« data science evangelist « , comment devenir le moteur de changement dans votre entreprise : la clé du succès de vos projets avant-gardistes
L’analytique et la science des données sont des priorités pour beaucoup d’entreprises et les perspectives de croissance sont très optimistes pour le secteur. Toutefois Gartner[1] soulève que plus de 50% des initiatives ne dépasseront jamais le stade de projet pilote et seront abandonnées. Pourquoi ? Deux raisons principales : l’absence de « culture analytique » et la gestion des données en silos. Dans beaucoup d’entreprises, on retrouve un défi au niveau de l’accessibilité et du partage des données. Ainsi qu’une forte résistance au changement, qui mettent un frein aux projets novateurs. Heureusement, on remarque que les politiques et l’écosystème des entreprises changent. Les entreprises tendent vers des structures de moins en moins rigides ou verticales. Comment donc profiter de cette ouverture pour amener ? Comment promouvoir des initiatives en science des données sans se frotter à la résistance au changement ? Et comment devenir un » data science evangelist « ? Voici quatre éléments clés à retenir.
Préparez le terrain
Soyez à l’écoute. Il est important de comprendre la source de résistance aux projets avant de faire son pitch pour être un » data science evangelist » efficace. Vous pourriez découvrir de vos collaborateurs et supérieurs qu’il s’agit simplement d’une mauvaise compréhension et/ou une méconnaissance de la science des données (e.g. « l’intelligence artificielle va remplacer les humains ! » ou encore « la science des données c’est seulement pour les multinationales ! »). Soyez attentif à ce qu’il se dit afin d’améliorer et personnaliser votre approche avec chaque intervenant dans l’entreprise lorsque viendra le temps de vendre votre idée.
Commencez petit pour finir grand
Avec les tendances dans le marché de la science des données il est facile de viser haut et de subir un échec. C’est le cas surtout à ce qui touche à l’intelligence artificielle. Utilisons le parallèle du nouveau conducteur automobile : généralement, on se tourne vers un véhicule d’occasion fonctionnel pour débuter. Pour ensuite s’offrir un véhicule neuf plus haut de gamme, une fois ayant acquis une certaine expérience de conduite.
Cette logique incrémentale s’applique aussi en entreprise. Si celle-ci n’a que peu ou pas de maturité en analytique descriptive («reporting », « alerte », « metrics »…) évitez de proposer des initiatives en analytique prédictive ou en système expert. Au-delà de la résistance face à un tel changement, vous exposerez l’entreprise à une forte probabilité d’échec dans la mise en place du projet. En tant que » data science evangelist » faites-vous les dents sur des projets de plus petite envergure. Par la suite lancez-vous dans des pratiques avancées comme l’analytique prédictive ou les systèmes experts.
Identifiez les champions
Dans chaque équipe ou ligne d’affaires, on retrouve un spécialiste du domaine. Ce Champion s’est établi comme la référence de son secteur grâce à ses connaissances approfondies de tous les processus d’affaires qui sont indispensables pour le bon fonctionnement de l’unité. Cette dynamique lui confère un pouvoir de persuasion sur ses collaborateurs qui vous sera nécessaire pour véhiculer votre message et vos initiatives au sein de son groupe.
Le » data science evangelist » commence donc par identifier et enrôler ce Champion. Cela grâce à l’organisant des démonstrations et des sessions de travail. Son support facilitera votre travail » data science evangelist « .
Le temps est l’allié du « data science evangelist «
Le quatrième élément clé à retenir pour la mise en place d’un projet en science des données est le suivant : le temps joue en votre faveur. Il est possible que votre initiative, aussi novatrice et bien intentionnée soit-elle, ne résonne pas à l’interne. Ne baissez pas les bras; tout est une question de temps. Peut-être votre entreprise a-t-elle des priorités rigides à respecter pour le trimestre en cours. Continuez à véhiculer votre message et votre enthousiasme, on finira par vous entendre. La patience est la qualité première d’un bon » data science evangelist « .
Quels que soient votre champ d’action (migration vers l’infonuagique, robotique, DevOps…), vous pouvez mettre en application les quatre piliers proposés. Enfin, que votre projet ne soit encore qu’une idée ou que vous en soyez à la phase de déploiement, faites appel à notre équipe d’experts pour vous accompagner dans vos démarches et jouer le rôle de facilitateur.