Comment relever les défis liés à la mise à l’échelle des projets de data science

Nous sommes à la fin de l’ère de l’Information.

Mais l’agriculture et l’industrie n’ont pas disparu au milieu du XXe siècle quand l’ère de l’Information a supplanté l’ère industrielle. De la même façon, l’ère de l’Information est en train d’être — l’a déjà été ? — absorbée par la nouvelle ère passionnante dans laquelle nous vivons : l’ère de l’Expérience.

Si l’ère de l’Information consistait à collecter des quantités massives de données, l’ère de l’Expérience consiste à les analyser et à découvrir tout ce qu’elles peuvent nous apporter — à les mettre au service de nos objectifs.

C’est là que des data scientists comme vous entrent en jeu. De plus en plus d’organisations créent des équipes data pour extraire des insights de flux de données continus. Le Bureau of Labor Statistics américain estime que les emplois en data science augmenteront de 35 % d’ici 2033.

À comparer avec le taux de croissance moyen national de 3 % tous secteurs confondus.

Cette statistique est enthousiasmante, mais la forte demande de data scientists traduit surtout un besoin colossal d’insights basés sur les données — et chaque organisation veut sa part du gâteau.

La pression peut paraître écrasante. Comment votre équipe peut-elle suivre le rythme de la demande interne pour des décisions fondées sur les données ? Comment augmenter le nombre de projets de data science que votre équipe peut mener sans surconsommer de ressources ?

Tout se joue sur l’organisation. Avec une gouvernance des données et une planification en sprints bien huilées, vous pouvez accomplir bien plus que vous ne l’imaginiez.

Qu’est-ce que la gouvernance des données et pourquoi est-ce important ?

La gouvernance des données est le système qu’une équipe met en place pour gérer le cycle de vie des données qu’elle collecte. Avec un plan de gouvernance efficace, votre équipe reste organisée et respecte les réglementations locales, nationales et internationales.

Vous vous demandez peut-être : « Quelle est la différence entre gouvernance des données et gestion des données ? » Voyez les choses ainsi :

• La gouvernance des données définit les politiques et procédures qui encadrent l’acquisition, l’utilisation et la sécurisation de vos données.
• La gestion des données correspond ensuite à la collecte, au traitement, au stockage, à l’analyse et à l’interprétation de ces données.

Autrement dit, la gouvernance fournit le cadre de la gestion des données et supervise ces processus. Vous pouvez approfondir les concepts de gouvernance des données avec DataCamp.

La plupart des organisations disposent de plans de gouvernance par défaut à un niveau micro — un pour tel outil métier, un autre pour telle fonction. En tant que data scientist, votre mission est de rationaliser la gouvernance des données en un dispositif unique, très organisé et strictement maîtrisé.

Est-ce beaucoup de travail au départ ? Oui. Mais une fois le dispositif en place, vous serez prêt à gérer des volumes de données plus importants et à prendre en charge davantage de projets. Pour aller à l’essentiel, consultez la cheat sheet Data Governance Fundamentals de DataCamp, un mémo pratique des notions clés et des bonnes pratiques.

Mettre en place un cadre de gouvernance des données

La gouvernance des données commence par la constitution d’une équipe.

Vous et les autres data scientists de votre organisation devrez collaborer pour déployer un programme de gouvernance des données. Les intitulés de postes et responsabilités varient selon les structures, mais, en général, quatre rôles doivent être désignés :

• Data steward : pilote le programme de gouvernance, veille à la sécurité et sert d’interface entre le métier et l’IT
• Data architect : conçoit le système de traitement et de stockage et aide le data steward à appliquer les politiques de gouvernance
• Data custodian : déplace, stocke, sécurise et supervise l’utilisation des données
• Data analyst : interprète les données et les transforme en insights actionnables pour l’entreprise

Selon la taille de votre entreprise, plusieurs personnes peuvent occuper chacun de ces rôles. Certaines organisations disposent aussi d’administrateurs des données ou de comités chargés de superviser l’élaboration des politiques de gouvernance.

Élaborer une stratégie complète est crucial, et le module de DataCamp sur la création d’une stratégie de gouvernance des données vous apporte une approche structurée.

Définir une politique de gouvernance des données

Une fois l’équipe constituée, vous pouvez définir ensemble les politiques de gouvernance que tous appliqueront.

Posez-vous les questions suivantes :

• Comment votre entreprise utilisera-t-elle et gérera-t-elle les données selon les bonnes pratiques de gouvernance ?
• Qui prendra les décisions d’usage des données à mesure que la technologie évolue rapidement ?
• Comment l’organisation attend-elle que les utilisateurs finaux bénéficient des données ?

