Blogs universels

Cinq secrets bien gardés de l'analytique

Fini le statu quo. Anticipez les tendances et devenez un champion de l'analytique.

Les données et l'analytique sont à la mode et gagnent du terrain. D'ailleurs, vous avez choisi le bon métier ! Selon le rapport 2018 de LinkedIn sur les nouveaux emplois, les data scientists ont été cinq fois plus demandés en 2017. Partout dans le monde, beaucoup s'expriment sur l'avenir de l'analytique, multiplient les conseils et les informations, et évoquent les nouvelles tendances telles que l'intelligence artificielle et le machine learning. Les leaders d'opinion sont certes très intéressants à lire ou à écouter, mais ils donnent rarement des informations susceptibles de vous faire progresser dans votre carrière (et de vous faire aimer ce que vous faites).

Comment faire pour trouver des conseils vraiment utiles au-delà du battage médiatique ? Voici nos cinq principaux secrets pour réussir dans l'analytique.

1. Le « sans code », ça existe vraiment.

Oui, la Data Science est un mélange complexe de mathématiques, d'informatique, de créativité et d'une petite dose d'art. Tout le monde n'est pas fait pour ce genre de travail. Et beaucoup n'osent pas se lancer, car ils pensent qu'il faut savoir coder. En fait, c'est faux. Des compétences R et Python sont utiles, mais elles ne sont pas indispensables avec une plateforme d'Automatisation des processus analytiques qui permet de réaliser des analyses prédictives et prescriptives dans un espace de travail en glisser-déposer.

Quel que soit votre parcours, si vous avez soif d'apprendre et que vous disposez d'une plateforme APA en libre-service, de nombreuses perspectives s'offrent à vous.

Prenons un exemple :

En 2017, l'organisation SCAN Health Plan a commencé à soupçonner l'existence d'une fraude dans la distribution de lidocaïne, car certains adhérents recevaient par courrier des pommades qu'ils n'avaient pas demandées. Grâce à une analyse de réseau sans code, elle a pu étudier les données des demandes de remboursement et établir des liens entre certains membres, des pharmacies et les pommades en question. Résultat : SCAN Health Plan a économisé 1,5 million de dollars la première année.


2. Pas besoin d'avoir un master.

Maintenant que vous adhérez au principe de la Data Science facile sans code, brisons un autre mythe : nul besoin d'avoir un master en mathématiques ou en statistiques pour faire émerger des informations exploitables (aussi appelées « insights ») pointues en analysant vos données. Toutefois, si vous êtes expert en mathématiques, vous avez une longueur d'avance. Mais si vous avez arrêté les maths plus tôt, ce n'est pas un problème. Tant que vous avez le souci du détail et que vous alliez créativité, curiosité et logique, vous vous y retrouvez facilement dans le monde de l'analytique des données en libre-service, car vous êtes un champion.

Fabio Italiano, VP Analytique et Gestion de l'information chez McGraw Hill Education, se passionne pour la démocratisation du machine learning. Il souhaitait que tout le monde dans l'entreprise puisse réaliser des analyses avancées, même sans avoir un rôle impliquant des compétences techniques. Grâce à la puissance de l'Automatisation des processus analytiques, Fabio a constitué et formé une équipe de « data scientists métier ». Ces collaborateurs peuvent maintenant utiliser des packages R avancés et effectuer des analyses prédictives sans avoir à apprendre une seule ligne de code ni à reprendre les études pour passer un master en statistiques.


3. Tout le monde peut avoir ses visualisations personnalisées.

Une image vaut mille mots. Ajouter des éléments graphiques peut donc rendre votre analyse beaucoup plus facile à comprendre. Le seul bémol : la création de ces représentations graphiques prend souvent du temps et occasionne quelques maux de tête. Après avoir travaillé pendant des jours ou des semaines sur une analyse, vous finissez par exporter votre travail vers une plateforme de visualisation. Mais vous constatez alors des erreurs que vous n'aviez pas remarquées, ou bien vous vous rendez compte que vos données ne sont pas très parlantes dans une représentation visuelle.

ALORS QUE FAIRE ?

Avec une plateforme de données en libre-service, vous pouvez vérifier ce que vous faites au fur et à mesure. Ajustez un élément ici, tournez ce bouton-là, puis regardez les effets de ces changements sur la visualisation. Pratique, n'est-ce pas ? Plutôt que de garder la visualisation pour la fin, intégrez-la tout au long du processus pour mieux comprendre vos données, ce qui améliorera les analyses et les résultats.

