Les Métiers de la Data, pièce maîtresse d’une organisation CRM moderne

L’essor des métiers de la data s’explique par une raison simple : l’inflation du volume de données généré grâce aux canaux digitaux.  En 2016, le volume annuel de données généré au niveau mondial était de 16,1 Zo. Il représentera 162 Zo en 2025. Un zettaoctet (Zo) représente un peu plus d’1 milliard de terraoctets (To). Le volume augmente de plus de 30% par an (Source : IDC). Les entreprises n’ont jamais eu autant de données dans leurs bases.

C’est pour exploiter ce gisement de données que les organisations font de plus en plus appel aux professionnels de la data. Dans notre métier, la Gestion de la Relation Clients à distance, les données jouent un rôle clé. Leur organisation, leur unification, leur utilisation, bref leur valorisation constituent un des principaux leviers d’augmentation de la Performance Client. En B2B comme en B2C, la donnée est un levier pour améliorer la performance et l’efficacité des équipes marketing, des équipes commerciales et du Service Client. La donnée est devenue le principal carburant, l’actif le plus précieux.

Pour devenir data-driven, deux conditions sont nécessaires : disposer d’un grand volume de données et des moyens de les valoriser. La première condition est souvent remplie. La plupart des entreprises avec lesquelles nous travaillons stockent de gros volumes de données sur leurs prospects, leurs clients, leurs utilisateurs. Elles sont assises sur une mine d’or ! Bien sûr, il y a toujours de nouvelles données à aller collecter et extraire pour enrichir le patrimoine de données, mais l’essentiel est souvent déjà dans l’entreprise. La deuxième condition, en revanche, n’est remplie bien souvent que partiellement. Et c’est là que le bât blesse. Dans notre métier de consultants en CRM et Données Clients, nous sommes confrontés tous les jours à des organisations qui ne savent pas utiliser leurs données à plein régime. Elles n’en exploitent qu’une toute petite partie – faute de moyens, faute de compétences, faute d’outils, faute de ligne directrice. Nous intervenons pour y remédier !

Cependant, nous voyons une vraie prise de conscience de la part des organisations. Nos clients veulent mieux exploiter leurs données car ils sont conscients des bénéfices d’une telle démarche. C’est parce qu’il existe une réelle demande de la part des organisations que se développent à toute vitesse les métiers de la data. Les entreprises constituent des équipes data réunissant des profils de Data Engineers, de Data Scientists ou encore de Data Analysts.

L’essor des métiers de la data a donc deux explications :

• L’inflation des volumes de données gérés par les entreprises.
• La prise de conscience des entreprises, qui voient désormais les données comme l’actif le plus précieux à valoriser.

Bien entendu, les compétences requises varient en fonction des métiers de la data. Un Data Engineer n’a pas tout à fait les mêmes compétences qu’un Data Scientist par exemple. Malgré tout, ces métiers ont pour particularité de nécessiter deux grandes familles de compétences :

• Les compétences techniques, nécessaires pour manier les données et les outils de la stack data. Nous avons produit une série de pages consacrée aux métiers de la data. Vous y trouverez tout ce qu’il faut savoir sur les compétences techniques que doivent posséder le Data Engineer, le Data Scientist et le Data Analyst.
• Les compétences humaines, nécessaires pour faire la connexion entre les métiers de la data et les métiers business. Dans une organisation, la donnée est au service des enjeux business et est utilisée in fine par les équipes métier. Les professionnels de la data doivent réussir à parler aux équipes métier.

On insiste souvent sur les compétences techniques. Nous les décrivons dans les pages métiers dont vous trouverez le lien ci-dessous. Mais les compétences non-techniques jouent un rôle aussi important, parce que les métiers de la data n’évoluent pas dans une tour d’ivoire, ils sont au service des enjeux et objectifs de l’entreprise. C’est pour cette raison que certains en viennent à faire de l’empathie l’une des principales qualités d’un Data Scientist. A priori, ce n’est pas la qualité à laquelle on penserait de prime abord. Mais c’est loin d’être absurde ! Chez CustUp, nous sommes convaincus de l’importance de ce que l’on appelle les soft skills.

