Ça fait un petit moment maintenant que mes articles tournent autours des besoins en datascience des entreprises. On sait que c’est important de s’y mettre, on sait que ça a une réelle plus-value et on a, normalement, identifié les premiers besoins. Evidemment, certaines entreprises sont totalement autonomes, staffées pour agir, néanmoins, cet article peut quand même vous intéresser.

Quelque soit la structure de votre équipe data, niveau chaise vide ou Agence tout risque (une équipe qui se complète bien avec des compétences variées), il va vous falloir prioriser et potentiellement, « sacrifier » des sujets.

Recrutement dans la Data

Crédit photo : Freepik

Un projet de datascience bien mené

Pour réaliser un bon projet, il faut, évidemment :

  • Le définir
  • Le développer
  • Le valider
  • L’évangéliser
  • Le maintenir

(Je simplifie volontairement, il y a des process plus complexes, mais ça paraît une bonne base de départ)

Si, en partant de ces besoins, on essaie de mettre les compétences/profils utiles en avant, il nous faudrait, selon moi :

 

– Un analyste fonctionnel
Qui va dans un premier temps définir le projet, le cadrer avec les métiers, analyser les données nécessaires, qualifier les données présentent dans l’entreprise et briefer le projet. Il accompagnera les équipes dans la totalité du développement du projet puis, une fois terminé, il le validera et pourra s’occuper de l’évangélisation (adhésion du nouvel outil, formation des métiers…). J’ai écrit un article sur le rôle clé de l’analyste fonctionnel que tu peux retrouver ICI.

 

– Un développeur datascientist
C’est le mec qui fait du python (le pire raccourci du monde 😅). En partant du brief et dans l’environnement technique mis à sa disposition, il va s’occuper de développer les modèles de datascience. Il maîtrise plusieurs langages de développement et bien évidemment, toutes les théories statistiques utiles. Il échange régulièrement avec l’analyste fonctionnel pour rester dans la bonne direction.

 

– Un spécialiste en dataviz
En fonction du projet, il y aura souvent un besoin de visualiser les données. Il doit donc comprendre le besoin métier et maîtriser l’UI/UX pour rendre ses outils facilement exploitables.
(En suivant ce lien, vous trouverez un excellent article écrit par Axel, qui vous explique en quoi le pilotage de votre activité est important : https://knowyourpeople.fr/comment-piloter-son-activite/)

 

Ici, on est sur la structure « minimal » de l’équipe.
On peut s’imaginer également un besoin en data Engineer (expert en base de données responsable de la mise à disposition des données utiles) et pourquoi pas d’un data analyst (qui maîtrise la collecte et l’analyse des données, possède des connaissances solides en statistiques, en programmation et en machine learning).
On peut trouver des profils « hybrid », les fameux moutons à 5 pattes qui peuvent remplir la totalité des rôles utiles mais soyons honnêtes, on sacrifiera certaines compétences et il sera trop occupé pour avancer rapidement.

Mon besoin en tant qu’entreprise

C’est bien joli tout ça, mais moi, de quoi j’ai besoin ?

C’est la première question que vous devriez vous poser si vous décidez de vous mettre à la data. De mon expérience, oui, c’est très personnel comme réflexion, mais le premier besoin d’une entreprise, c’est un data analyst. Vous allez avoir besoin d’un profil qui comprend vos besoins, qui sort beaucoup d’analyses et de bilans… tout le temps d’ailleurs ! C’est le profil pour lequel, vous êtes certain d’avoir toujours du travail pour lui, et qui vous apportera beaucoup (de la connaissance, des modélisations, une rigueur statistique pour mettre en place vos tests…). Le data analyst, c’est le premier profil que vous devez avoir. Il sera en mesure de lancer vos premiers projets, de créer vos premières dataviz, d’écrire vos premiers algorithmes… il n’est pas l’expert des chacun des domaines, mais à mon sens, c’est celui qui se rapproche le plus du mouton à 5 pattes (et qui communique le mieux avec le métier).

Et les projets de plus grosse envergure ?

Alors évidement, notre data analyst ne pourra pas mener tous nos projets de front, et certains, seront peut-être trop « complexes » pour lui… c’est vrai. 

Certaines modélisations demanderont des datascientists plus experts, qui maitrisent des langages plus poussés. 

Si vous avez une roadmap bien fournie et que vous pouvez recruter une ressource totalement dédiée à ça, alors foncez ! ça veut dire que votre entité data est déjà bien avancée. En revanche, ne prenez surtout pas un datascientist comme première ressource… Peu importe le projet data que vous mettrez en place, il demandera une supervision, un contrôle, des mises à jour… Vous aurez besoin de plonger dans le sujet, d’en sortir des analyses, voire… et là, c’est la goutte d’eau qui fait déborder le vase, d’en faire un bilan dans un powerpoint en respectant votre charte graphique et que n’importe quel quidam doit être en mesure de comprendre… enfin bref, vous l’aurez deviné, tout ce qu’il faut pour dégouter n’importe quel datascientist et donc, le faire fuir.

La meilleur solution (encore une fois, selon mon humble avis) c’est d’externaliser vos développements complexes. Au final, vous n’aurez pas tant de projets à sortir par an. Une agence partenaire pourra vous proposer plusieurs profils, voire une équipe complète sur vos projets (et donc, les sortir plus rapidement) et une fois le projet terminé, bye bye, on se retrouve bientôt. Si vous souhaitez en savoir plus sur l’agence partenaire (j’en connais une très bien 😉), c’est par ICI.
 
Vous l’aurez compris, si vous n’avez pas « le budget » pour avoir une équipe data complète, je vous conseille de prioriser le recrutement d’un data analyst et de prévoir un budget supplémentaire pour externaliser vos projets d’entreprise (qui travaillera en étroite collaboration avec votre data analyst pour que vous gardiez la main sur tous vos projets).
 
 
Article rédigé par Nicolas Naccarato, Directeur de compte chez Know Your People