À chaque métier, son outil analytique

Partager sur linkedin
Partager sur twitter
Partager sur facebook

À chaque métier, son outil analytique

Nul n’est censé ignorer… l’analyse de données dans la prise de décision !
Pourtant, encore nombreuses sont les organisations qui n’arrivent pas à lire et comprendre les données.
Devenir une entreprise Data-Driven, demande une approche culturelle de la donnée mais passe également par le fait de fournir aux équipes métiers des outils au plus près de leurs besoins mais aussi de leurs compétences. Dans un contexte où l’entreprise doit accélérer sa stratégie pour favoriser sa transformation numérique, il est indispensable de s’appuyer à la fois sur une donnée de qualité et sur les bons outils.
Faute de quoi, l’organisation risque de s’enliser dans des processus inefficaces.
Revue de détails avec Jonathan Clementz, Consultant Data.

Démunis et déçus ! Ce sont les premiers sentiments qui ont tendance à émerger lorsque les équipes métier parlent de leur expérience analytique. Alors que le plus souvent, l’analyse et la gestion de la donnée sont « vendues » comme la solution miracle à la performance et l’efficience des entreprises, sur le terrain les opérationnels déchantent. Incapable de maîtriser les outils et de faire parler les données, les équipes font parfois de la résistance.
À ce titre, l’étude The Human Impact of Data Literacy menée par Qlik et Accenture auprès de 1 000 personnes en France, confirme ce sentiment puisque « seulement 14% des entreprises donnent à leurs collaborateurs l’accès à des outils d’analyse adaptés à leur niveau et 13% conçus pour leur fonction ».

Outils inappropriés ? Mauvaise formation ? Les raisons sont souvent multiples et poussent les utilisateurs à se retrancher derrière des feuilles de calcul Excel dont on peut mesurer les conséquences aujourd’hui : échec d’une politique de la gouvernance de la donnée, perte de confiance dans le projet analytique à mener voire émergence d’un shadow IT

Cette situation ne vous est pas étrangère ? …

…Pourtant des solutions existent ! Ces dernières années, les éditeurs ont redoublé de créativité pour imaginer et concevoir des outils destinés à faire sortir l’exploitation de la data du giron de l’IT. Ces différents types d’outils ont été pensés pour satisfaire les besoins de profils plus ou moins techniques et se sont développés pour répondre aux besoins des différentes strates de l’entreprise avec une triple promesse : accélérer la prise de décision, accroitre la productivité et réduire le risque d’erreur et donc rétablir la confiance.

On a ainsi vu émerger différents outils :

  • Plateform Analytics pour les data scientist
  • BI/DataViz pour les data analyst
  • DataViz/DataStory telling pour les business owner

Télécharger le livret :

Gouvernance de la donnée, 4 défis essentiels à relever

Comment bien adresser la data selon le service et la population ?

Du Data Analyst au Business Partner, nous sommes tous des utilisateurs et parfois des producteurs de data. Cependant nos compétences et nos besoins sont différents.

C’est pourquoi, il est nécessaire d’identifier les outils qui permettent de répondre de façon complémentaire aux besoins et usages de chacun.

Quel outil pour quel profil ?

Le Data Analyst

Le Data Analyst possède une très bonne connaissance des données et de leur interprétation. Il prépare les données et est capable de fournir des KPI pertinents qu’il mettra à disposition des Business Analyst et Business Partner au travers de tableaux bord et des reporting qu’il aura automatisés. La fonction de Data Analyst nécessite aussi quelques connaissances « métier » pour adresser de façon pertinente les sujets qu’il rencontre.

Le Data Analyst possède un niveau de maturité data important. Il a des compétences en développement et quand il n’a pas d’outils de BI appropriés, il partage ses résultats, générés automatiquement, sur Excel.
Pour augmenter sa productivité et faciliter la mise en place des workflows, les plateformes analytics tels que Dataiku, Knime ou Altéryx permettent de s’affranchir d’une partie du code pour se concentrer sur ce qui a le plus de valeur ajoutée. Pour la restitution, les outils de BI/DataViz (PowerBI, Qlik, Tableau) lui permettent de partager plus facilement et de manière plus dynamique ses analyses, contrairement aux fichiers de reporting Excel ou Powerpoint qui sont, eux, quasi figés.

