En tant qu'analyste de données, vous fournissez l'un des services dont les entreprises ont le plus besoin aujourd'hui. Vous êtes ainsi à l'origine des décisions importantes prises d'après les informations exploitables que vous transmettez, alors que vous êtes aux prises avec des délais impossibles, des attentes fortes et les goulets d'étranglement IT.
Les QUATRE principales missions de l'analyste
- Données : les rechercher et les nettoyer
- Tendances : les détecter et les mettre au jour
- Rapports : les interpréter et les présenter
- Collaboration : interagir et clarifier
En réalité, tous les analystes ne sont pas aussi polyvalents. Ils peinent à faire progresser l'entreprise dans les domaines ci-dessus et passent à côté de belles opportunités de fournir des insights qui changent vraiment la donne. Il faut dire qu'ils passent 80 % de leur journée à préparer les données pour des analyses et des rapports de base, au lieu de se consacrer pleinement à la découverte d'insights vraiment utiles. Est-ce votre cas ?
Laissez-moi vous présenter en détail une journée dans la vie d'un analyste qui n'utilise pas l'analytique en libre-service. Nous verrons ensuite combien la vie de ceux qui ont pu s'affranchir de ces processus lourds et antédiluviens s'est améliorée.
Une journée dans la vie d'un analyste avant l'analytique en libre-service
Vous avez probablement choisi la voie de l'analytique pour avoir la satisfaction de résoudre des problèmes. Mais en réalité vous passez la majeure partie de votre temps à préparer les analyses au lieu de les effectuer, et vous peinez à obtenir des insights qui changent vraiment la donne.
Selon l'InfoBrief d'IDC qui fait le point sur la Data Science et l'analytique, les data workers perdent 44 % de leur temps chaque semaine parce que leurs efforts n'aboutissent pas.
S'agissant d'analytique des données, les entreprises, les agences et les clients veulent des résultats tout de suite, pas demain. Même avec de longues journées de travail, venir à bout de sa liste de tâches sans l'analytique moderne est peine perdue. Et je ne vous parle pas de garder du temps pour votre vie privée !
7 h 50
Vous arrivez de bonne heure afin de rassembler quelques chiffres pour une synthèse à envoyer à la direction avant sa réunion de 10 heures. Mais vous êtes dans l'impasse parce que vous attendez une métrique clé que doit vous fournir un collègue d'un autre service.
9 h 59
Avec une minute d'avance, vous envoyez l'information à la direction. Un des directeurs vous répond immédiatement et vous invite à participer à la réunion afin de présenter vos découvertes. « Ne vous en faites pas, ce ne sera pas long. »
12 h
La réunion de la direction est enfin terminée, notamment parce que tout le monde commence à avoir faim. Ils ont adoré vos métriques, mais tout le monde a voulu débattre des scénarios potentiels qui se dégageaient de vos données, et vous avez maintenant deux heures de retard.
12 h 20
Après avoir englouti rapidement votre déjeuner, vous vous lancez dans votre principale tâche de la journée : un rapport mensuel sur les performances de la génération de leads. Vous allez pour cela passer les prochaines heures à extraire des données depuis des feuilles de calcul, Google Analytics, Kissmetrics, une base de données personnalisée, voire un échange d'e-mails.
14 h
Vous remarquez certaines similitudes géographiques dans les données. Si vous pouviez facilement ajouter des données géospatiales, ce rapport serait vraiment plus percutant, mais avec le processus actuel cela vous prendrait trois jours de plus. Vous devez donc vous passer des informations SIG pour le moment et revenir à vos opérations de transformation des données.
16 h
Vous contactez une collègue d'un autre service, parce que ses métriques ne disent pas la même chose que vos données. Pour identifier le problème, vous devez aller la voir à l'autre bout du bâtiment. Vous trouvez l'erreur et réimportez ses données.
17 h
Vous discutez avec les Data Scientists de l'entreprise au sujet d'un modèle prédictif qui ne donne pas le résultat escompté. Comme vous ne savez pas coder, vous n'arrivez pas à identifier le problème.
17 h 45
Grâce aux explications d'un Data Scientist, vous comprenez mieux le modèle et son utilisation pour le cas actuel, mais vous ne seriez pas capable de recommencer.
19 h
C'est l'heure de partir. Vous pouvez sortir dîner ou faire un peu de sport et essayer d'avoir un semblant de vie de famille. Au moins, le rapport mensuel est prêt. Vous vous dirigez vers le parking presque vide. Votre rapport aurait pu être bien mieux si vous n'aviez pas dû passer la majeure partie de votre journée à préparer et fusionner des données. Ça ira peut-être mieux demain.
Votre entreprise compte sur vous pour répondre précisément à ses questions. Il est indispensable de trouver les bonnes réponses, car les décideurs utilisent ces réponses pour faire des choix importants. Avec une telle pression, il peut être difficile de simplement survivre, à plus forte raison de s'épanouir. Si vous êtes performant dans ce rôle, vous serez considéré comme un novateur et inspirerez le respect.
La nouvelle vie d'un analyste avec l'analytique en libre-service
Tous les chefs de projet et les experts de l'efficacité vous le diront : pour réduire de moitié, voire plus, le temps que vous passez à préparer et fusionner les données, vous devez être en mesure de rationaliser et répéter vos workflows. Pour cela, vous devez pouvoir accéder facilement à toutes sortes de données, disposer d'outils intuitifs pour les préparer et les fusionner, et avoir la possibilité d'effectuer des tâches d'analytique avancée à l'aide d'outils en glisser-déposer.
Vous voulez savoir comment les vrais bons analystes transforment leur processus ? Nous avons compilé ici la liste des meilleures tactiques.
Ne partez pas.
Regardez la vidéo
Cette vidéo explique comment les analystes data s'affranchissent de la préparation manuelle des données et des feuilles de calcul, pour laisser libre cours à leur talent analytique.