Comment Fanatics a convaincu son board de la valeur de sa plateforme data

En 2023, Fanatics opérait dans trois segmentssegmentsDécouper un marché en groupes distincts de clients partageant des besoins, des caractéristiques ou des comportements similaires, afin de traiter chaque groupe avec une approche dédiée.Voir la définition complète → distincts : le commerce de produits licenciés, les cartes à collectionner et les paris sportifs en ligne. Trois entités, trois stacks de données partiellement redondantes, et une direction générale qui posait la même question à chaque cycle budgétaire : pourquoi consolider et investir davantage dans la data, alors que chaque vertical fonctionnait correctement de son côté ? La pression n'était pas théorique. Le groupe venait de lancer Fanatics Betting & Gaming et intégrait la plateforme PointsBet aux États-Unis. La capacité à croiser les données client entre le commerce et le betting représentait une opportunité directe de revenus, mais elle nécessitait une infrastructure unifiée que personne n'avait encore approuvée.

Le CDO de Fanatics, confronté à ce cas classique où la valeur data reste invisible jusqu'à ce qu'on la chiffre, a fait le choix de ne pas présenter un projet technique au board. Il a présenté un problème commercial avec un coût d'inaction.

Ce qu'ils ont construit, et comment ils l'ont vendu

La première décision structurante a été de cartographier les coûts cachés avant de parler d'investissement. L'équipe a identifié trois catégories de friction : la duplication de traitement entre verticaux (des pipelines qui ingéraient les mêmes données sources de manière indépendante), le délai entre un événement client et la capacité à y répondre en temps quasi réel, et l'absence de vision client unifiée rendant impossible tout calcul fiable de lifetime valuelifetime valueLifetime Value : le revenu total (ou le profit) qu'un client génère sur toute la durée de sa relation avec votre entreprise.Voir la définition complète → cross-segment.

Sur la partie technique, Fanatics a déployé une architecture combinant Databricks pour le traitement et dbt pour la couche de transformation et de gouvernance sémantique. Ce point mérite une précision : dbt Labs, éditeur commercial de cet outil, indique dans ses publications marketing que Fanatics a réduit ses coûts de compute warehouse en adoptant la fonctionnalité dbt State, qui ne reconstruit que les modèles affectés par un changement plutôt que l'ensemble du graphe de transformation. Selon dbt Labs, éditeur de l'outil et donc source à lire avec le recul approprié, ces chiffres correspondraient à des économies significatives sur les cycles de traitement. Ces affirmations n'ont pas été corroborées par un audit indépendant publié à ce jour, mais elles s'inscrivent dans une logique technique cohérente que d'autres équipes engineering ont décrite dans des contextes similaires.

Ce qui a changé la nature de la conversation avec le board, c'est la décision de présenter la valeur en trois niveaux distincts :

• Les économies directes mesurables : consolidation des licences, réduction du compute redondant, diminution du nombre de pipelines à maintenir.
• La valeur activée : les cas d'usage qui n'étaient pas possibles avant, notamment les offres promotionnelles croisées entre l'achat de maillots et les paris, avec un impact estimé sur le taux de conversiontaux de conversionLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →.
• Le coût d'opportunité différé : ce que chaque trimestre supplémentaire sans unification coûtait en capacité d'analyse, exprimé en équivalents ETP (équivalents temps plein d'analystes passant du temps à réconcilier des données plutôt qu'à produire de l'analyse).

Ce cadrage en trois niveaux est la mécanique clé. Le board entend rarement parler de compute costs. Il comprend immédiatement "nous payons actuellement l'équivalent de six analystes senior pour faire de la plomberie de données".

Traduire le sémantique en dollars

Un axe souvent négligé dans cet exercice : la gouvernance des définitions. Fanatics avait plusieurs définitions concurrentes du terme "client actif" selon les verticaux. Cette fragmentation avait un coût direct sur les campagnes marketing, où des segments se chevauchaient ou s'excluaient incorrectement. L'équipe data a calculé le coût de ces erreurs de ciblage sur douze mois, en croisant les taux d'ouverture, les coûts d'envoi et les conversions ratées. Ce chiffre, présenté comme "le coût actuel de ne pas avoir une définition commune", a eu plus d'impact qu'aucun argument sur la qualité des données.

Les résultats

Fanatics a obtenu l'approbation budgétaire pour la consolidation de sa plateforme data en 2024. Les gains de compute liés à dbt State sont documentés par dbt Labs dans ses communications commerciales, et doivent être lus comme tels. Ce qui est public et vérifiable : Fanatics a publiquement décrit son architecture Databricks plus dbt dans plusieurs conférences techniques entre 2024 et 2026, ce qui indique que la direction a effectivement validé et pérennisé cet investissement, signal concret d'une démonstration de valeur réussie en interne.

Sur le plan organisationnel, la consolidation a permis de crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →éererLe rapport entre les interactions (likes, commentaires, partages) et le reach d'un contenu, utilisé pour mesurer la réaction de l'audience au regard du nombre de personnes touchées.Voir la définition complète → un identifiant client commun entre les trois verticaux, condition sine qua non du lancement de campagnes cross-segment. L'équipe data est passée d'une organisation en silos par vertical à un modèle centralisé avec des data products partagés, ce que MIT Sloan Management Review identifie comme un marqueur de maturité data dans les organisations qui réussissent à aligner compétences techniques et objectifs métier.

Ce qui se transfère, et où votre contexte diffère

Trois mécaniques de ce cas sont directement transposables, quelle que soit l'industrie :

Quantifier le coût d'inaction avant de chiffrer l'investissement. Les boards approuvent plus facilement un projet qui stoppe une hémorragie qu'un projet qui promet une croissance future. Les deux peuvent coexister dans la même présentation, mais l'inaction doit apparaître d'abord.

Séparer les économies directes des valeurs activées dans votre business case. Les économies directes crédibilisent votre capacité à gérer un budget. Les valeurs activées justifient l'ambition. Mélanger les deux affaiblit les deux.

Choisir un calcul que votre CFO peut auditer. Si votre modèle de ROIROIReturn on Investment : le rapport entre le profit net et le coût d'un investissement. Un ROI de 300 % signifie que chaque dollar investi en rapporte 3.Voir la définition complète → repose sur des hypothèses de conversion que personne ne peut vérifier, il sera attaqué. Partez de données historiques, même imparfaites, et montrez votre raisonnement.

Là où votre contexte diffère : Fanatics opère dans le retail et le gaming, deux secteurs où le lien entre données client et revenus est direct et mesurable à court terme. Dans des industries à cycle long (industrie manufacturière, services financiers B2B), la chaîne causale entre investissement data et revenu est plus difficile à tracer. Dans ces cas, les indicateurs intermédiaires, délai de mise à disposition des données pour les équipes commerciales, taux d'erreur dans les reportings réglementaires, temps de réponse aux demandes d'analyse ad hoc, doivent remplacer les métriques de conversion directe.

La leçon la plus concrète de Fanatics n'est pas technique : c'est d'avoir construit un business case que le CFO pouvait défendre au board à la place du CDO. Quand votre allié financier comprend et répète votre