Créer une culture de l'impact avec Lydia
Hello,
J'espère que tu vas bien !
Si tu découvres Data Gen, bienvenue ! Je m'appelle Robin Conquet et chaque semaine j'échange avec un expert de la data pour décrypter les problématiques de sa boîte. Je te propose ici une synthèse avec le podcast de la semaine, des ressources, des outils et des conseils. 🚀
Cette semaine, c'est Christelle Marfaing, Head of Data de Lydia, qui nous partage comment elle a créé une culture de l’impact au sein du département Data.
L'agenda de cette newsletter :
🎙 Le podcast avec Christelle.
🤝 Un zoom sur l’organisation Data de Lydia.
🤔 Un zoom sur 4 initiatives mises en place chez Lydia.
📚 Le blog Distill à découvrir qui explique des concepts de Machine Learning avec des visualisations très intéressantes.
📚 Le blog technologique d’AirBnB à découvrir qui propose des retours d’expérience sur leurs projets data.
👋 Les posts ouverts en Data chez Lydia.
Bonne écoute et/ou bonne lecture !
🎙 #23 - Lydia : créer une culture de l’impact
Dans cet épisode, Christelle nous parle de l’organisation du département Data, des projets de data science qu’elle y mène et surtout de son plus gros challenge : avancer sur les nouveaux projets data tout en gérant la maintenance des projets établis, moins stimulante pour les équipes en place.
Liens vers l’épisode : Spotify | Apple Podcasts | Deezer | Google Podcasts
🤝 Zoom sur l’organisation du département Data de Lydia
Chez Lydia, deux équipes Data reportent à des membres différents du comex :
Une équipe Data Analytics rattachée au COO (Chief Operating Officer) dont le rôle est :
D’évangéliser l’utilisation de la donnée au sein de tous les métiers.
D’aider les autres départements dans leurs besoins de reporting.
De réaliser des analyses ponctuelles plus complexes répondant à des besoins spécifiques (ex : lancement d’une fonctionnalité).
Une équipe Data rattachée au CTO (Chief Technology Officer) et composée de deux sous-équipes :
L’équipe Data Engineering qui :
Développe et maintient l’entrepôt de données.
Optimise le modèle de données pour que tous les utilisateurs externes puissent accéder à la donnée facilement sans passer par un profil data.
L’équipe Data Science qui met en production les services liés au Machine Learning ou au Data Mining.
Lydia a donc fait le choix de décentraliser l’équipe Data Analytics pour qu’elle soit au plus proche du métier. C’est également le choix qu’a fait Doctolib, et Kemal nous en parle dans l’épisode 11 de Data Gen, à retrouver ici !
🤔 Un zoom sur 4 initiatives mises en place chez Lydia
Pour Christelle, une équipe Data doit être capable de mener à bien des projets nouveaux visant à apporter de la valeur incrémentale (ex : réaliser un tableau de bord ou mettre en production un algorithme de scoring) tout en maintenant les projets existants (ex : migrer de Airflow 1 à Airflow 2). Le challenge est de garder les équipes motivées dans la mesure où elles souhaitent davantage travailler sur les nouveaux projets.
Voici 4 initiatives lancées chez Lydia pour optimiser l’impact de l’équipe tout en la maintenant motivée :
Chaque trimestre, chacun se voit attribuer des objectifs équilibrés :
1/3 d’objectifs de fond (ex : maintenance).
1/3 d’objectifs de roadmap en lien direct avec des clients internes ou externes (ex : nouvelles données à mettre à disposition).
1/3 d’objectifs de développement personnel (ex : réaliser une présentation, se former sur une technologie, etc.).
Le dyser :
Chaque semaine, un membre de l’équipe répond à toutes les questions internes à Lydia via Slack et qualifie les demandes entrantes (ex : identification du niveau d’urgence) pour que les autres membres du département Data puissent se concentrer sur leurs sujets en cours.
Ce n’est pas le dyser qui résout les tickets, c’est le "binôme" (cf. plus bas).
Cette initiative évite que toute l’équipe soit déconcentrée par des résolutions de bugs ou des petites demandes en continu.
En moyenne, le dyser y passe une journée en cumulé sur la semaine.
Le binôme :
Chaque semaine, deux membres de l’équipe avec des expertises différentes sont au front pour résoudre tous les tickets de résolution de bugs ou de petites demandes en pairing (à deux).
Ici la résolution à deux de ces sujets rend l’expérience plus ludique et favorise le partage de connaissances (ex : un Data Scientist peut être amené à ajouter une table dans l’entrepôt de données ou un Data Engineer peut être amené à comprendre le besoin business d’un utilisateur interne pour réparer un dashboard).
La culture de la mise en production :
Chez Lydia, tous les membres de l’équipe doivent mettre en production leurs solutions, y-compris les Data Scientists.
Cela contribue à améliorer l’expérience des Data Engineers qui passent moins de temps à reprendre intégralement le code des solutions développées et donc plus de temps à penser les bonnes pratiques de code, à améliorer la stack, à initier des nouveaux chantiers, etc.
📚 Le blog Distill à découvrir qui explique des concepts de Machine Learning avec des visualisations très intéressantes
Dans son blog, Distill propose des articles très complets qui permettent de comprendre des concepts d'apprentissage automatique ou de maths via des visualisations de données. C’est le blog tech préféré de Christelle, il faut s’accrocher mais il te plaira si tu as une formation scientifique ou si tu souhaites monter en compétence sur ces sujets !
📚 Le blog technologique d’AirBnb qui propose des retours d’expérience sur leurs projets data
Dans son blog, AirBnb propose toute une série d’articles très bien renseignés sur des projets divers. Dans son article “Data Quality at Airbnb”, l’auteur nous explique sa vision et son approche de la Data Quality avec des exemples concrets. L’auteure d’ “Empowering Data Science with Engineering Education” nous montre quant à elle à quel point il est important de former l’équipe Data Science afin qu’elle comprenne bien la stack data, sache comment accéder à la donnée et suive les bonnes pratiques de code.
👋 Les posts ouverts en Data chez Lydia
Voilà, j'espère que ce contenu t'a été utile, à la semaine prochaine ! 😘
Robin
PS 1 : si tu souhaites me soutenir, tu peux me mettre 5 étoiles et un avis sympa sur Apple Podcasts, c'est ce qui m'aide le plus à faire connaître Data Gen et à attirer des invités exceptionnels !
PS 2 : n'hésite pas à répondre directement à ce mail si tu souhaites me faire part d'un feedback sur la newsletter, le podcast ou si tu souhaites me poser une question !