Les métiers de la data doivent savoir communiquer, mais aussi avoir une bonne compréhension des enjeux business. C’est encore plus vrai pour les métiers de la data qui interviennent en aval de la chaîne de traitement des données. Le Data Analyst et le Data Scientist doivent avoir une très bonne compréhension du secteur d’activité auquel est rattaché l’entreprise dans laquelle ils travaillent. Ce sont des métiers à l’intersection de la technique et du business. Si les équipes métier doivent être data-driven, les professionnels de la data doivent de leur côté être business-driven.

Le Data Engineer est le premier maillon de la chaîne de traitement des données. Il poursuit essentiellement trois missions :

• Mettre en place les pipelines de données afin de connecter les différents systèmes composant le système d’information de l’entreprise. Il organise les flux de données entre les sources de données, les bases, les outils d’activation en fonction des besoins métiers.
• Nettoyer les données afin que les équipes métier utilisent des données propres, à jour, normées, dédupliquées, dédoublonnées. Il est la garant de la qualité des données.
• Veiller à la sécurité des données et de l’alimentation en données. Une bonne partie du temps de travail d’un Data Engineer est consacrée à la maintenance du système d’information (bases et flux).

Le Data Engineer est un technicien, un ingénieur. Il conçoit, met en place, teste, maintient et sécurise l’infrastructure de données. Il optimise la collecte, l’organisation et le stockage des données. Des métiers de la data, le Data Engineer est celui qui a le profil le plus technique.

Pour en savoir plus sur le métier de Data Engineer, en particulier le métier de Data Engineer CRM, nous vous invitons à découvrir l’article que nous lui avons consacré.

Le Data Engineer prépare le terrain aux Data Scientists et Data Analysts.

Le Data Analyst est celui qui transforme la donnée en informations exploitables par les équipes métier. Il analyse de gros volumes de données pour dégager des enseignements utiles pour améliorer le business et aider à la prise de décision.

Il n’a pas pour rôle de connecter les sources de données à la base de données maître. Ça, c’est la mission du Data Engineer. Il intervient en aval et travaille directement sur les données structurées du Data Warehouse. Il analyse les données contenues dans la base à l’aide d’outils de Business Intelligence et de Data Visualization. Il est le maître des reportings. Il transforme le magma informe des données en visualisations graphiques, en rapports, en KPIs.

Le Data Analyst doit avoir une très bonne compréhension de l’activité et des enjeux business de l’entreprise pour tirer des enseignements utiles à partir des sets de données qu’il analyse. Il a un pied dans la data et un autre dans le business. Il est par exemple celui qui va accompagner l’équipe marketing dans la définition des personas et des segments clients. Il travaille, analyse avec en ligne de mire les besoins et les objectifs de l’entreprise et des équipes métier. Il a un rôle de vulgarisateur auprès des équipes métier. Il diffuse la culture data-driven dans les métiers. Il maîtrise les mots autant que les chiffres.

Dans nos métiers du CRM et de la Gestion de la Relation Clients à distance, nous constatons à élargissement progressif du spectre de compétences et de fonctions du Data Analyst. On lui demande de plus en plus d’intervenir directement auprès des équipes métier. De plus en plus d’organisations recherchent des Data Analysts CRM en mesure d’accompagner les équipes marketing dans la conception de leurs dispositifs et opérations :

• La construction du Plan Relationnel, des scénarios et des campagnes. Le Data Analyst apporte son expertise pour concevoir les mécaniques relationnelles les plus efficaces.
• La construction du dispositif de Pilotage de la Performance CRM.
• La conception de modèles d’attribution pour mesurer la performance omnicanale et identifier les canaux marketing les plus efficaces.

Pour aller plus loin et découvrir (notamment) les compétences nécessaires pour exercer ce métier, nous vous invitons à découvrir notre guide complet sur le Data Analyst CRM.

La mission fondamentale du Data Scientist est la même que celle du Data Analyst : transformer les données en informations utiles, mettre de l’intelligence dans les données pour aider les équipes métiers dans leurs prises de décision.

