Data Product Management: constitution d’une équipe de produit data

Dans nos précédents articles, nous avons défini ce qu’était un produit data puis nous avons détaillé comment et pourquoi le Product Management est une solution adaptée à son développement. Discutons maintenant des différentes organisations possibles puis des rôles et profils nécessaires. Enfin, nous nous attarderons sur le rôle du Data Product Manager.

📚 Lire notre article "Introduction aux produits data"

📚 Lire notre article"Comment appliquer les méthodes du Product Management aux produits data"

Les différentes organisations d’une équipe data

Il y a plusieurs façons d’envisager l’organisation d’une équipe data.

• Centralisée : des équipes de pure compétences data intervenant dans les différentes équipes produit d’une entreprise à la demande. De manière ponctuelle à la manière d’un consultant, un ou plusieurs experts data intervient dans la construction ou maintenance d’un produit data.

Cas particulier du Datalab : l’objectif d’une telle équipe est de réaliser des prototypes pour tenter de répondre à différents besoins utilisateurs. L’idéal étant que cette équipe soit transverse à l’organisation de l’entreprise et qu’elle puisse interagir facilement avec les équipes métier afin de développer des MVP pertinents.

• Embarquée : une équipe data embarquée va travailler à la réalisation et la vie d’un ou plusieurs produits. Ce type d’organisation permet aux profils data de développer une réelle expertise métier, ils n’ont pas besoin d’un temps d’adaptation pour monter en compétence sur le produit. Un point d’attention à garder à l’esprit avec une telle organisation : l’isolement de ces profils d’une communauté d’experts data qui permet le partage de compétences et de bonnes pratiques, la formation à de nouvelles techniques …
• Hybride: un mélange des modèles d’organisation centralisée et embarquée. Les profils data sont intégrés dans l’équipe produit mais reportent par exemple à une équipe dédiée de Data Science.

Constitution d’une équipe data

Cross - functional product team

Alors alors … Quelle équipe peut apporter un maximum de valeur à des produits data ?

Dans le cas de développement d’un produit data, le Product Manager travaille avec des profils différents d’une équipe classique. Bien saisir les compétences et les responsabilités de chacun de ces profils est indispensable au bon fonctionnement d’une telle équipe.

Comme pour un produit classique, nous conseillons de respecter la notion de “Pizza Team” : la taille de l’équipe doit rester maîtrisée et ne pas excéder huit personnes pour faciliter la communication tout en proposant un bon équilibre des compétences.

Ci-dessous une liste (non exhaustive) des profils nécessaires au développement d’un produit data à succès :

_Exemples des profils constituant une équipe produit data_Source : Hubvisory

Les profils data sont encore très récents et les contours peuvent paraître flous. Voici un portrait détaillant les compétences de ces différents profils.

Data Scientist

L’objectif fondamental du Data Scientist est de partir d’un ensemble d'informations dispersées (provenant du canal client, de produits, en ligne ou hors ligne), de les organiser de manière à ce que l’entreprise les interprète intelligemment mais également de sélectionner les bons algorithmes et en faire des modèles entraînés qui répondront à un besoin de prédiction.

Le Data Scientist doit avoir des compétences techniques notamment :

• Exploration et statistiques (SQL, modélisation de données, statistiques descriptives, notebooks, analyse de données textuelles…)
• Machine Learning (librairies, algorithmes basiques et avancées, bonnes pratiques de Data Science...). Très concrètement, le travail du Data Scientist en Machine Learning consiste à sélectionner les bonnes données test, choisir et entraîner le bon algorithme, en vérifiant grâce à l'analyse d'erreurs que le modèle devient de plus en plus performant et robuste. Une fois le modèle correctement paramétré sur les données d'entraînement, le Data Scientist peut ensuite le déployer afin qu'il traite de nouvelles données, pour accomplir la tâche spécifique poursuivie (prédiction, recommandation, décision...).
• Maîtrise technique de logiciels complexes : il doit être capable de programmer (python, R).

