Le combat de la data literacy en entreprise : quand les compétences ne suffisent plus

Cette capacité est ce que l'on appelle la data literacy (ou data alphabétisation ) : à quel point chaque individu d’une organisation est capable de consulter et de comprendre des données, puis de les transformer en action. Et on est loin du compte : 70% des organisations n’arrivent pas à traduire la donnée en actions opérationnelles concrètes !

La data n’est pas le pétrole du 21ème siècle...

L’équation “data = nouveau pétrole” est devenu un lieu commun dès qu’on évoque l’utilisation des données en entreprise. Sauf que, justement, le concept de data literacy sous-tend que tout le monde ne voit pas la valeur des données.

Le pétrole possède la même valeur partout dans le monde, c’est aussi une ressource limitée. Un baril a la même valeur partout dans le monde : c’est une unité de mesure commune sur le marché mondial, et dont le prix, bien que fluctuant, est le même pour tous à l’instant T.

A l’inverse, la data est une ressource quasi-illimitée. C’est également une ressource qui a une valeur radicalement différente selon le destinataire. Par exemple, les données de vente d’un produit de grande consommation type dentifrice auront un intérêt énorme pour le secteur de production du dentifrice… mais probablement beaucoup moins pour Zara. Autre différence notable, la donnée ne perd pas toujours de sa valeur si elle est partagée. Consommer une donnée ne signifie pas la faire disparaître, contrairement à un baril de pétrole !

L’utilisation du pétrole a marqué l’entrée dans une nouvelle ère, celle de la 2eme révolution industrielle. Voilà le point commun entre pétrole et data : ils signent l’avènement d’une révolution.

Mais la data-literacy, oui, d'après Harvard

Aujourd’hui, c’est moins la data elle-même qui est recherchée que la capacité de l’exploiter.

Il existe des compétences directement liées à la connaissance pure de la data, avec une approche théorique et mathématique : on parle de connaissances statistiques, de compréhension du langage des bases de données, de machine learning...

Mais d’après cet article de la Harvard Business Review de 2020, les ressources qui manquent ne sont pas les compétences techniques, mais bien la capacité à résoudre un problème en se basant sur les données. Bref, on ne manque pas vraiment de data scientist, mais plutôt de data-literate.

Pourquoi ? Parce que l’expertise technologique est aujourd’hui en grande partie intégrée aux plateformes data ! Les grandes entreprises américaines interrogées mentionnent spécifiquement manquer des capacités suivantes :

• Poser les bonnes questions ;
• Comprendre quelles données sont pertinentes et comment tester la validité de celles disponibles ;
• Interpréter correctement les données, afin que les données prennent un sens utile ;
• Mener des A/B test sur différentes hypothèses grâce aux données ;
• Créer des dataviz faciles à comprendre pour les décisionnaires ;
• Raconter des histoires pour aider les décisionnaires à saisir rapidement les enjeux globaux et à agir à partir des résultats d'analyse.
   

Priorité absolue : poser les bonnes questions

Autrement dit, la capacité qui manque le plus aujourd’hui est celle de poser les bonnes questions.

Poser les bonnes questions signifie avoir une vision d’ensemble, une vision qui permet d’avoir une compréhension globale. Par exemple, les data scientist sont capables de faire des liens entre les données, de discerner des modèles. Mais seule une équipe métier va pouvoir valider les liens réellement pertinents dans leur contexte de travail, c'est-à-dire valider des résultats qui répondent à leurs questions et leurs préoccupations stratégiques.

La capacité de formuler les bonnes questions, c’est pouvoir donner une orientation stratégique aux équipes data. C’est mettre des mots sur les problèmes à résoudre, la data étant “seulement” un matériau de travail… et non l’objectif en lui-même ! L’esprit humain est basé sur le langage et la capacité à résoudre un problème est intimement lié à la formulation de ce problème : il faut pouvoir poser des questions avant d'être submergé par des teradata de données… qui n’y répondent pas.

4 conseils concrets pour améliorer la data literacy des équipes en entreprise

Voici quelques conseils extraits d’une masterclass donnée par Matthieu Chabeaud à l’occasion du Hubday Data & IA 2021.  Après de nombreuses années d’expériences dans la data, il a décidé de créer le conseiller data virtuel askR.ai pour aider les collaborateurs à transformer les données en actions. Ce data advisor est capable de suggérer à l’utilisateur des questions pertinentes sur ses données, mais aussi de l’alerter sur des faits inhabituels qui requièrent son attention.

>>> Accéder au replay de la masterclass  

Il propose 3 pistes essentielles pour faire des données un levier pour les collaborateurs de l’entreprise, et leur permettre de prendre des décisions plus tôt grâce aux données.

• Empowerment : Il faut donner de l’autonomie.
• Confiance : Le temps réel et la mise en place de détection des anomalies rassurent.
• Accessibilité : Rendre la donnée accessible 24/24 7/7 via leurs outils de communication habituels la rend familière.