Algofi a participé au Salon Tech Show Paris, qui s’est tenu au parc des expositions de la porte de Versailles. Cet événement annuel a réuni des exposants des secteurs du Cloud, du DevOps, de la Cybersécurité, du Big Data, de l’Intelligence Artificielle, et surtout du centre de données.

Aujourd’hui, nous partageons avec notre communauté les connaissances et les découvertes que nous avons acquises à travers les différentes conférences de cet événement.

La deuxième conférence de la journée est dirigée par Boris Dorado, Responsable Data de la société Klee Group, une ESN française spécialisée dans la création de solutions digitales métier.

Le thème de cette conférence est « Vers une nouvelle ère de la Data : l’Approche Produit et l’Agilité comme leviers de création de valeur ». Si vous avez eu l’occasion de consulter les articles précédents du salon Big Data Paris en septembre, nous aborderons donc le sujet du Data Mesh, le nouveau concept de mise à disposition et de gouvernance des données.

Boris entame cette conférence en illustrant son propos avec l’exemple d’un client leader dans le domaine de la formation professionnelle. L’objectif de ce client est d’améliorer l’expérience des apprenants en proposant un catalogue de formation complet et attrayant. De plus, le client souhaite réduire les risques d’annulation des sessions de formation.

Ainsi, il est impératif de trouver un moyen de prédire les sessions de formation, incluant des éléments tels que le lieu, la date, le nombre de participants, etc. Le projet démarre par un kick-off, une clarification des besoins métier, une autonomie accordée à l’équipe data, des échanges approfondis sur les parcours envisagés, et une réponse proactive aux demandes des différents secteurs de l’entreprise.

Pour ce projet client, le bilan suite à la livraison se présente comme suit :

Points positifs :

• Un bon déroulement du projet
• Une satisfaction exprimée par les différentes équipes métier
• Une adoption réussie de décisions basées sur les données
• Des résultats intermédiaires encourageants et cohérents

 

Points négatifs :

• L’outil a été utilisé seulement pour 30% des données de l’entreprise, indiquant une réponse incomplète à l’ensemble des besoins
• Certaines fonctionnalités de l’outil restent inexploitées, suggérant des intuitions incorrectes dans le choix des fonctionnalités à développer
• L’absence de critères de succès définis constitue une lacune à corriger dans la gestion et l’évaluation du projet. L’approche produit est axée sur la création de valeur pour l’utilisateur et repose sur trois thèmes majeurs :

 

1. Gestion des risques : Il est crucial d’aborder les risques dès le début du processus plutôt qu’à la fin. Ces risques peuvent être de nature commerciale, liés à la valeur commerciale, centrés sur la valeur utilisateur (l’utilisateur devant être au cœur du processus), ou encore liés à la faisabilité du projet.
2. Processus de construction collaboratif : Les produits sont définis et élaborés de manière collaborative plutôt que de manière séquentielle. Cette approche favorise l’engagement et la contribution de toutes les parties prenantes dès le début du projet, ce qui conduit à des résultats plus pertinents.
3. Orientation vers la valeur : L’objectif principal est de résoudre des problèmes plutôt que de simplement mettre en œuvre des fonctionnalités. L’accent est mis sur la satisfaction des besoins et des attentes des utilisateurs, assurant ainsi une véritable création de valeur tout au long du cycle de vie du produit.

 

Mais au final, comment se déroule concrètement l’approche produit ? Cette méthode peut être décomposée en six étapes clés :

Les trois premières étapes visent à découvrir ce qu’il faut construire :

1. Unification de la vision, de la mission et de la stratégie : Il est essentiel d’établir une vision, une mission et une stratégie communes, englobant la stratégie de l’entreprise et la stratégie liée aux données.

2. La phase de découverte :Cette étape englobe le cadrage du projet ainsi que l’exploration des différents cas d’utilisation.

