologique du collaborateur afin de connaître les forces qui l'animent. Il peut comprendre cela à l'aide de plusieurs leviers.

Un manager qui reconnaît et accepte les émotions de ses collaborateurs s'inscrit dans une logique de respect et de considération, sans s'immiscer dans leur intimité. Il se doit aussi d'être authentique, par l'exemplarité et l'honnêteté, afin que sa pratique corresponde à son discours. Si un décalage se produit, il crée de la dissonance cognitive, facteur de démotivation des collaborateurs.
La plus grande complexité de ce processus est d'accompagner les collaborateurs dans leur quête de réalisation personnelle afin de libérer leur potentiel. Enfin, laisser de l'autonomie et déléguer certaines prises de décision contribuera aussi à révéler les talents.

… par le biais de son leadership

Pour que le manager devienne un leader, il doit favoriser un environnement contribuant à l'épanouissement des attentes professionnelles des collaborateurs et faire preuve d'assertivité pour permettre à l'équipe d'atteindre collectivement ses objectifs.
Selon une étude du Harvard Business Review4 réalisée auprès de 200 personnes considérées comme des leaders dans le monde, les 5 catégories de compétences et qualités ressorties sont :

Savoir installer une relation de confiance : être transparent et communiquer clairement ses attentes.
Favoriser l'autonomie : donner des objectifs clairs et être flexible sur leur réalisation afin que chacun puisse gérer son travail de manière autonome
Créer de la connivence et un esprit d'équipe : créer un sentiment d'appartenance autour de son équipe.
Encourager l'apprentissage et accepter l'erreur : favoriser l'audace, tout en assurant un environnement sécurisant en cas de tentative non concluante.
Avoir un impact : avoir une vision de l'avenir et co-construire la prochaine génération de leaders, en soutenant leurs projets pour créer une relation de gratitude et de loyauté réciproque.

Le manager doit donc opérer un changement de paradigme et de valeurs afin de correspondre à cette nouvelle définition du leadership.

Pour répondre à ces enjeux, Keyrus Management propose un accompagnement des fonctions ressources humaines et managériales pour identifier les enjeux de ces nouveaux leviers de performance, les qualifier et contribuer à mettre en place des processus et des outils contribuant à la transformation du management au sein des entreprises.

[1] « Une économie de l'immatériel ou un capitalisme cognitif est en train d'émerger », Artus, Le capitalisme cognitif, 2001
[2] http://occurrence.fr/newsite/wp-content/uploads/2016/11/Occurrence_Synthese_Getz-Carney.pdf
[3] https://www.andrh.fr/pressemedias/177/cp-les-laureats-de-la-5eme-edition-du-prix-du-drh-numerique-2018-de-landrh-
[4] https://hbr.org/2016/03/the-most-important-leadership-competencies-according-to-leaders-around-the-world, 2016, Sunnie Giles

La Sté Keyrus SA a publié ce contenu, le 18 mars 2019, et est seule responsable des informations qui y sont renfermées.

Les contenus ont été diffusés par Public non remaniés et non révisés, le18 mars 2019 11:09:08 UTC.

Document original

http://www.keyrus.com/fr/post/?post_pk=6082

Public permalink

http://www.publicnow.com/view/DEEF1ECC94BE5FB2320B920CB3FF195581A97401