3 compétences à développer en Data Literacy

La Data Literacy est un ensemble de compétences essentielles à développer au sein de l’entreprise moderne pour être data-driven.

Dans cet article:

  • On va d’abord définir ce qu’est la data literacy et énumérer quelques ressources existantes sur le sujet
  • On expliquera les trois compétences essentielles à développer en tant qu’individu et en tant qu’entreprise:

Définition de la Data Literacy

La Data Literacy, selon Gartner, c’est la capacité de lire, écrire et communiquer les données dans leur contexte. Plus concrètement, c’est l’ensemble des compétences data à acquérir, au niveau individuel et au niveau de l’entreprise, pour que les initiatives data soient un succès et apportent une réelle valeur au business. C’est la clé pour une culture data réussie.

Quand une entreprise commence son chemin vers la Data Literacy, on lui conseillera généralement de faire un test (un assessment), pour définir la meilleure stratégie d’apprentissage afin de fermer le “skill gap”.

Il y a certaines ressources très intéressantes qui partagent des frameworks d’assessement différents. Entre autres:

  • Jane Crofts propose de positionner les individus sur une échelle de 6 niveaux pour chacune des 18 compétences réparties en 4 domaines: concepts & culture data, lire, écrire et comprendre.
  • Jordan Morrow propose 4 axes à développer, à des niveaux de subtilité différents en fonction du métier de chacun: lire les données, travailler avec les données, analyser les données et communiquer avec les données.
  • Ben Jones propose un assessment individuel avec 4 catégories: connaissance, compétences, attitude et comportement. Et un autre assessment au niveau d’une équipe, qui donne un score positionnant les équipes sur un modèle de maturité à 5 niveaux.

Pour s’adapter aux entreprises de toutes tailles, et pour permettre encore plus de flexibilité pour s’approprier ces frameworks, nous proposons de se concentrer sur 3 compétences clés.

Quand il s’agit de favoriser une culture data, on en revient vraiment à ces 3 compétences:

Comprendre les données

Imaginez que vous venez de commencer un nouveau travail en tant que data scientist. On vous invite dans une réunion avec quelques personnes pour parler de tester un nouvel outil data: Metaflow. Il est bien possible que vous n’ayez aucune idée de qu’est Metaflow, encore moins comment le tester. La compétence “comprendre les données” ne signifie pas tout connaitre sur tout. Il va plutôt être question de comprendre en quoi une initiative data dans l’entreprise (Metaflow ici) va vous permettre (ou pas) de mieux faire votre travail.

“Comprendre” commence par poser des questions, pour remettre à plat et au même niveau les discussions.

Ici c’est un exemple entre des interlocuteurs dans un même département data. Mais on peut imaginer facilement que c’est encore plus important de développer cette compétence quand on mélange des départements data avec des départements métiers.

Travailler avec les données

Travailler avec les données va nécessairement impliquer l’utilisation d’outils adaptés. Mais il est possible de compléter ces connaissances techniques par des compétences en Data Literacy. Si on prend l’exemple de la création de dashboards, travailler avec les données signifiera travailler avec un outil de visualisation comme Power BI ou Qlik, mais également avoir une connaissance des différents types de graphiques, du bon usage des couleurs et des lois de design.

Tout le monde ne doit pas être data analyst. Mais chaque data analyst doit pouvoir faire son métier d’une manière à ce que ce qu’il produira sera bénéfique et compréhensible pour le reste de l’entreprise.

Communiquer avec les données

Il s’agit de développer des compétences comme l’assertivité, la prise de parole, la présentation orale et écrite, avec les données comme outil central. Il peut s’agir d’un dashboard, d’un objet connecté ou encore d’un nouvel algorithme. L’objectif est de faciliter la compréhension et l’adoption de ce produit data. Cet exercice de communication est bénéfique pour tout le monde, puisqu’une communication va toujours dans les deux sens, et il s’agit aussi de recevoir du feedback pour aller encore plus loin dans le développement de ce produit data.

Le storytelling data est une compétence typique pour bien communiquer avec les données. Cette discipline est utilisée lorsqu’on a trouvé un insight, et qu’on souhaite partager cette nouvelle connaissance avec l’intention d’influencer une prise de décision.

Mais on peut imaginer une série d’autres questions à se poser pour développer cette compétence: comment partager mes connaissances à mes pairs et à d’autres départements de l’entreprise? Est-ce que je sais expliquer mon rôle et mes responsabilités en data à différents utilisateurs? Est-ce que je sais construire un business case basé sur les données de mon entreprise?

Pour conclure, quel que soit le framework utilisé, il est important de pouvoir se l’approprier et en tirer de la valeur au niveau individuel et au niveau de l’entreprise.