fr / en
Discussion avec Antoine Lhermitte

Comment cadrer sa stratégie data

"J'aide mes clients à définir et implémenter leur stratégie data."

/ 01
Pouvez-vous nous présenter votre parcours 

J’ai commencé ma carrière chez Criteo en 2011 en tant que data analyst dans le département Mid-Market juste après sa création. A ce moment-là, Criteo avait environ 350 employés. Mon rôle était double : fournir des analyses sur les performances des campagnes des clients aux accounts managers et aider le chef du département à piloter son business en lui proposant des insights et des dashboards de pilotage. Par la suite Mid-Market est devenu le vecteur principal de la croissance commerciale de Criteo, et j’ai eu l’opportunité de construire la fonction data science et analytics au sein du département. En 5 ans l’équipe data est passée de 1 personne à Londres à 45 personnes dans le monde avec tout ce que cela peut amener comme problématiques de scale à résoudre : organisation, process, mode opératoire, interfaçages avec les autres équipes etc.

Après presque 7 ans passés chez Criteo j’ai quitté l’entreprise en juin 2018 et j’ai utilisé les quelques mois qui ont suivi pour voyager et réfléchir à la suite de ma carrière. En décembre 2018 j’ai décidé de me lancer dans le conseil spécialisé dans la data, en indépendant, et j’ai créé DataSmile Consulting. Depuis j’aide mes clients – typiquement des start-ups/scale-ups tech – à définir et implémenter leur stratégie data.

/ 02
Que conseillerez-vous à une entreprise qui souhaite lancer un département Data ?

Les premières questions à se poser et auxquelles il faut être capable de répondre sont : combien de personnes dois-je recruter ? quels types de profils recruter, pour quels rôles ? quel niveau de séniorité ? quels outils utiliser ? Le plus souvent, des personnes étrangères au monde de la data auront des difficultés à apporter des réponses à ces questions, c’est pourquoi je recommande aux décideurs de s’entourer des spécialistes avec une expérience prouvée dans ce domaine, qui sauront faire les bons choix dès la création du département. Opter pour des profils assez seniors avec des compétences data « fullstack » permet de bien s’orienter au démarrage de l’équipe et de bien se préparer à sa croissance future.

La pyramide des besoins, illustration de Monica Rogati

/ 03
Comment prioriser ses sujets ?

Lors de la création de la roadmap il est essentiel de trouver un bon équilibre entre les projets long terme à forte valeur ajoutée et les projets à moindre valeur ajoutée mais à impact immédiat qui permettent de justifier rapidement l’investissement dans la data.

Deuxième point, il est important de ne pas déprioriser l’infrastructure data à la faveur de la production d’outputs pour le business pendant trop longtemps au risque d’accumuler une dette technique trop importante qu’il sera de plus en plus difficile de rembourser plus tard : la hiérarchie des besoins en data science (inspirée par la pyramide de Maslow) rappelle qu’il ne faut pas négliger les couches de base (la collecte, le stockage et l’organisation de la donnée) si on veut ensuite pouvoir suivre, interpréter et prédire le business efficacement.

/ 04
Une équipe data dédiée est-elle nécessaire pour exploiter les données d’une entreprise ?

Oui. La discussion sur les avantages et inconvénients des modèles d’organisation décentralisés (pas de département data, les data analysts et data scientists complètement intégrés aux autres départements), centralisés (une équipe data qui centralise l’ensemble des demandes et projets) et hybrides est nourrie et on trouve beaucoup d’articles qui traitent du sujet. Il est préférable d’avoir une équipe dédiée pour se donner l’opportunité d’éliminer le biais dans les processus de prise de décision, à tous les niveaux et dans tous les départements de l’entreprise. Opérer avec un modèle purement décentralisé pose des problèmes de gouvernance, de qualité des données et donc des insights et recommandations fournies, de duplication des efforts, et d’absence d’unification des métriques à travers l’entreprise.

/ 05
Quelles sont les principales raisons d’échec d’une stratégie data ?

