Data Analyst : comment gagner la confiance des équipes métier ?

L’analyse de données est désormais au cœur de la stratégie de toute entreprise. Essentielle au développement de l’activité, elle offre aux professionnels de la data une place de choix dans l’organisation.

Au quotidien, le data analyst travaille avec les différents départements de l’entreprise (technique, marketing, commercial, direction…). Une erreur informatique qui bloque le personnel ? Des prévisions de traffic sur un site e-commerce ? Sa mission s’établit conjointement avec, au minimum, un autre service. Afin que cette relation technique/métier soit un succès, le data analyst doit établir une relation de confiance avec son client interne.

Voici cinq étapes pour gagner la confiance des équipes métier dans votre entreprise :

Traiter les utilisateurs métier comme des clients

De quelle manière votre entreprise gagne-t-elle la confiance de ses clients ? Quel type d’engagement de fiabilité et de réactivité prend-elle ? Ceci est le modèle à utiliser pour aborder vos clients internes.

Voici quelques étapes simples à mettre en place :

• Interviewez vos clients internes pour comprendre leurs besoins et obtenir un retour sur les rapports que vous préparez.
• Développez des vues adaptées aux profils pour vos rapports. Un directeur général n’a pas besoin du même niveau de détail qu’un responsable marketing qui vient de lancer une campagne.
• Répondez à leurs questions de support très rapidement. Envisagez d’utiliser un système de ticketing.

Déroulez le tapis rouge à vos clients internes, et ils auront confiance en votre engagement envers leurs besoins.

Aligner les objectifs Data avec la stratégie d’entreprise  

Prenez le temps de comprendre les objectifs stratégiques de votre entreprise et des départements auxquels vous êtes étroitement liés. Cette perspective vous aidera à créer des rapports pertinents et à détecter les incohérences potentielles dans les données.

N’hésitez pas cependant, à challenger et à proposer de nouvelles approches. Le client peut s’inspirer de cette approche pour ajuster la stratégie ou encore exprimer un besoin plus clairement.

Rappelez-vous : less is better (moins on a, mieux c’est)

En tant que Data Analyst, vous êtes probablement passionné par l’immense richesse des informations disponibles.

Malheureusement, l’utilisateur des équipes métier, en général, n’a besoin que de la moitié – voire moins – des données que vous lui présentez, et il n’a ni le temps ni le contexte pour identifier les éléments pertinents. Gardez votre tableau de bord propre et simple, en vous concentrant sur les principales mesures de haut niveau.

Dans la section d’avant, nous parlions de l’importance d’avoir des retours sur les rapports que vous produisez, c’est donc d’un rapport contenant les mesures les plus générales qu’il faudrait démarrer. Et ensuite, itérer en collaboration avec les équipes métier concernées pour descendre au niveau de détail souhaité. Il est même possible d’adapter le niveau de détail au profil, comme expliqué plus haut.

Publier les rapports seulement lorsqu’ils sont complètement vérifiés

Vous avez finalisé un tout nouveau rapport, passionnant, et vous êtes impatient de voir comment il sera reçu par votre client interne. Puis vous le diffusez et c’est la catastrophe : le client trouve un défaut que vous n’aviez pas remarqué et toute la confiance laborieusement développée au cours des derniers mois part en fumée. Vous devez dépublier le rapport jusqu’à ce qu’il soit corrigé.

Les utilisateurs métier ont un contexte très différent du vôtre. Ils sont en mesure de vérifier vos données à l’aide de facteurs qui ne relèvent pas de votre compétence. Par exemple, vous pouvez signaler qu’aucune vente n’a été réalisée au cours d’une semaine donnée, alors qu’ils savent pertinemment qu’ils ont personnellement conclu deux affaires le mardi.

Vous ne pouvez pas espérer trouver tous les problèmes vous-même, même si vous vérifiez trois fois vos données et votre logique. Comme pour tout logiciel, vous devez mettre ces rapports entre les mains de quelques personnes qui peuvent vous aider à les déboguer. Diffusez le rapport en version bêta (identifiez-le et précisez-le) à quelques utilisateurs en qui vous avez confiance et que vous respectez, et demandez-leur de le tester. En passant par cette étape, vous réduisez au maximum la marge d’erreur de vos rapports et vous vous assurez de leur précision, utilité et cohérence.

Veiller à garder une cohérence d’un tableau de bord à l’autre

Supposons que vous ayez deux tableaux de bord pour deux produits différents, et que vous utilisiez les mêmes indicateurs de performance clés pour mesurer les performances de ces produits. Vous devez vous assurer que les deux tableaux de bord ont la même structure et utilisent les mêmes indicateurs.

Chaque fois que les utilisateurs voient un rapport avec une structure différente, ils doivent investir de l’effort intellectuel pour ajuster leur interprétation. Ce type de changement de contexte a un coût pour la confiance. Par exemple, si un rapport compare les chiffres réels au budget en utilisant le “% du budget” (par exemple, “107% du budget”), assurez-vous que l’autre rapport n’utilise pas une “évolution du budget” (par exemple, “+7%”). Assurez la cohérence et l’utilisateur métier assimilera le rapport beaucoup plus rapidement.

Pensez aux voitures. Lorsque vous montez dans une nouvelle voiture, il y a des choses que vous connaissez instinctivement : l’emplacement des pédales de frein et d’accélérateur, le fonctionnement du volant, et même la façon d’activer les clignotants. Cependant, le régulateur de vitesse et le système audio sont généralement différents de ceux des autres modèles de voitures, et il faut donc du temps pour les comprendre et vous risquez donc de ne pas les utiliser si vous êtes pressé.

Pensez maintenant à vos rapports : Combien de régulateurs de vitesse différents contiennent-ils ? Vos clients sont-ils susceptibles de les ignorer parce qu’ils prennent trop de temps à comprendre ? En posant ces questions à vous-même, vous économisez aux utilisateurs de vos tableaux de bord de se poser des questions aussi.

Indiquer la fréquence de mise à jour des données

S’ils sont censés faire confiance à vos données, les utilisateurs de vos rapports ne devraient pas avoir à se demander si elles sont à jour.

Précisez la date de la dernière mise à jour des données, la fréquence des mises à jour et l’existence éventuelle d’un décalage dans les rapports. Par exemple, vous pouvez établir un rapport hebdomadaire sur une mesure donnée, mais vous pouvez recevoir les données avec un décalage de deux semaines. Au début de la semaine 10, vous mettez à jour le rapport avec les données de la fin de la semaine 7. C’est très bien, mais assurez-vous que vos utilisateurs comprennent ce décalage. Sinon, ils supposent que votre rapport est tout simplement obsolète et qu’il n’est donc pas digne de confiance.

En conclusion, tout bon Data Analyst est de nature enthousiaste par la richesse des données qu’il analyse. Et c’est une bonne chose !

Mais n’oubliez pas : vos données ne sont utiles que dans la mesure où les utilisateurs leur font confiance et agissent en fonction d’elles pour atteindre les objectifs de l’organisation. Au final, c’est aussi un des rôles d’un Data Analyst de comprendre les priorités des utilisateurs et de leur fournir des données d’une manière qu’ils puissent leur faire confiance, les comprendre, les assimiler et finalement agir.