Les éléments graphiques peuvent également déconcerter les analystes, qui doivent connaître toutes les questions auxquelles ils doivent répondre.  Les tableaux de bord, qui peuvent accueillir plusieurs vues, sont un excellent moyen de donner à ceux à qui ils s'adressent ce dont ils ont besoin. Laissez vos interlocuteurs interagir avec votre analyse et trouver eux-mêmes les réponses à leurs questions. En outre, vous pouvez vous assurer que ces tableaux de bord sont toujours à jour et contiennent les dernières informations, transmises par votre workflow reproductible.

Pour finir, venons-en au Saint Graal des graphiques : la production par lots. Et si vous pouviez générer de nombreux graphiques pour tous les utilisateurs ? Vous pouvez créer des vues personnalisées d'un simple clic. En utilisant l'analytique en libre-service, un cadre supérieur de Coca-Cola est parvenu à envoyer plus de 600 rapports personnalisés sur l'optimisation des stocks à des restaurants franchisés situés dans tous les États-Unis.

4. L'automatisation libère la créativité.

Non, l'automatisation ne va pas vous voler votre emploi. En fait, elle vous permettra de vous concentrer davantage sur les tâches et vous libérera de celles que vous n'aimez pas, comme ces rapports mensuels qui vous prennent tellement de temps. Ou ces processus ETL manuels incessants. Si vous automatisez ces tâches ennuyeuses et chronophages, vous aurez le temps de faire ce que vous aimez vraiment : résoudre des problèmes intéressants et apporter plus de valeur à votre entreprise.

Tout métier comporte des tâches ingrates. Toutefois, les analystes sont particulièrement enlisés dans le travail répétitif : ils passent jusqu'à 80 % de leur temps à récupérer des données dans des sources disparates. Et si vous pouviez automatiser certaines de ces tâches ? Voyons par exemple la routine typique d'un analyste.

Infographie Day-in-the-life-of-a-data-analyst

Et maintenant, que pensez-vous de l'automatisation ? Ce n'est pas si effrayant après tout ! Nous pensons qu'en fait, elle permet de faire gagner du temps aux équipes.

5. L'IT doit être votre allié.

Ne levez pas les yeux au ciel. Oui, l'IT devrait (et peut) être votre allié. Souvent, les systèmes analytiques sont mis en place d'une manière qui dresse l'IT contre les analystes et les data scientists et vice et versa. Les analystes ont souvent les mains liées parce que l'IT contrôle l'accès aux données et aux versions. De son côté, l'équipe IT est très vite agacée par les demandes ponctuelles qui n'ont rien à voir avec ses priorités. Les plateformes en libre-service permettent à l'IT de créer une gouvernance et des autorisations, ce qui renforce l'autonomie des analystes et des data scientists. Ainsi, tout le monde y gagne.

Vous avez besoin de preuves ? Alors écoutez Trevor Jones, directeur IT chez Vizio.


Peu importe dans quel secteur d'activité vous évoluez, si vous travaillez avec des données et l'analytique, ne perdez pas de vue le futur. En revanche, ne vous laissez pas piéger dans des tendances absurdes. Communiquez ces cinq principes essentiels à vos amis et collègues.


Dark background blue dots of lights in varying shades
Article de blog
5 min to read

Leveraging Alteryx for a Successful Job Search

Learn how Mike Davis' experience with Alteryx put him ahead of the competition.

Analyste
Alteryx Designer
Préparation et analytique des données
Lisez vite !
Red roller coaster shooting upwards
Article de blog
8 min to read

Accelerate Digital Transformation with Automated Analytics

Automated analytics is the fuel for your organization’s growth, keeping it relevant, agile, and one step ahead of your competitors.

Responsable Analytique
Responsable Business
Alteryx Machine Learning
Lisez vite !
Wavy colorful lines intersecting
Article de blog
3 min to read

2021 Alteryx Podcast Wrap-up

In this special crossover podcast episode, hosts Maddie Johannsen and Susan Currie Sivek relive some of their favorite standout moments and special guests.

Analyste
Responsable Analytique
Data Scientist
Lisez vite !

Recevez nos articles directement dans votre BAL


intervenant