La principale raison d’échec d’une stratégie data est liée à un mauvais positionnement de l’équipe data au sein de l’entreprise. Ce mauvais positionnement peut être de 2 types :

  • La fonction data est reléguée au rang de pure fonction support, qui intervient en bout de chaîne. Elle n’est alors pas en mesure de requalifier le besoin exprimé par les équipes métiers, et ne dispose pas de suffisamment de contexte pour proposer les solutions les plus pertinentes face à une problématique donnée. La valeur créée n’est pas optimisée et ce type de situation génère de la frustration des deux côtés.
  • La fonction data opère loin des réalités business, de manière cloisonnée. Cela provoque une absence d’alignement entre les priorités de l’entreprise et l’effort fourni par l’équipe data. Les solutions proposées ne répondent pas aux besoins des équipes métiers. Encore une fois, on n’optimise pas la valeur créée et on introduit de la frustration.

C’est pourquoi je recommande de faire intervenir l’équipe data au plus tôt dans la collecte des besoins et les processus de prise de décisions des équipes métiers, et de la faire travailler au plus près de celles-ci.

/ 06
Qui doit mettre en place la stratégie data ?

Le CDO ou Head of Data avec validation par les responsables des différentes lignes business et le CEO. L’idée étant à la fois de donner les rênes à quelqu’un qui est expert dans le domaine et d’essayer d’aligner au maximum l’organisation et la roadmap data avec la stratégie de l’entreprise. Le leader de la fonction data aura l’ambition de créer une vraie discipline data et de diffuser un état d’esprit « data-driven » au sein de l’entreprise. Il doit être responsable de développer la vision long terme pour la fonction et disposer d’une vue d’ensemble sur le business.

Avoir le regard de la data est essentiel pour prendre les bonnes décisions.

Antoine Lhermitte

Fondateur de DataSmile Consulting

/ 07
En quoi la data est-elle un sujet qui concerne toute l’entreprise, et toutes les fonctions ?

Toutes les fonctions et tous les niveaux de l’entreprise sont concernés par la data. Avoir le regard de la data est essentiel pour prendre les bonnes décisions, piloter efficacement son équipe, bien choisir ses actions. En définissant et en suivant les bonnes métriques, en éliminant le biais dans le processus de prise de décisions, en équipant les collaborateurs avec les bons outils, en analysant les processus opérationnels en place, en mesurant l’impact des initiatives et en automatisant des tâches manuelles répétitives et à faible valeur ajoutée, la fonction data touche l’ensemble de l’organisation au quotidien.

/ 08
Comment évangéliser la data en interne ?

Evangéliser la data en interne est crucial car les autres départements ont souvent une mauvaise compréhension de la nature des métiers de data analyst, scientist, engineer, et ne savent pas comment ils peuvent les aider au quotidien. Cela vient sans doute du côté technique de la fonction conduisant certaines solutions à être perçues comme une boîte noire dont le fonctionnement est difficilement intelligible. Pour contrer ce phénomène et afin de s’assurer que les résultats d’analyse et les produits data créés sont compris, adoptés et utilisés par les personnes concernées dans l’entreprise un effort de communication sur les initiatives produites et parfois de vulgarisation est nécessaire. Différents canaux d’évangélisation peuvent être utilisés : posts de blog, emails, présentations en interne, knowledge repository (base de connaissance interne qui regroupe les méthodes et résultats d’analyses), canal Slack dédié etc.

Focus sur

Data Smile Consulting

La data peut être un accélérateur de croissance pour les entreprises. DataSmile Consulting est une structure créée en Décembre 2018 au sein de laquelle j’exerce mon activité de conseil pour accompagner des entreprises à forte croissance (typiquement entre 50 et 500 salariés) dans la définition, la mise en place et l’exécution de leur stratégie data. Mon approche s’articule autour de 3 leviers principaux : processus, plateformes, et people. En fonction des besoins de mes clients et de leur niveau de maturité je peux actionner un ou plusieurs de ces leviers. Pour davantage d’informations sur DataSmile Consulting je vous invite à vous connecter avec moi sur LinkedIn.

Merci de redimensionner votre écran pour accéder au site