Fusionner les équipes data après un rachat avec SumUp
Hello 👋
J'espère que tu vas bien !
Bienvenue dans la 14ème édition de la newsletter Data Gen. Vous êtes maintenant 804 à me lire. Merci. ❤️
Tu as manqué le webinar sur la stratégie Data d’Aircall ? Voici le lien vers le replay sur LinkedIn.
Avant tout, voici quelques liens utiles :
On t'a partagé ce mail ? Inscris-toi à la communauté pour recevoir les prochaines éditions.
l’édition #13 sur l’équipe Product Analytics de Dashlane.
l’édition #11 sur la gestion des KPIs dans les zones de divorce avec La Fourche.
L'agenda de la semaine :
🔍 Le zoom sur la fusion des équipes Data après un rachat.
🎙 Le podcast avec Nolwenn, Head of Data POS Tribe chez SumUp.
📚 La ressource recommandée par Nolwenn.
C’est parti !
🔍 Le zoom sur la fusion des équipes Data après un rachat - 4 min
Ce zoom est tiré de mon échange avec Nolwenn qui est Head of Data de la POS Tribe (Point of Sale) de SumUp, la licorne européenne qui fournit un boîtier de paiement et une caisse enregistreuse pour les commerçants.
Elle m'a parlé d'un de ses plus gros challenges de ces dernières années : l'élargissement de son scope suite à plusieurs rachats de startups par SumUp.
"Notre équipe Data s'est retrouvée à gérer le scope de 3 startups qui sont devenues la POS Tribe : Tiller, Goodtill et l'entité caisse enregistreuse qui avait été lancée par SumUp."
Créer un reporting commun avec des process et des sources de données différentes
Il était crucial de mettre en place rapidement un reporting avec les métriques principales afin de piloter l'activité (e.g. Monthly Recurring Revenue, Nombre de nouveaux clients, Taux de conversion, etc.).
Le problème résidait dans la diversité des process et des outils des 3 startups. Par exemple, elles n'avaient pas les mêmes CRM, KPIs, process de vente, etc.
"Même si on vendait tous une caisse enregistreuse, on avait des façons de faire différentes. On ne parlait pas le même langage."
Par ailleurs, le premier conseil qu'on a donné à SumUp était de ne pas se lancer dans des migrations d’outils complexes tant que ça pouvait être évité. En effet, celles-ci peuvent ralentir significativement les opérations d'une entreprise. Par exemple, ils ont décidé de ne pas migrer au départ vers un même CRM.
"La ou la data a pris tout son sens, c'est que plutôt que d'attendre ces migrations pour suivre des indicateurs communs, on a modélisé les données pour créer des KPIs communs aux 3 startups."
Un chantier en 3 étapes
1) Comprendre et documenter l'existant
Nolwenn a rencontré toutes les équipes Business (Sales, Marketing, etc.) afin de comprendre leurs besoins, les KPIs utilisés à date, les définitions et les sources de données. Tout a été documenté puis validé avec ces mêmes équipes.
"Il fallait leur expliquer qu'on avait bien compris leur business et qu'ils pouvaient nous faire confiance pour avancer."
2) Sélectionner 10 KPIs puis s’aligner sur les définitions
Il a fallu se mettre d'accord avec chaque équipe Business sur une liste de KPIs, leurs définitions et comment les calculer dans le détail (e.g. un prospect devient client à l'étape X dans le CRM de Goodtill versus à l'étape Y dans celui de Tiller).
"Il était important de travailler en collaboration avec toutes les équipes pour s'assurer qu'on ne perdait personne en chemin. Quand on a fait des recrutements pour ce genre de poste, le critère principal était de trouver quelqu'un de diplomate."
3) Ingérer puis modéliser la donnée dans le Data Warehouse
L'équipe de Nolwenn a pu aller vite à cette étape grâce à la stack technique moderne qui avait déjà été mise en place. Par exemple, l'outil Fivetran a permis d'ingérer les données des différentes sources en quelques clics. Ensuite, l'outil DBT a permis de modéliser rigoureusement les données (e.g. conventions de nommages, mise en place de tests, code reviews, etc.).
"Au final, on a pu mettre à disposition les KPIs dans des tableaux de bord tout en étant agnostique des sources de données."
🎙 Le podcast avec Nolwenn, Head of Data POS Tribe chez SumUp
N’hésite pas à écouter notre échange avec Nolwenn. Elle nous parle de son parcours et nous raconte plus en détail les difficultés rencontrées dans le cadre de ce projet.
“Les plus grosses difficultés étaient liées au change management, à la data quality et à la perte de visibilité sur les données.”
Liens vers l’épisode : Spotify | Apple Podcasts | Deezer | Google Podcasts
📚 La ressource recommandée par Nolwenn
"C’est une communauté Data francophone à destination des leaders de la data.”