L’analyse de la data, concrètement, kesako ? Karim Fadlallah, general manager de Ironhack, une startup de bootcamps en développement web, en UX/UI design, et en data analytics, explique que “c’est être capable de collecter, organiser, nettoyer, manipuler, décortiquer, analyser et visualiser des données internes ou externes, qualitatives ou quantitatives, que chaque entreprise a à sa disposition”. Autrement dit, ce travail va permettre à une entreprise de tirer des apprentissages de ces données, pour ensuite pouvoir prendre des décisions business de façon plus éclairée, et même, modifier sa stratégie globale.
Avant de prendre en main la data, la comprendre
Avant de convertir son entreprise à une stratégie " data driven " et d’offrir des formations à tous ses collaborateurs, il faut parvenir à expliquer à ses équipes pourquoi la data est importante et permet une meilleure gestion stratégique de son entreprise. Il est donc nécessaire de leur montrer de quelle manière cette dernière peut impacter positivement tous les corps de métiers. Pourquoi ? Parce que, comme dans chaque transformation majeure des usages, le tournant data ne peut pas correctement être pris si ces nouveaux outils sont imposés, sans en donner les raisons, et sans acculturation préalable de ses équipes. " Pour certains corps de métiers (marketing, sales, supply chain, études de marché, Product, ...) l'enjeu est évident. Pour les autres fonctions (support, gestion de projet, RP, design, ...) l'enjeu réside moins dans l'interprétation ou l'analyse que dans la compréhension de la data. A ce stade, il s'agit en effet de sensibiliser, d'évangéliser les différents corps à l'utilité de l'analyse des données afin de leur donner les clés pour comprendre vite et mieux les rapports qui leurs sont fournis. Cela permet à tous d’avoir une vision plus complète du business et de ses enjeux grâce à la donnée. ", explique Karim Fadlallah.
L’idée n’est donc pas d’imposer un outil et de nouvelles pratiques en interne " from scratch " mais d’évangéliser ses équipes afin d’accompagner les transformations culturelles liées à l’utilisation de la data. Si les collaborateurs d’une entreprise peuvent consulter et comprendre les chiffres et les données utilisées ou produites par l’entreprise, cela amène à plus de transparence, et un engagement facilité dans la prise en main de la data.
La data pour tous, c’est possible
Quoi qu’on en pense, la data analyse n’est pas réservée à des segments de métiers spécifiques. Le traitement des données peut s’appliquer à tout secteur d’activité, et son apprentissage est utile pour de nombreux profils : marketing, finance, biologie, comptabilité, communication… puisque l'analyse et le traitement des données permet d'acquérir une meilleure compréhension des enjeux clients, et des enjeux business. Et se former à la data ne veut pas nécessairement dire devenir data analyst, scientist ou engineer. En effet, Karim Fadlallah explique que l’on peut tout à fait se former spécifiquement à un langage précis et propre à la data analyse - Python ou mySQL, par exemple - sans pour autant avoir la volonté de “tout couvrir”. Il est tout à fait possible, pour des personnes en poste depuis longtemps, et qui n’ont besoin de ne maîtriser qu’un segment particulier de la data, de se former uniquement à cet aspect sans maîtriser tous les aspects liés à la data analyse. Par exemple, si l'on travaille en supply chain ou en achat, être capable de manipuler et d'interpréter soi-même les données des ventes permet d'optimiser les prévisions en termes d’achat.
" Tout le monde peut se former à l'analyse de données, à des niveaux différents. Certains corps de métiers auront plus de facilité (quand on travaille déjà avec Excel notamment, si l'on est analyste dans le secteur bancaire, dans l'industrie...) que d'autres, et plus d'intérêts à le faire. Il n'en demeure pas moins que chaque type de métier gagne en indépendance s'il a des notions en analyse de données. En augmentant son spectre de compétences, d'autant plus sur un sujet aussi actuel et omniprésent que celui de la data, on devient forcément plus autonome. Quand en particulier on travaille dans des entreprises avec des process longs et parfois fastidieux, cela devient un avantage non négligeable ", ajoute le general manager.
L’analyse de la data, un moteur de croissance pour les entreprises
Vous vous demandez encore pourquoi former vos équipes à la data ? Parce que cette dernière représente une source de développement aussi inépuisable que les données qui se créent autour de la chaîne de valeur de l’entreprise. Là où de nombreuses informations liées au business sont longtemps restées lettres mortes, peu utilisées, et peu analysées; la gestion de la data permet de tirer une valeur ajoutée de ces données d’interaction. L’exemple le plus aisé à comprendre est celui du e-commerce : les interactions avec un e-shop sont nombreuses et riches, et les données à en tirer sont variées (mêlant le search, l’achat, le temps passé sur le site et sur un type d’article précis…). Il est donc aisé de se servir des informations récoltées pour faire des liens et tirer des conclusions sur les habitudes d’achat en fonction des profils de consommateurs.
“C'est comme si nous avions découvert une nouvelle source d’énergie ", illustre Karim Fadlallah " La disponibilité de plus de données, et leur exploitation moins manuelle et plus rapide, permet aux entreprises d'aller plus vite, plus loin et d'être plus ROIstes dans leur allocation de ressources. L'enjeu pour chaque entreprise est de savoir comment utiliser et exploiter cette nouvelle source d'énergie”. Cette meilleure allocation des ressources offre donc un gain de temps et d’argent, et permet de mieux définir les priorités de l’entreprise.
Ironhack propose des formations à la data, grâce à la création de son bootcamp qui forme au métier de data analyst. Séparé en trois modules et plusieurs projets, le programme sert à donner les clés aux apprenant.e.s pour devenir opérationnels en data analyse. De la manipulation des données, en passant par l’application de modèles statistiques, jusqu’à la construction d’un pipeline de machine learning, les élèves ont 440 heures pour avoir de solides bases en data !
Maddyness, partenaire média de Ironhack