Explorez les réponses et servez-vous-en pour créer votre politique de gouvernance globale. Considérez-la comme le « parapluie » qui protège les sous-politiques que vous définirez autour des standards, de la culture data et de la sécurité.

Préciser vos standards, mesures de sécurité et besoins de culture data

Il vous faut maintenant réfléchir aux standards de données. Des données ne vous seront d’aucune utilité si leur qualité n’est pas irréprochable. Quels standards doivent-elles respecter ? Comment votre équipe exclura-t-elle les données qui ne les respectent pas ? Comprendre et garantir la qualité des données est essentiel. Approfondissez le sujet avec le cours de DataCamp Introduction to Data Quality.

L’élément suivant à l’ordre du jour est la sécurité. Déterminez :

• Comment vous classerez vos données — publiques, privées, confidentielles, restreintes, etc.
• Qui aura accès à chaque catégorie
• Comment vous chiffrerez les données pour les protéger, du stockage à la transmission et retour
• Un système d’alerte pour notifier votre équipe en cas d’incident de sécurité
• Une politique de gestion des violations éventuelles
• Un calendrier de tests et d’audits pour garantir le bon fonctionnement du programme

Enfin, l’une des actions les plus importantes que votre équipe de gouvernance puisse mener est de tenir toute l’organisation informée de la façon dont les données peuvent l’aider. Cette pédagogie contribue à instaurer une culture où la donnée est valorisée et soignée, à sa juste valeur d’actif stratégique.

Alors, comment rendre un sujet a priori aride comme la donnée attractif pour toute l’organisation ?

En la rendant vivante, tout simplement.

Montrez concrètement comment les données facilitent le travail de chacun. Organisez des présentations trimestrielles avec graphiques et visuels illustrant l’impact des données sur les décisions de l’entreprise. Diffusez des notes d’information ou des newsletters mensuelles dans le même esprit. Proposez des formations à l’échelle de l’entreprise pour développer la culture des données.

Une organisation qui se soucie de ses données contribuera à faire respecter les politiques, procédures et standards que vous avez établis. Ce cadre facilitera la prise en charge de davantage de projets par votre équipe data sans sacrifier la qualité ni la sécurité.

Vous êtes désormais prêt à passer en sprint.

Planification de sprints pour les équipes de data science

Vous avez bâti un cadre permettant aux données de circuler de manière sûre et efficace dans votre organisation. Il est temps de voir comment une planification de type sprint peut vous servir. Certes, la planification de sprint fait partie du système de gestion de projet Scrum utilisé en développement logiciel. Mais elle fonctionne très bien pour la gouvernance et la gestion des données aussi.

Car, comme en développement logiciel, la gestion des données implique des milliers de pièces en mouvement. Littéralement.

D’abord, rappelons ce qu’est un sprint.

Un sprint est une période de temps prédéfinie pendant laquelle votre équipe travaille sur des tâches visant un objectif clé. Bien que la durée soit flexible, les sprints durent généralement d’une à quatre semaines. C’est souvent suffisant pour que votre équipe data mène à bien des projets de petite ou moyenne taille.

D’autres fois, il faudra enchaîner plusieurs sprints pour mener un projet d’envergure. Vous savez, ceux qui nécessitent de générer un vaste jeu de données et de le faire passer par tout son cycle de vie, de la collecte à l’interprétation.

Avant le début du sprint, votre équipe se réunit pour le planifier.

Ainsi, au lancement officiel, chacun sait exactement quoi faire au quotidien. Selon la méthodologie Scrum, une réunion de planification ne doit pas dépasser deux heures par semaine de sprint.

Imaginons que votre organisation de santé vous confie un petit projet. Votre équipe doit comprendre pourquoi un bouton d’appel à l’action (CTA) sur la page d’accueil affiche de mauvaises performances. Ce CTA invite les patients à programmer un dépistage du cancer important.

Pour résoudre ce problème, vous devrez :

• Analyser les données historiques décrivant la cible du bouton CTA
• Proposer une à deux nouvelles variantes du bouton CTA
• Effectuer un test A/B des variantes entre elles et face à l’original
• Collecter, traiter et analyser les données sur une période définie
• Fournir des insights actionnables pour aider l’équipe marketing à choisir le bon CTA

L’équipe marketing souhaite des résultats sous trois semaines.

C’est serré pour un test A/B, mais votre équipe est prête. Vous tiendrez une session de planification de trois heures pour ce sprint de trois semaines.

Nous allons utiliser ce scénario pour illustrer à quoi peut ressembler la planification d’un sprint pour une équipe de data science.