Mais le Data Scientist doit également présenter une compréhension poussée du produit, des enjeux métiers et stratégiques associés pour être en mesure de poser les bonnes questions et de résoudre les bons problèmes. Finalement, cette précision est valable pour tous les profils data présentés ci-après.

En effet, le Data Scientist doit combiner un sens mathématique avec une capacité à comprendre les problématiques qui lui sont proposées afin d’en imaginer la meilleure solution en utilisant les données avec ou sans Machine Learning. Parfois, une solution toute simple peut résoudre parfaitement le problème identifié, et le Data Scientist doit être capable de le voir.

Pour conclure, un Data Scientist a vocation à développer des produits data utilisables en production, de prototyper rapidement et d’expérimenter des solutions en mode agile pour obtenir un feedback utilisateur rapide.

Oui, un Data Scientist, c’est une pépite.

Est-il possible de répondre à l’ensemble de ces compétences de manière poussée : la réponse est non, pas forcément. Et c’est pourquoi il peut être intéressant d’avoir plusieurs Data Scientists dans son équipe, chacun.e avec des appétences plus fortes dans un des domaines cités plus haut de manière à se compléter.

📚 Le saviez-vous ? Le terme de Data Scientist est vraiment récent puisqu’il a vu le jour en 2008 quand deux employés de Facebook et Linkedin se sont attribués ce titre. Il s’est ensuite démocratisé en 2012 avec la publication du livre “Data Scientist: the sexiest Job of the 21st Century”. Ne nous remerciez pas pour cette anecdote qui fera sensation lors de votre prochain afterwork.

Evolution des recherches Web pour “Data Scientist” au niveau mondial__Source: Google Trend

Data Analyst

Un.e Data Analyst a pour objectif de manipuler, de transformer et d’analyser un ensemble de données complexes afin d’accompagner les profils produit et métier à mieux exploiter leurs données et à en tirer les bonnes décisions. Les Data Analysts sont des alliés pour construire et créer un dashboard de qualité et performant par exemple. Ces profils s’assurent que la visualisation est facile de lecture, et communiquent les bonnes informations.

La combinaison des profils Data Scientist et Data Analyst est indispensable : ils sont complémentaires mais ce sont bien deux métiers différents.

Le Data Analyst doit posséder des connaissances en probabilités, statistiques et algèbres linéaires. Il doit également maîtriser des bases et des requêtes complexes ainsi que des outils tels que Power BI, Spotfire, Qlik....

Data Engineer

Le Data Engineer “pose les fondations”: il s’assure que l’infrastructure de récolte, stockage et manipulation des données reste fluide et opérationnelle. Sa mission n’est donc pas d’analyser la data mais de la rendre accessible. Véritable ingénieur.e, il nettoie et construit le pipeline. Dans le cas de produit intégrant du Machine Learning, ce profil doit être inclus dans l'industrialisation et la mise en production de modèles d'apprentissage automatique qu'un.e Data Scientist pourrait construire et tester pour la plateforme.

Le Data Engineer doit posséder des connaissances en gestion de bases de données relationnelles (SQL, DB2...) et avoir une sensibilité à la Data Science. Il sait développer, a de bonnes connaissances en programmation (Python, Java...) et maîtrise les outils de stockage ainsi que d’extraction de données.

Le poste du Data Engineer est primordial. En mettant en place et en assurant la maintenance des pipelines de données, il offre aux autres profils le moyen d’effectuer leur travail dans les meilleures conditions. C’est à lui d’industrialiser le produit data. Sans lui, le risque est grand quant à la stabilité de ce dernier et à l’accumulation de la dette technique.

Développeur/euse

Front et/ou back-end, il accompagne son équipe à donner vie à un produit data en développant une interface adaptée.

Les outils de Data Visualisation sont rapidement limités (Google DataStudio, PowerBI, Tableau, TIBCO Spotfire …). Que cela soit pour l’intégration du produit data dans des outils pré-existants, pour le développement de démonstrateur permettant de montrer ce que peut faire la donnée ou la création et gestion d’APIs qui alimentent les fronts, la partie développement front et back est non négligeable dans le développement de produits data.

