Compétences et données : développer les compétences de la main-d’œuvre d’aujourd’hui pour relever les défis de demain

Aujourd’hui plus que jamais, les chefs d’entreprise sont soumis à une forte pression : non seulement ils doivent faire plus avec moins, mais également prendre des décisions en temps réel dans un contexte d’incertitude. Les informations fondées sur les données sont essentielles pour prendre de meilleures décisions, plus rapidement. Cependant, le paysage des données est devenu plus complexe, et il n’y a tout simplement pas assez de data scientists formés pour tout le monde.

Alors, comment les chefs d’entreprise peuvent-ils surmonter la pénurie de compétences en Data Science qui empêche les décideurs d’obtenir des informations en temps réel, précises et fondées sur des données ?  

Les compétences en matière de données les plus précieuses pour un employé… ne sont pas du tout des compétences en matière de données

Alors que les entreprises aux quatre coins du monde s’efforcent de devenir plus matures sur le plan analytique, la plupart d’entre elles sous-utilisent une ressource clé : les travailleurs du savoir. Leur compétence la plus précieuse ? Une compréhension unique du contexte commercial plus large derrière les problèmes à résoudre. Bien qu’elle ne soit pas immédiatement classée dans la catégorie des compétences en Data Science, leur expertise pertinente est la clé qui permet de dégager des informations significatives.  

J’ai vu des exemples incroyables d’entreprises qui ont réussi à démocratiser le pouvoir de l’analyse au-delà des quelques data scientists disponibles. Chez McLaren Racing, les experts du domaine bénéficient d’une analyse en libre-service où ils peuvent accéder aux données et les explorer. Non seulement cela les aide à trouver des réponses simplement et plus rapidement, mais cela libère également le temps les data scientists afin qu’ils puissent réfléchir au prochain outil de pointe que l’équipe peut développer pour amplifier l’impact sur les performances.  

Ces travailleurs du savoir sont présents partout dans l’entreprise et se spécialisent dans chaque discipline distincte (fiscalité, finance, opérations, logistique…) Ils possèdent la connaissance du domaine et les compétences non techniques requises pour transformer les informations en informations. Pourtant, il arrive souvent qu’ils ne disposent pas des ressources et des moyens nécessaires pour fournir des informations commerciales pertinentes. Par exemple, une entreprise de logistique qui cherche à choisir l’itinéraire optimal pour une livraison s’adressera à un chauffeur, et non à un spécialiste des données. Alors que le spécialiste des données connaît les macro-tendances, le chauffeur connaît les micro-changements qui pourraient autrement être cachés.

Comment former (et non embaucher) les futurs héros de la donnée pour remédier à la pénurie de compétences

Les data scientists seront toujours très demandés, mais l’analyse est une discipline collaborative et fluide, et le talent technique seul ne permettra pas de débloquer les précieuses pépites de connaissances cachées dans les données. Les compétences non techniques peuvent contribuer à propulser la génération d’informations au-delà de la chasse gardée d’une élite de gardiens et à la démocratiser pour tous. Gartner prévoit que d’ici 2025, pour que les organisations restent compétitives, les compétences analytiques et non techniques seront les plus recherchées sur le marché des talents en matière de données et d’analytique.  

Étant donné qu’il n’y a pas assez de data scientists formés, les chefs d’entreprise et les recruteurs doivent aller au-delà de ne graviter qu’autour des compétences en Data Science, très demandées et peu disponibles. Que vous recrutiez une équipe, que vous la formiez ou que vous cherchiez à entrer dans le monde de l’analytique, il y a trois compétences générales essentielles qui permettent de combler le fossé entre les données brutes et l’intelligence décisionnelle :

• Communication : Des compétences efficaces en matière de communication et d’écoute sont essentielles pour traduire des problèmes et des données complexes en informations faciles à comprendre. La capacité de discuter, de présenter et de promouvoir avec assurance ses idées, solutions et conseils auprès d’un public varié est essentielle pour mettre en évidence la valeur des informations et avoir une influence sur l’efficacité des résultats.   

• Collaboration : L’analytique est une discipline d’équipe. Les meilleurs résultats sont obtenus lorsque des équipes diverses se réunissent pour partager leurs points de vue individuels, puis itèrent sur les idées des autres. Aucune personne n’a toutes les réponses, et la multiplicité des voix rend un aperçu plus approfondi et plus significatif. Les meilleures idées s’élèvent au sommet et les résultats sont bien plus importants que ce qu’une personne seule peut obtenir.

• Curiosité : Les informations sur les données ne sont pas seulement fournies, elles doivent être découvertes. Les recherches incessantes, l’exploration, l’expérimentation et l’itération sont autant de caractéristiques d’une compréhension efficace des données. Pour s’épanouir dans ce rôle d’enquêteur polyvalent, il faut une personne prête à bricoler, à emprunter différentes voies, à voir plusieurs angles et à explorer de nouvelles approches pour découvrir des informations.

Adopter des compétences diverses pour exploiter efficacement les données

La traduction des données en innovations qui génèrent de la valeur figure sur la liste de souhaits de tous les chefs d’entreprise qui s’efforcent de convertir les données en un facteur de différenciation concurrentiel. En tant que chef d’entreprise s’efforçant de s’affranchir de l’incertitude en devenant agile et efficace dans ses prises de décision quotidiennes, il est bien plus avantageux de disposer d’un large éventail d’experts de domaines divers dotés de compétences en analyse de données que d’un très petit nombre d’experts en Data Science qui ne peuvent pas fournir l’ampleur et la profondeur d’analyse nécessaires à l’entreprise.

Le processus de bout en bout d’affinage des données pour obtenir des insights qui changent l’activité nécessite une multitude d’étapes, d’expériences et de compétences… qui ne sont pas toutes liées à la Data Science. Il fut un temps où l’exploitation des big data pour en tirer des enseignements était la chasse gardée des data scientists, mais cette époque est révolue. Les personnes, combinées à une technologie accessible, contribuent à ce que les idées fondées sur les données soient appliquées dans toute l’entreprise. Les progrès réalisés dans le domaine de l’analytique en libre-service no-code/low-code ont permis de rendre l’analyse si accessible que tout le monde peut résoudre des problèmes commerciaux avec des données et fournir des informations décisionnelles sans avoir de qualification en Data Science.

La combinaison de compétences non techniques et de l’expertise du domaine existant peut rapidement aider à combler le fossé entre les données brutes et l’intelligence décisionnelle. Tout se résume à la façon de collaborer avec les experts à disposition et les moyens qui leur sont données pour résoudre leurs propres problèmes plus efficacement. L’exploitation des diverses compétences non techniques des équipes aidera l’entreprise à transcender la Data Science pure et à fournir des renseignements décisionnels exploitables fondés sur une expertise unique et précieuse du domaine.  

Tribune rédigée par Mark Anderson, CEO d’Alteryx

<<< A lire également : Les Citizen Data Scientists : donner des compétences techniques aux experts métier >>>