3. Prototypage : En développant un Produit Minimum Viable (MVP), on confronte une idée commerciale au marché pour vérifier si elle répond aux besoins des utilisateurs. Cette étape est suivie d’une évaluation du prototype et de recommandations.

Ces trois premières étapes posent les bases nécessaires pour déterminer la direction à prendre dans le développement du produit.

Les trois étapes suivantes permettent alors de mettre en œuvre la solution identifiée :

1. Expansion et réalisation : Tout d’abord, il s’agit de passer à l’échelle en priorisant les sujets, en effectuant les réalisations, les tests, et en industrialisant le processus.
2. Mise en service du produit : Ensuite, intervient la phase de mise en service du produit.
3. Mise en place de la supervision, collecte des besoins et évolution continue du produit : Enfin, la dernière étape consiste à établir la supervision du produit, à recueillir les besoins, et à apporter des évolutions pour assurer une amélioration continue du produit.Le concept de Data as a Product (DaaP) repose sur quatre grands principes entourant la viabilité du produit de données. Ces quatre principes fondamentaux sont les suivants :- La valeur commerciale- La valeur pour les utilisateurs- La faisabilité- L’utilisabilité

 

Avant d’aborder les défis de la stratégie Data As A Product, Boris partage une observation clé, à l’instar d’Éric Ries et Marty Cagan plus tôt, en soulignant : « Les initiatives en Data et IA se heurtent principalement à des barrières culturelles et organisationnelles. »

Quant aux défis de la stratégie DaaP, ils sont variés. Une équipe produit typique comprendra divers profils tels qu’un Product Owner, des Data Scientists, des Data Engineers, un Scrum Master, et un Product Designer.

Le défi culturel :

Tout d’abord, cette stratégie repose sur la culture produit, impliquant ainsi un changement culturel. Malheureusement, cette culture produit est peu répandue en France, sauf dans les start-ups ou les scale-ups (start-up ayant trouvé un modèle économique et en phase de croissance). Adopter cette vision produit nécessitera de nouvelles compétences et profils tels que les Product Designers, Product Owners, Managers, Scrum Masters, et autres. Cependant, cela impliquera également de convaincre quant à la nécessité de ces nouveaux rôles, en particulier celui de Product Designer.

Le défi organisationnel :

La décentralisation de la gouvernance des données va entraîner d’importants changements dans la structure organisationnelle de l’entreprise. La gestion des données est un sujet stratégique et délicat au sein de nombreuses organisations. Par conséquent, cela nécessitera une approche top-down (verticale ou hiérarchique).

Le challenge RH :

Ce challenge porte principalement sur la création de nouveaux profils, car cette nouvelle perspective de gestion des données mettra l’accent sur un Product Owner, responsable du Produit Data. Ce professionnel devra être entouré d’utilisateurs, du côté commercial, et bien évidemment, de profils techniques pour la mise en place de la solution technique.

Mais le concept de Data As A Product n’est que l’arbre qui cache la forêt. Une fois que ce concept est compris et accepté, le concept de « Domain Ownership » fait son apparition, où chaque domaine métier est propriétaire des données et assume la responsabilité de leur qualité.

À cela s’ajoute le principe de la plateforme libre-service de données (Self-service data platform), offrant aux utilisateurs la possibilité de manipuler les données de manière autonome.

Enfin, avec de tels principes, la question de la gouvernance des données se pose. Une gouvernance informatique fédérée doit être établie par le biais d’une équipe centralisée chargée d’assurer la conformité des données à travers un catalogue de données et de définir des normes telles que les informations sensibles et les accès limités.

Ces quatre concepts de Data as a Product, Domain Ownership, Self-service Data Platform, et la gouvernance centralisée, constituent les quatre piliers du concept global du Data-Mesh, une nouvelle façon d’organiser les données au sein d’une organisation. Les grands acteurs de la gestion des données, tels qu’Informatica, Snowflake, et le dernier en date encore en cours de release, Microsoft Fabric, ont commencé à développer des solutions techniques pour faciliter la mise en place de ce type d’organisation des données.