Logique floue : le défi de constituer des équipes de science des données

Littératie des données et apprentissage interne

Bien sûr, c’est plus facile à dire qu’à faire. Selon une étude menée par la société d’analyse automatisée Alteryx, seulement 17% des travailleurs des données britanniques déclarent recevoir « le bon type » de formation sur les données au travail. Fait intéressant, 33 % des scientifiques des données consacrent encore en moyenne au moins neuf heures par semaine au nettoyage, au mélange et à la mise en forme des données de base, tandis que 64 % des employés affirment que la formation sur les données devrait être étendue à tous les travailleurs des données.

« Le principal défi auquel les entreprises sont confrontées aujourd’hui est double », déclare Richard Timperlake, vice-président directeur, EMEA, chez Alteryx. « Non seulement les entreprises au Royaume-Uni sont confrontées à une pénurie générale de scientifiques des données, mais elles voient également le travail de leurs équipes existantes sapé par le travail quotidien sur les données qui ne devrait pas être de leur responsabilité. Ce n’est tout simplement pas une utilisation efficace du temps pour un maître mécanicien d’effectuer une vidange d’huile. »

Le point de vue de Timperlake est que beaucoup d’entreprises se trompent sur la formation interne et la gestion des ressources existantes en matière de compétences en données. La demande de travailleurs ayant des compétences spécialisées en données au Royaume-Uni a plus que triplé en cinq ans, selon la Royal Society, mais les entreprises ne peuvent pas compter exclusivement sur de petites équipes de spécialistes des données pour faire tout le travail. Au lieu de cela, ils doivent stimuler les compétences et la formation de chaque employé dans l’ensemble de l’entreprise, afin que davantage de personnes puissent utiliser les données pour générer de la valeur commerciale.

« Sans surprise, les scientifiques des données que nous avons interrogés soutiennent fortement le renforcement des compétences d’autres membres du personnel pour qu’ils prennent une partie de la pression », explique Timperlake. « Alors que beaucoup disent que la formation n’est actuellement disponible que pour les scientifiques des données, 64% des scientifiques des données interrogés disent que la formation devrait être étendue à tous les travailleurs des données. »

Ce point précédent sur « le bon type de formation » est crucial, bien sûr. Il n’y a pas de cours unique ici. Chaque entreprise aura ses propres défis et exigences. David Collins, directeur général de la société de conseil en marchés financiers First Derivative, suggère que la littératie des données est relative, mais qu’il est également important pour les entreprises de s’engager dans l’éducation, afin que l’éducation comprenne ce dont les entreprises ont besoin.

« La littératie des données à elle seule ne fait pas d’un individu un bon scientifique des données dans le monde des affaires – il est également essentiel d’avoir une bonne connaissance des secteurs clients », explique Collins. « C’est la conviction qui anime nos partenariats avec l’Ulster University Business School et l’Université de Limerick. Nous sommes les co-créateurs d’un programme de maîtrise avec la Business School qui répond aux besoins en compétences financières et professionnelles associées de First Derivative.

Mais que se passe-t-il si cela n’est pas possible ou si les employeurs manquent de ressources et de capacités pour se former en interne? Selon James de Harvey Nash, ce n’est pas inhabituel. De nombreuses organisations manquent de temps ou de savoir-faire pour fournir les compétences dont les équipes de données ont besoin pour prospérer. Une partie du problème réside dans le paysage des données en constante évolution et les exigences imposées aux équipes de données pour justifier leur existence auprès de la direction. Dans la lutte en cours pour attirer et retenir les scientifiques des données, c’est la clé.

