5 Conseil Clés pour Avoir un Impact avec la Data

Ces conseils sont basés sur des expériences personnelles en tant que Head of Data chez Payfit et Data Manager chez Criteo, ainsi que sur des entretiens avec d'autres data leaders.

Que vous soyez data analyst, data scientist, que vous travailliez dans les opérations ou rédigiez occasionnellement des requêtes SQL, n'hésitez pas à commenter cet article avec vos propres conseils.

Conseil 1 : Concentrez vous sur l’impact, pas sur la technologie

De nombreux  professionels de la donnée mettent trop l'accent sur les méthodes qu'ils emploient: ‘J’ai utilisé ce super outil’ ‘cette visualisation est excellente’. Mais ce qui compte réellement c’est que votre travail ai changé le cours des choses ou renforcé la confiance. Posez-vous la question suivante : qu'est-ce qui aurait été différent si vous n'aviez pas fait votre travail ?

L’essentiel est d’emprunter la voie la plus courte (mais efficace) pour avoir un impact. De nouveaux outils, de nouveaux progiciels et de nouvelles méthodologies apparaissent constamment mais il ne faut pas perdre de vue l’objectif principal; résoudre les enjeux commerciaux de la manière la plus efficace possible. Par ailleurs, lorsque vous présentez une application, une analyse ou autre, veillez à présenter clairement les mesures **qui en découlent, en précisant qui en sont responsables.

Par exemple, si vous avez présenté votre analyse et que malgré vos recommandations, rien ne change, que devez-vous faire ? Passer à l'analyse suivante ? Non ! Si vous croyez en l'impact de votre recommandation, persistez. Essayez peut-être de vous synchroniser avec le sponsor de l'entreprise pour décider des actions à entreprendre ? Ou organiser une réunion de suivi avec les responsables ? Pouvez-vous prendre des mesures vous-même ?

Cela signifie également que ce que vous faites ne doit pas nécessairement être complexe et technique. Mon plus grand impact en tant qu'analyste dans une expérience précédente a été de créer une google sheet où toutes les équipes pouvaient répertorier leurs projets d'amélioration des opérations, avec une estimation du retour sur investissement. Cela a permis à l'entreprise d'avoir une vision beaucoup plus claire de ses efforts d'amélioration des opérations. Peu importe que cela relève du rôle d'un responsable des données, d'un analyste ou d'un responsable des opérations. L'important, c'est l'impact !

Conseil 2: Trouvez-vous de VÉRITABLES sponsors

Vous devez trouver ceux qui sont prêts à laisser les données changer leurs pratiques professionnelles.

Imaginons que vous ayez une idée fantastique pour améliorer l’efficacité du Service Client. Vous voulez qu'ils suivent le temps de résolution des tickets afin de le réduire. Que devez-vous faire avant d’effectuer l’analyse et de construire le tableau de bord ? Assurez-vous de l’adhésion et de l’engagement des responsables du service client. Autrement, c’est une perte de temps, donc faites en sorte de tester/ voir et si ce n’est pas le cas, passez à l’idée suivante, vous reviendrez à votre CS plus tard. Pourquoi? Tout simplement parce qu’une bonne analyse ne suffit pas, encore plus particulièrement quand les gens ne sont pas prêts à prendre les mesures qui en découlent.

Conseil 3: Posez-vous toujours la question ‘pourquoi’, dans le sens ‘pourquoi avez-vous besoin de cela’?

Cela s'applique à la plupart des emplois au sein d'une entreprise (technologique). Les gens devraient vous expliquer les problèmes ou les défis auxquels ils sont confrontés plutôt que de vous dire ce qu'ils attendent de vous. Cela vous permettra de leur fournir la meilleure réponse (et d'éviter de perdre du temps à vous répéter).

Permettez-moi de vous expliquer

Le problème réside dans le fait que l’on se pose des questions par rapport à la tentative de solution plutôt que d’aborder le véritable problème. Cela entraîne une perte de temps et d’énergie, tant pour ceux qui demandent de l’aide et pour ceux qui l’offrent.

Une conversation typique se déroule généralement comme suit:

• L'utilisateur veut réaliser X.
• L'utilisateur ne sait pas comment réaliser X, mais pense qu'il peut trouver une solution s'il peut réaliser Y.
• Cependant, l'utilisateur ne sait pas comment réaliser Y non plus.
• L'utilisateur demande de l'aide pour Y.
• Certaines personnes essaient d'aider l'utilisateur, mais sont perturbées car Y est un problème étrange à résoudre.
• Après de nombreux échanges et une perte de temps, il devient clair que l'utilisateur souhaitait en réalité de l'aide pour X et que Y n'était pas une bonne solution.