Le Data Scientist

Tout comme le Data Analyst, le Data Scientist n’a pas de problème de maturité sur l’utilisation de la donnée. Désigné comme le job le plus sexy du monde en 2012 par Harvard Business Review, Le Data Scientist est l’expert de la data au sein de l’entreprise. Il maîtrise les bases de données, les statistiques et le développement d’algorithmes.

Il aide son entreprise à aller plus loin dans l’exploitation de ses données. Il accompagnera les différentes équipes dans la mise en place de solutions permettant les segmentations marketing, des modèles prédictifs, des systèmes de détection de fraude et bien d’autres solutions qui seront, elles-mêmes, génératrices de données.

Même s’il maîtrise différents langages de programmation, les nouveaux outils tels que les plateforme analytics lui permettront la mise en place et l’industrialisation de modèle de Machine Learning.
Les outils de Dataviz, quant à eux, permettent la restitution des résultats de manière visuelle.

Le Business Analyst

Le Business Analyst est situé entre les équipes data et les équipes business, il jongle entre les tableaux Excel et les présentation Powerpoint pour répondre aux demandes d’analyses et de recommandations qui lui sont faites. Il a pour but d’aider les différents départements de l’entreprise en fournissant des recommandations basées sur l’analyse des données et sa connaissance du métier. Le niveau de maturité data des Business Analyst est inégale, ce qui peut parfois le freiner pour accomplir sa mission de manière optimale.
Spécialiste des analyses sur Excel, son métier s’est compliqué avec l’arrivé des Big Data. Les volumes de données ne sont plus aussi facilement manipulables qu’avant. Par le biais d’une formation aux enjeux du Big Data et un accompagnement sur de nouvelles solutions d’analyse et de dataViz, il pourra considérablement transformer son métier.
Grâce à différentes solutions, il serait capable de fournir des insights plus précis et serait donc plus productif. D’une part, ses analyses peuvent être facilitées avec des outils de BI plus traditionnels tels que PowerBI, Tableau ou Qlikview. D’autre part, la préparation et la diffusion de son travail peuvent être facilités avec des outils de data storytelling et de diffusion automatisés de reporting tels que ToucanToco, Reeport, ou autre.

Le Business owner / Business Partner

Le Business Owner est celui qui prend les décisions. Il a pour mission de fixer et d’atteindre des objectifs commerciaux. Il n’a pas de compétence technique et/ou on ne lui demande pas d’en avoir. Il a besoin d’avoir à disposition les informations pertinentes nécessaires au pilotage de ses objectifs.

Sa maturité data n’est pas toujours très élevée, mais les décisions qu’il prend sont de plus en plus data-driven.

Compte tenu de la croissance exponentielle du volume de données, il a besoin de connaître les possibilités qui lui sont offerte par le Big Data afin d’être le sponsor d’une transformation par la donnée. C’est pour cela qu’une acculturation data, ainsi qu’une formation à l’utilisation des outils de dataViz et des possibilités qu’ils offrent sont nécessaires.

Devenir une organisation Data Driven implique de mettre la donnée au cœur de sa stratégie, de ses systèmes et de ses processus. C’est pourquoi, il est nécessaire de disposer d’une culture solide de la donnée, d’un accès fiable et facile à des données de qualité et des bons outils dédiés pour amorcer le virage de la transformation.
En mettant en place une roadmap et un programme d’acculturation à la data, les bénéfices peuvent rapidement émerger en termes d’équipes (nouvelles compétences, tâches plus valorisantes), de productivité (gain de temps) et de résultats (accélération et qualité de la prise de décision).

Ce n’est qu’une fois cette étape passée, que les organisations pourront concevoir des projets plus poussés intégrant des technologies comme le Machine Learning ou le Deep Learning.

Jonathan Clementz, Consultant Data et Dominique Cozzi, Journaliste Consultante.

En réagissant à cet article, vous nous permettez d'affiner les contenus que nous publions ici !

  • Awesome (1)
  • Interesting (0)
  • Useful (0)
  • Boring (0)
  • Sucks (0)

Si cet article vous a plu, n’hésitez pas à le partager via

Partager sur linkedin
Partager sur twitter
Partager sur facebook