« Pour les scientifiques des données, nous avons constaté que l’apprentissage et le développement sont une priorité absolue lors du choix de la bonne entreprise pour laquelle travailler », explique James. « Cependant, un domaine souvent négligé est la nécessité de développer une compréhension de l’entreprise elle-même. Cela peut faire la différence entre un ‘bon’ ou un ‘grand’ data scientist. »

À cette fin, James dit qu’il a constaté une augmentation du développement personnel – de plus en plus de scientifiques des données s’enseignent de nouveaux outils pour rester à la pointe des dernières technologies, mais aussi des marchés et de la façon dont l’entreprise fonctionne et est compétitive sur ces marchés. Ceci, dit-il, est essentiel, non seulement pour l’efficacité d’une équipe de données, mais aussi pour la valeur d’un scientifique des données pour la fonction commerciale globale. Il apporte clarté et pertinence au travail, et avec lui, la satisfaction au travail.

Motivation et moral

Cela vient dans la motivation. Garder une équipe motivée est la clé de la rétention, mais aussi de l’attraction. Comme le dit James, c’est un marché de vendeurs.

« S’ils ne sentent pas qu’ils font partie du voyage et ne sont pas équitablement récompensés pour leurs efforts, ils partiront », dit-il. « Il est également bien connu que les projets de science des données peuvent être expérimentaux et souvent échouer ou ne pas entrer en production. Cela peut entraîner de la frustration et de l’agitation au sein d’une équipe, ce qui entraîne un roulement élevé du personnel.

Barry Carter, PDG de la société de technologie de centre de contact MaxContact, est d’accord, soulignant que la compréhension des priorités de leur entreprise et de la façon dont elles sont liées à leurs propres charges de travail est essentielle pour les scientifiques des données. Les équipes doivent être en mesure de voir l’impact commercial de ce qu’elles font afin de maintenir une motivation élevée.

« Il est essentiel de s’assurer que la portée du travail est comprise et que les processus sont documentés et automatisés dans la mesure du possible », explique M. Carter. « Pour les tâches répétitives, documentez votre approche et travaillez dans un cadre défini qui vous permet d’assurer rapidité et qualité. Les processus axés sur les personnes peuvent vraiment aider à lutter contre l’épuisement professionnel. La rotation des individus entre différents types de travail, par exemple les grands projets et la correction de bugs, leur permet une pause.

« Construire des périodes de réflexion pour des cycles de travail ou des sprints est inestimable pour donner aux gens la flexibilité nécessaire pour résoudre les problèmes de processus. Cela évite les problèmes répétitifs démoralisant l’équipe et nuisant à l’entreprise. Les équipes devraient également avoir le contrôle de leurs projets, avec la possibilité d’enquêter et de réaligner les attentes internes en fonction de leurs conclusions.

Il est également essentiel que les gestionnaires identifient les goulots d’étranglement dans les protocoles complexes et partagent leurs connaissances pour les éliminer. Résoudre les problèmes majeurs ensemble et documenter les correctifs contribue grandement à renforcer le moral et la confiance.

Accent mis sur les équipes

Cet accent mis sur les équipes est de plus en plus crucial. Comme le suggère Felipe Henao Brand, chef de produit senior chez Talend, la tendance à la centralisation des équipes de données a mis encore plus l’accent sur la compréhension de l’entreprise. Les équipes de données doivent connaître l’entreprise, communiquer et être pertinentes.

« Avec cette approche centralisée, le management des données, de leur cycle de vie et de leur valeur devient un projet collectif avec le directeur des données comme leader », explique Henao Brand. « D’un rôle influent et transversal avec peu de pouvoir, cette personne devient un décideur.

« Les Chief Data Officers s’entoureront de data scientists, d’ingénieurs data et de plus en plus d’analystes métiers, si nécessaire. Ces derniers joueront un rôle clé car ils sont le chaînon manquant entre la théorie des données et son application métier pratique, car l’analyste métier comprendra les attentes métier liées aux données. Ils fourniront la clé manquante pour déverrouiller la valeur des données. »

Garder ces équipes ensemble sera un défi constant, et avec peu de signes que la pénurie de scientifiques des données est en train d’être abordée, ce défi continuera pour les années à venir. Un bon salaire et le développement des compétences en interne contribueront grandement à attirer les talents, mais garder les équipes engagées et pertinentes est une toute autre affaire.