Scrum Master ou facilitateur

Le rôle de Scrum Master peut également être assuré par un des profils techniques (Data Analyst, Data Scientist ou Data Engineer) de manière fixe ou tournante. Il nécessite néanmoins une très bonne connaissance de la méthodologie Scrum et des compétences en facilitation, surtout au démarrage.

Le rôle et les responsabilités d’un.e Scrum Master intégré dans une équipe data ne diffèrent pas d’une équipe classique.

📚 Lire notre article sur le rôle du Scrum Master

UX/UI Designer

Le UX/UI Designer imagine des interfaces qui répondent aux besoins utilisateurs pour leur offrir une expérience intuitive et différenciante. A l’écoute des utilisateurs, il multiplie les études afin de comprendre leurs profils, leurs parcours, leurs problèmes, ainsi que leurs motivations.

Comme détaillé dans notre article sur le Data Product Management, un ou plusieurs profils UX/UI Designers pourront assurer la phase d’exploration (avant le lancement des développements) et les différents échanges avec les utilisateurs tout au long de la vie du produit data.

Enfin, le profil manquant à cette palette est celui du Data Product Manager que nous détaillons dans la partie ci-dessous.

Data Product Manager

Expert dans le processus de création et de delivery d’un produit data, le Data Product Manager a pour mission de maximiser la valeur apportée par ce produit aux utilisateurs en faisant le pont entre vision business, technique et produit. Il anime la formalisation du besoin et la priorisation des réalisations. L’objectif principal du la Data Product Manager est de créer et maintenir le lien entre le domaine de la data considéré comme complexe et les utilisateurs en coordonnant la réalisation de produits data.

C’est un poste encore assez nouveau mais ses responsabilités diffèrent finalement peu de celles d’un.e Product Manager classique :

• Détecter et comprendre les problématiques des utilisateurs
• Affiner les besoins utilisateurs via l’exploration produit
• Co-construction de la roadmap produit
• Collaborer efficacement avec l’équipe data via une bonne expertise technique
• Favoriser la culture du feedback
• Évangéliser et promouvoir son produit

Ce profil est aussi responsable de chantiers propres au Product Ownership :

• Gestion des différents artefacts produits (roadmap, backlog, User Stories …) : rédaction, priorisation, affinage, validation ...
• Communication aux parties prenantes de l’avancée des développements
• Pilotage les sprints de développements
• Participation à l’ensemble des cérémonies en place (Planification, Daily Scrum meeting, Rétrospective, Grooming etc)

Le Data Product Manager doit posséder des “hard skills” : d'excellentes connaissances du Product Management et des méthodes agiles (Scrum et Kanban) mais également une bonne compréhension du travail des équipes techniques (Data Science et Data Engineering) car l’objectif est de collaborer avec ces profils.

Ce n’est pas tout ! Ce profil doit aussi présenter des “soft skills” : avoir une excellente communication, de la rigueur, de très bonnes qualités relationnelles, et une capacité à collaborer : c’est un véritable couteau suisse.

A noter ! Les produits data sont complexes, parfois sans lien évident avec l'utilisateur. C’est pourquoi le poste de Data Product Manager s’adresse plutôt à des Product Managers qui ont une certaine expérience parce qu’il y a cette complexité supplémentaire qu’on a pas sur des produits classiques. Nous conseillons également de prendre un temps de formation sur la data afin de se sentir à l’aise dans les échanges avec les équipes data.

Il existe également des Formations en Data Product Management.

En conclusion

Nous avons vu dans cet article différentes organisations d’équipe data, les missions et les compétences de profils indispensables au développement de produit data. Après la lecture de ces trois derniers articles autour du Data Product Management, vous avez maintenant (presque) toutes les clés en main pour mener à bien de tels projets.

Dans une dernière publication, nous vous partagerons un glossaire de la data afin de vous aider à comprendre et échanger avec ces profils techniques. A la semaine prochaine !

📚 Pour aller plus loin, quelques ressources :

• Designez des produits data centrés utilisateur (talk Google passionnant)
• Guide Book - utilisez ce guide pour construire des fonctionnalités ou produits data
• Le profil du Data Analyst