Mais le Data Scientist ne se contente pas d’analyser des sets de données structurées. Il explore le magma des données non-structurées et semi-structurées. Son terrain de jeu est le Data Lake, c’est-à-dire la base de données qui stocke toutes les données de l’entreprise, pas uniquement les données structurées du Data Warehouse. Il construit des algorithmes, des systèmes prédictifs et de machine learning. En définitive, le Data Scientist ne se contente pas d’analyser, il construit des modèles d’analyse pour prédire les comportements futurs. C’est un modélisateur. Contrairement au Data Analyst, le Data Scientist ne s’intéresse pas qu’au présent et au passé. Il construit des systèmes permettant de prédire le futur. Pour vous donner un exemple concret : ce sont des Data Scientists qui ont mis en place le système de recommandations de Netflix, pas des Data Analysts.

Les profils de Data Scientist sont recherchés par les entreprises les plus matures sur les sujets data. Ce sont les profils de Data Scientists qui permettent de mettre en place les cas d’usage data les plus avancés.

Si vous voulez aller plus loin, découvrez notre page dédiée au métier de Data Scientist CRM.

Dans le monde réel, dans la vie concrète des entreprises, dans les organisations avec lesquelles nous travaillons, les métiers de la data ne sont pas toujours aussi nettement distingués. Entendons-nous bien, il existe bel et bien trois fonctions : Data Engineer, Data Analyst, Data Scientist. Ce sont les trois piliers. Les missions attachées à ces trois fonctions sont clairement dessinées comme nous avons pu le voir dans la rapide présentation donnée plus haut. On pourrait ajouter celui de Chief Data Officer, qui a un rôle d’orchestrateur et de manager. Nous aurons surement l’occasion de reparler de cette quatrième fonction.

Une personne qui construit un pipeline de données agit comme Data Engineer. Une personne qui construit des reportings à partir de l’analyse des données du Data Warehouse est bien un Data Analyst. Une personne qui construit des algorithmes de recommandations est bien un Data Scientist. Les choses sont claires et nettes.

Mais dans la réalité, un même professionnel peut être amené à gérer à la fois les pipelines de données, l’analyse des données et la conception de modèles prédictifs. Ces trois fonctions, ces trois missions sont parfois gérées par une même personne et un même poste.

Il y a deux raisons à cela.

La première raison, c’est que toutes les organisations n’ont pas les moyens de constituer de grosses équipes data composées de Data Engineers, de Data Analysts et de Data Scientists aux rôles bien distincts. Une organisation de petite taille et/ou la data joue un rôle moindre peut très bien recruter un seul professionnel de la data « bon à tout faire », sans aucune connotation péjorative. Au contraire, ces profils polyvalents sont ceux qui apportent le plus de valeur à l’entreprise. Une option d’organisation intéressante consiste d’ailleurs consiste à recruter une petite équipe data et à aller chercher les compétences manquantes à l’extérieur, en faisant appel à des partenaires experts en données.

La deuxième raison, c’est que le rapprochement des métiers de la data est une tendance que l’on observe de plus en plus. Prenons le cas du Data Engineer. Avec l’essor des infrastructures cloud et des outils de gestion des données de la nouvelle génération, la construction des pipelines de données, la gestion de la qualité des données, leur nettoyage vont devenir des tâches de plus en plus simples, de plus en plus automatisées. Beaucoup des fonctions actuelles du Data Engineer ont vocation à être prises en charge par des outils – tôt ou tard. Pour cette raison, les Data Engineers seront de plus en plus amenés à développer des compétences en aval de la chaîne de traitement des données.

Les données jouent maintenant un rôle de premier plan. On ne peut pas envisager d’augmenter la Performance Client sans déclencher une réflexion sur les données, la manière de mieux les collecter, de mieux les unifier, de mieux les mettre à disposition des équipes métier, directement dans leurs outils. L’enjeu, pour les entreprises, est de trouver la bonne organisation des données : Quels outils utiliser ? Quelle solution pour créer un Référentiel Client Unique ? Quels cas d’usage de la donnée activer en priorité en fonction des objectifs business ? Mais aussi…quels métiers de la data, quelles compétences mobiliser pour mettre en œuvre la valorisation des données de l’entreprise ? En tant que cabinet de conseil en Relation Clients disposant d’une forte culture en Données Clients et MarTech, notre rôle est de vous aider à trouver les meilleures solutions !