Magazine – Interview : Organiser ses équipes pour adapter sa stratégie et différencier son expérience client par la data

author

Pierre Sommer

25 septembre 2019 | 4 minutes - Temps de lecture

Last Updated: Avr 6, 2022

À l’origine d’une stratégie data réside avant tout une aspiration à une meilleure connaissance client : comprendre leurs attentes, leur perception du produit ou du service proposé, analyser leurs comportements pour tenter de le décrypter, et in fine améliorer l’expérience utilisateur. Être customer-centric, c’est le souhait de toutes les entreprises qui placent la donnée au coeur de leur stratégie. Ce qui fait toute la différence chez Evaneos, c’est la manière dont l’entreprise s’est structurée autour de cette data. Interview d’Amélie Guicheney, Chief Data Officer chez Evaneos.

Téléchargez l’intégralité de notre magazine dédiés aux experts UX et retrouvez tout les interviews:

 

Claire-Émilie Lecocq : Quand et pourquoi avez-vous décidé de créer une équipe data centralisée chez Evaneos ?

Amélie Guicheney : L’importance de la data est ancrée depuis toujours dans l’ADN d’Evaneos. Avec deux ingénieurs comme fondateurs, l’ensemble des opérationnels sont sensibilisés à l’importance des données. C’est dans notre culture de garder toujours un oeil sur un dashboard. Mais pendant longtemps, les ressources data étaient réparties dans les équipes métiers, n’ayant que peu de lien entre elles. Le COMEX a peu à peu pris conscience qu’il fallait aller plus loin et animer le sujet à l’échelle de l’entreprise.

Avant de se lancer, nous avons réalisé un benchmark d’un certain nombre d’entreprises data-centrées. Chez les pure players, les deux départements les plus producteurs et demandeurs de données sont les équipes Marketing et Produit. Les data analysts sont généralement intégrés à l’un de ces deux pôles. Mais chez Evaneos, nous avons souhaité réconcilier ces deux mondes. Début 2019, nous avons donc pris la décision de créer un pôle data centralisé et indépendant, directement relié au COMEX, dont j’ai pris la direction. Ce choix assure la neutralité des analyses de performance ainsi qu’une plus grande transversalité au sein de l’entreprise.

Comment avez-vous structuré votre équipe data ?

C’était notre deuxième parti pris : créer un pôle data multifonctionnel, regroupant des data analysts, des data scientists et des data engineers. Evaneos a une longue histoire d’équipes multifonctionnelles, avec notamment une équipe produit structurée en squads multi-métiers. Cela nous paraissait évident de regrouper les différents profils data en un seul et même pôle. En prime, ce choix favorise un partage des bonnes pratiques entre les différents métiers et scopes d’analyse, permettant de désiloter davantage encore l’entreprise. Et pour conserver une proximité avec les équipes, chaque communauté métier est en lien direct avec son data analyst référent, lui fournissant le support et les analyses qui lui sont nécessaires.

L’ASPECT MULTIFONCTIONNEL DE CETTE ÉQUIPE FAVORISE DES SYNERGIES QUI N’EXISTAIENT PAS ENTRE LES DIFFÉRENTS MÉTIERS DATA.

Le recrutement de nouveaux profils est-il nécessaire pour réaliser une telle transformation ?

Dans un premier temps, nous avons rassemblé les ressources data existantes au sein de l’entreprise, historiquement réparties dans les différentes directions. Par la suite, nous souhaitons continuer à faire grossir notre équipe de data engineers et data scientists pour accompagner la croissance de l’entreprise. Pour autant, la question du recrutement est loin d’être simple. La pénurie des profils data ou tech sur le marché n’est un secret pour personne. Mais pour des data engineers, à la croisée des deux spécialités, cela devient un réel casse-tête, qui plus est dans un environnement technologique extrêmement changeant.

Gif-magazine-cx-circle


Quels bénéfices client, économiques ou organisationnels en avez-vous déjà tiré ?

En créant une équipe data centralisée et indépendante, notre principal objectif consistait à améliorer l’accessibilité des données auprès des métiers, qui étaient très en attente. 6 mois après la création de cette team data, une enquête réalisée en interne révèle la satisfaction des équipes métiers vis-à-vis de cette nouvelle organisation, en termes de réactivité, de priorisation et de structuration des demandes. L’équipe data doit continuer à monter en puissance, mais ces premiers retours sont très encourageants. Par ailleurs, l’aspect multifonctionnel de cette équipe favorise des synergies qui n’existaient pas entre les différents métiers data. On observe une augmentation de l’entraide et une multiplication d’idées innovantes pour toujours mieux servir nos clients. Quant à eux, s’ils ne perçoivent pas encore les bénéfices, notre équipe data science travaille actuellement sur l’automatisation du matching entre leurs attentes et l’agence la plus à même d’y répondre. La première brique de cet algorithme est déjà déployée, les équipes itèrent pour continuer à améliorer les recommandations et in fine générer toujours plus de satisfaction, de la part de nos utilisateurs comme des agences.

Découvrez le Hors-Série du Magazine de l’Expérience Digitale

> Comprendre les nouvelles attentes des consommateurs
> Pérenniser ces évolutions

Télécharger


Avez-vous identifié les facteurs clés de succès pour mener à bien cette transformation ?

Chez Evaneos, toute l’entreprise était en attente d’une meilleure mise à disposition et utilisation des données. Dans toutes les directions, les opérationnels ont montré une forte volonté de mener à bien ce changement. Pour autant, sans sponsoring de la part du DG, le projet n’aurait sans doute pas pu se dérouler dans d’aussi bonnes conditions. L’ambition de transformation s’est traduite par une réelle stratégie data, un budget dédié, et une équipe rattachée directement au COMEX – une manière de montrer que le sujet a autant d’importance que tout autre au sein de l’entreprise.

Découvrez également l’exemple de Cyrillus.

Et pour la suite, comment voyez-vous l’évolution de votre équipe data ?

C’est encore le début de l’histoire, la team data existe depuis 6 mois à peine. Mais le principal risque à centraliser la data, c’est de déresponsabiliser les équipes sur leurs propres données. Au contraire, notre objectif consiste à laisser l’autonomie aux métiers sur un premier niveau d’analyse, et de les aider à aller plus loin. Nous devons continuer à améliorer nos analyses, à nous former, à nous professionnaliser, à accompagner les métiers et acculturer les autres départements de l’entreprise. En parallèle, nous voulons faire grossir l’équipe data science et accélérer sur les projets de machine learning, tant pour la personnalisation de l’expérience client que pour l’optimisation de notre modèle d’acquisition. Quant à l’équipe data engineering, celle-ci continue à structurer et faire évoluer nos socles de données, au rythme de nos nouveaux enjeux.

Bonne nouvelle pour les nuls aux échecs : l’ère des entreprises data-centric amène de toutes nouvelles règles et encourage la création de tout nouveaux acteurs. De quoi mettre mat votre ennemi juré en un coup.

Parmi les enjeux pour les équipes digitales, il y a certaines directives légales à respecter comme la DSP2 mais aussi des règles UX à connaitre. En voici des exemples : quelles sont les erreurs UX à connaitre ?