Comme mentionné à plusieurs reprises, la transformation digitale ne peut pas se faire sans la data et analytics. La technologie peut être un point d’échec si elle n’est pas gérée correctement, mais elle n’est souvent pas l’obstacle le plus important !
Selon le sondage annuel “Chief Data Officer”de Gartner, les principaux obstacles sont liés à des facteurs humains – la culture, la data literacy et les compétences requises. Une tendance similaire se dégage d’une autre étude, l’enquête de Gartner “CEO and Senior Business Executive Survey”, où la « gestion des talents » était citée comme la « première compétence organisationnelle à développer ou à améliorer ».
Dans cet article, nous aimerions nous concentrer sur les rôles et dirigeants data et analytics qui sont essentiels pour les entreprises souhaitant devenir data-driven.
Rôles de support
Chief Data Officer
Le Chief Data Officer, ou CDO, est chargé d’améliorer la qualité, la fiabilité et l’accès aux données. Il est également chargé de créer de la valeur à partir de son patrimoine de données et de son écosystème data de manière générale. En exploitant ses données, le CDO peut produire plus de valeur et donc, permettre à l’entreprise de prendre de meilleures décisions. Il existe de nombreuses variantes du titre telles que CAO (Chief Analytics Officer), CDAO (Chief Data & Analytics Officer), CDIO (Chief Digital Information Officer), etc.
Pour en savoir plus, consultez notre article « Qu’est-ce qu’un Chief Data Officer ?”
Data et analytics manager
Comme son nom l’indique, le data et analytics manager est chargé de gérer les données d’entreprise ainsi que leurs analyses. Il est également responsable de la mise en place dans toute l’organisation. Il contribue de manière essentielle à la stratégie et à la vision du département data, il établit la feuille de route et est responsable de la planification du budget et des ressources data. Outre la mesure des performances de leur équipe d’analyse, ils sont également chargés de suivre la contribution de l’analyse des données par rapport aux objectifs business.
Data Architect
Le Data Architect, également appelé Information Architect, rend les données disponible et les partage dans toute l’entreprise en présentant la manière dont ces actifs pilotent les résultats commerciaux. Il « possède » les modèles de données, comprend l’impact des différents scénarios d’analyse des données sur l’architecture informatique globale (comme la data science ou le machine learning) et travaille en collaboration avec le département business.
Analystes
Il n’y a pas un seul type d’analyste, mais plutôt un spectre d’analystes. Leurs rôles dépendent de leurs cas d’utilisation et varient en fonction des responsabilités et des compétences requises. Il y a les data analysts, qui ont une compréhension fondamentale de l’analyse statistique. Ils sont – ou travaillent en étroite collaboration avec – des experts pour soutenir les différents départements, processus ou fonctions de l’entreprise.
Chef de projet
Le chef de projet est responsable de la bonne mise en œuvre de tous les projets du portefeuille de l’entreprise. Il planifie, exécute et livre les projets en accord avec les professionnels de l’entreprise. Tout au long du cycle de vie du projet, le chef de projet suit l’état d’avancement du projet et gère ses équipes afin de limiter les risques. Il est le principal point de contact pour les initiatives data et analytics.
Rôles data
Data Engineer
Un data engineer implique une collaboration entre les unités business et informatiques et consiste à rendre les données accessibles et disponibles aux différents consommateurs de données (data scientists, data analysts, etc.). Il est principalement responsable de la construction, de la gestion et de l’opérationnalisation des data pipelines. Il est également chargé de diriger des tâches fastidieuses telle que la conservation de jeux de données créés par des utilisateurs non techniques (au moyen d’outils de data preparation par exemple).
Sans data engineers, les initiatives data et analytics sont plus coûteuses, prennent plus de temps à déployer et sont sujettes à des problèmes de qualité et de disponibilité des données.
Data Steward
Les data stewards sont là pour orchestrer les données des systèmes data de l’entreprise. Ils doivent assurer la bonne documentation des données et faciliter leur mise à disposition auprès de leurs utilisateurs, tels que les data scientists ou chefs de projets par exemple. Leurs compétences de communiquant leur permettent d’identifier les responsables et sachants des données, de récolter les informations associées pour les centraliser et pérenniser ces connaissances au sein de l’entreprise. Plus précisément, les data stewards renseignent des métadonnées ; un ensemble structuré d’informations décrivant un jeu de données. Ils transforment ces données abstraites en assets concrets pour le métier.
>> Pour plus d’informations sur les Data Stewards <<
Rôles analytiques
Data Scientist
Un data scientist est chargé de modéliser les processus business et de faire des constats à l’aide d’algorithmes statistiques et de techniques de visualisation. Il est généralement titulaire d’un diplôme d’études supérieures en informatique, en statistiques ou dans d’autres domaines connexes. Les data scientists contribuent à la construction et au développement de l’infrastructure data de l’entreprise et soutiennent l’organisation par leurs analyses pour une meilleure prise de décision. Ils prédisent ou classifient les informations afin de développer de meilleurs modèles.
Citizen Data Scientist
Contrairement aux data scientists, un “citizen data scientist” n’est pas un poste. Il s’agit d’un “power user” qui peut effectuer des tâches analytiques simples. Le citizen data scientist est un rôle qui a évolué comme une “extension” d’autres rôles au sein de l’organisation. Le potentiel des citizen data scientists varie en fonction de leurs compétences et de leur intérêt pour la data science et du machine learning.
>> Pour plus d’informations sur les citizen data scientists <<
Développeur d’IA / ML
Les développeurs de machine learning et d’intelligence artificielle sont de plus en plus responsables de l’enrichissement des applications par l’utilisation de machine learning ou d’autres technologies d’IA telles que le traitement du langage naturel, l’optimisation ou la reconnaissance d’images. Ils intègrent et déploient des modèles d’IA développés par des data scientists ou d’autres experts en IA, soit proposés par des fournisseurs de services, soit développés par eux-mêmes. Parmi les autres compétences clés, se trouvent l’identification et la connexion de data assets potentiels, la qualité, la préparation data et la manière dont les données sont utilisées pour l’exécution de modèles.
Conclusion
L’importance croissante et la signification stratégique des données et de l’analyse créent de nouveaux défis pour les organisations et leurs responsables data et analytics. Certains rôles informatiques traditionnels sont perturbés par des rôles de « citoyen » exercés par des utilisateurs business non techniques. D’autres nouveaux rôles hybrides apparaissent, qui recoupent les fonctions et les départements et combinent les compétences informatiques et business.
En réunissant ces rôles incontournables, votre entreprise fait un pas de plus vers une organisation data-driven.