1. Définir l’objectif et la durée du sprint

Les deux premières questions à poser lors de la planification sont :

• Quel résultat voulons-nous obtenir à l’issue de ce sprint ?
• Quel délai réaliste nous donnons-nous pour y parvenir ?

L’équipe marketing a défini l’objectif idéal : un bouton CTA qui génère deux fois plus de clics que l’actuel.

Et vous savez déjà que vous disposez de trois semaines pour mener ce sprint.

Vous pouvez passer à l’étape suivante.

2. Rédiger votre user story

En développement logiciel, une user story décrit le produit final du point de vue de l’utilisateur. C’est un exercice créatif rédigé en langage naturel. L’objectif est de se mettre dans la peau de l’utilisateur final et de relier des éléments de l’histoire à des tâches concrètes du sprint.

Vous pouvez adopter une démarche similaire pour votre projet data.

Revenons à notre projet de bouton CTA. Le service marketing veut que les utilisateurs aient envie de cliquer pour bénéficier d’un dépistage gratuit du cancer. Il faut donc vous mettre dans la peau d’une personne qui découvre ce bouton sur le site de l’organisme de santé.

Répondez à des questions comme :

• Qui est la personne qui cliquera sur le nouveau bouton CTA ?
• Quelles préoccupations liées à la santé l’empêchent de dormir ?
• Pourquoi tirerait-elle profit d’un dépistage ?
• Comment le bouton exprime-t-il clairement et simplement ces bénéfices ?
• Quel effet le texte et les éléments graphiques autour du bouton produisent-ils ?
• Qu’est-ce qui, dans la couleur, la police et le texte du bouton, l’incite à cliquer ?
• Pourquoi cette personne cliquera-t-elle sur le CTA ?

Adaptez ces questions à votre projet. Concentrez-vous sur le résultat et remontez le fil jusqu’à comprendre comment il interagit avec l’utilisateur et lui apporte de la valeur.

Si vous pouvez associer des points précis de votre histoire à des tâches du sprint, c’est encore mieux. Cela vous aidera pour la troisième étape de cette planification.

3. Attribuer les tâches du sprint à chaque membre de l’équipe

À ce stade, vous devriez savoir quelles tâches réaliser et pourquoi.

Il est temps d’assigner à chaque membre de l’équipe data une tâche à accomplir dans la durée du sprint. Certaines tâches devront peut-être être découpées en sous-tâches. Il faudra aussi identifier les dépendances. Par exemple, votre équipe ne pourra pas tester de nouvelles variantes de CTA avant de les avoir conçues.

Envisagez d’utiliser un logiciel de gestion des tâches pour suivre les responsabilités de chacun et vous assurer que les dépendances sont clairement identifiées et pilotées.

Esquissez une estimation de la durée de chaque sous-tâche et tâche. Allouez des heures de sprint à chacune. Validez avec l’équipe que ces estimations sont raisonnables et tenables.

Gardez en tête qu’il s’agit d’estimations, et que des aléas surviendront. Si le calendrier vous inquiète, faites-le savoir au service demandeur. Négociez un délai plus long si nécessaire. Mieux vaut toujours prévoir une marge. Votre équipe pourra l’utiliser pour faire le point et s’ajuster.

Bâcler un projet peut coûter plus de temps et d’argent par la suite — exactement ce que la planification en sprints vise à éviter.

Gouvernance des données et planification en sprints : le duo gagnant

À mesure que la data science gagne en popularité dans cette ère de l’Expérience, votre équipe gérera des dizaines de projets en parallèle.

Restez serein et enchaînez les sprints.

Autrement dit :

• Identifiez des dates d’échéance estimées pour chaque projet
• Découpez chaque projet en un ou plusieurs sprints
• Assignez différents sprints à des sous-équipes de votre département OU planifiez-les selon l’ordre des échéances
• Tenez des sessions de planification pour chaque sprint/projet

Vous verrez alors votre équipe atteindre objectif après objectif avec satisfaction. Avec votre cadre de gouvernance en place, la gestion du flux de données continu sera fluide et sécurisée.

Et si des accrocs surviennent en cours de route, vous aurez les politiques et procédures nécessaires pour les gérer sans stress.

En conclusion

Au moment d’industrialiser vos projets de data science, gardez à l’esprit que l’apprentissage continu et l’adaptation sont les clés du succès. Pour aller plus loin, explorez les cours complets de DataCamp sur la gouvernance des données, comme le Data Governance Concepts Course, et gardez une longueur d’avance dans l’ère de l’Expérience.