Ce type de problème survient lorsque les gens restent fixés sur ce qu'ils pensent être la solution et sont incapables de prendre du recul pour expliquer le problème dans son ensemble.

Voici un exemple concret de problème lié aux données: Le tableau de bord ne sera pas mis à jour aujourd'hui.

1. Pourquoi? Le tableau A qui alimente le tableau de bord n'a pas été mis à jour. (Première raison)
2. Pourquoi ? la transformation programmée n'a pas été exécutée. (Deuxième raison)
3. Pourquoi ?- Le script de transformation est cassé. (Troisième raison)
4. Pourquoi ?- Les tables en amont B et C qui alimentent la table A ont été modifiées. Des colonnes ont été supprimées et les types de champs ont été modifiés. (Quatrième raison)
5. Pourquoi ?- La communication entre les équipes de data engineering #1 et #2 a été rompue. (Cinquième raison, une cause fondamentale)

Pour résoudre ce problème, il est nécessaire de traiter les symptômes à court terme (réparation du script de transformation) et d'aborder la cause profonde à long terme (amélioration de la communication entre les équipes n°1 et n°2 en mettant en place un outil tel que CastorDoc).

Conseil 4 :Avant de calculer les indicateurs de performance clés (KPI), il est essentiel de définir les concepts d'entreprise.

Ce conseil découle de plusieurs expériences que j'ai vécues dans un emploi précédent. Il est toujours important de définir un concept avant de calculer un KPI basé sur celui-ci. Cette approche évitera les malentendus et favorisera l'alignement.

Combien de clients avons-nous ?

Après quelques jours de travail, j'ai constaté que nos communiqués de presse, nos offres d'emploi et nos communications internes mentionnaient différents nombres de clients. Je me suis alors demandé pourquoi les gens ne parvenaient pas à se mettre d’accord sur un chiffre, alors qu'ils semblaient tous convaincus de détenir la bonne réponse.

La réponse est simple : il n'y avait pas de définition précise de ce qu'est un client.

• Un client est-il considéré comme international ou spécifique à un pays ?
• À partir de quel moment commençons-nous à exclure un client qui ne paie pas ?
• Qu'en est-il des filiales ?

Bien que cela puisse sembler ridicule, établir un alignement précis pour compter correctement a un impact sur de nombreuses autres mesures, telles que le revenu par client ou le calcul de la satisfaction.

Quel est notre chiffre d'affaires ?

Voici un autre désaccord typique au sein d'une entreprise.

Le même problème peut se poser lors du calcul du chiffre d'affaires de l'entreprise. L'équipe financière n'est pas d'accord avec l'équipe commerciale, qui elle-même n'est pas d'accord avec l'équipe chargée du service client. Le premier objectif est de faire comprendre aux gens qu'il existe plusieurs notions de revenus :

• Le revenu des ventes : axé sur le calcul équitable des primes de vente
• Le revenu facturé : axé sur le montant dû à l'entreprise
• Recettes encaissées : axées sur le montant réellement reçu par l'entreprise

‍ll est également possible que votre entreprise ait d'autres calculs de recettes spécifiques. Il est important de les identifier et de définir clairement leurs différences.

Chez CastorDoc, notre objectif est d'aider les professionnels des données au sein des entreprises à s'aligner sur ces concepts. Notre glossaire commercial a été conçu dans cette optique.

Conseil  5 : Commencez par identifier un problème opérationnel, puis explorez si les données peuvent vous aider

Votre impact ne se limite pas aux données, mais plutôt à la résolution d'un problème opérationnel en utilisant une combinaison de données, de processus et de communication.

Conclusion

Les problèmes liés aux données découlent souvent d’un manque de communication. Soit le problème n'est pas correctement identifié, soit le contexte des données n'est pas clairement défini, soit les concepts et les entités ne sont pas précisément définis. Les équipes data, qu'elles soient grandes ou petites, devraient investir très tôt dans des outils de communication et de collaboration axés sur les données.

À propos de nous

Nous abordons tous les aspects liés à l'exploitation des données: de la data stacks modernes à la composition des équipes data, en passant par la gouvernance des données. Notre blog couvre à la fois les aspects techniques et les aspects moins techniques de la création de valeur tangible à partir des données.

Chez CastorDoc, nous développons un outil de documentation des données conçu spécifiquement pour les plateformes comme Notion, Figma et Slack. Notre logiciel de catalogue est collaboratif, intuitif et facile à utiliser.

Vous souhaitez le tester ? Contactez-nous et nous serons ravis de vous présenter une démo.

‍

S'inscrire à la newsletter