Scaler une organisation Data distribuée avec Getaround
Hello 👋
J'espère que tu vas bien !
Bienvenue dans la 16ème édition de la newsletter Data Gen. On est maintenant 854 passionné(e)s dans cette communauté ! Bienvenue aux 30 nouveaux depuis la semaine dernière. 😁
On organise un meetup mardi prochain avec Artefact et Airbyte. Ce sera l'occasion de se rencontrer ! Je t'en dis plus à la fin de la newsletter. 👇😁
Avant tout, voici quelques liens utiles :
On t'a partagé ce mail ? Inscris-toi à la communauté pour recevoir les prochaines éditions.
la 2ème édition sur l’Analytics Engineering.
L'agenda de la semaine :
🔍 Le zoom sur 5 initiatives à lancer pour maintenir la qualité des projets data.
🎙 Le podcast avec Guillemette, Head of Data Europe chez Getaround.
📚 Les ressources recommandées par Guillemette.
📆 Un meetup sur la Modern Data Stack.
C’est parti !
🔍 Le zoom sur 5 initiatives à lancer pour maintenir la qualité des projets data - 3 min
Ce zoom est tiré de mon échange avec Guillemette, Head of Data Europe chez Getaround, la plateforme qui met en relation les propriétaires et les locataires de voiture. En Europe, c'est l'ancien Drivy qui a été racheté 300 millions de dollars par son concurrent américain.
Lorsque l'équipe Data a commencé à scaler, le plus gros challenge de Guillemette a été de maintenir la qualité des projets data.
"On développait plein de choses très vite et on avait l'impression de générer de la dette technique vitesse grand V."
Voici 5 initiatives qu'elle a mis en place :
1) Dédier 20% du temps de l'équipe à des projets internes
1 jour par semaine est dédié aux sujets de fond (ex : définition de bonnes pratiques, mise en place de tests). Par ailleurs, les jeudis après-midi ont été bloqués pour que l'équipe Data puisse travailler ensemble sur ces sujets.
"Grâce aux jeudis après-midi bloqués, les sujets ne sont pas dépriorisés par rapport aux projets qui émanent du métier ou du produit."
2) Lancer un chantier User Research pour récupérer des insights
L'équipe Data s'est inspirée de ce que faisait l'équipe Design. Ils ont mené des entretiens avec plein de clients internes (ex : Produit, Marketing). L'objectif était de comprendre comment ils intéragissaient avec la data et s'ils identifiaient des problèmes et des axes d'amélioration.
"Même si on parle avec eux au quotidien, ce n'est pas pareil de mener ces entretiens avec un point de vue recherche utilisateur."
3) Atteindre un haut niveau de couverture de tests sur le code
L'équipe Data a investi beaucoup d'énergie dans la qualité de son code. Elle a réalisé des ateliers pour redéfinir ses règles de modélisation de données et de code. Elle s'est défini un objectif de taux de couverture de tests à atteindre dans DBT (outil de modélisation).
"On a pris des après-midi entières où on est allé ajouter des tests partout dans la code base pour s'assurer de la rendre plus robuste. On avait 2000 modèles, donc ça faisait pas mal de tests !"
4) Repenser l'organisation de son outil de Business Intelligence
Avec son équipe, Guillemette a repensé la navigation dans Tableau pour la rendre plus intuitive en fonction des retours rassemblés via le chantier User Research.
Par exemple, il ont défini un code simple et visuel avec des émojis dans les titres des tableaux de bord pour informer de leur statut : mis à jour, n'est plus maintenu, etc.
5) Mettre en place des Design Critics pour identifier et faire adopter des bonnes pratiques
Ici aussi, l'équipe Data s'est inspirée de ce que faisait l'équipe Design. Celle-ci a l'habitude de présenter les mockups d'une fonctionnalité aux Product Managers et à d'autres Designers.
Dans le cas de la data, l'idée est que les Data Analysts organisent systématiquement une réunion avec 3-4 autres Data Analysts pour prendre du feedback sur les dashboards qu'ils s'apprêtent à livrer.
"Ces reflexions régulières sur les dashboards en équipe ont fait émerger des bonnes pratiques. Celles-ci sont maintenant naturellement adoptées par l'ensemble de l'équipe."
🎙 Le podcast avec Guillemette, Head of Data Europe chez Getaround
Découvre l'intégralité de notre échange avec Guillemette. Elle nous parle également des avantages et des risques liés à une organisation distribuée. Elle nous raconte la migration technique qu'ils ont mis en place et comment ils se sont réorganisés pour pouvoir scaler.
"Maintenant, on est organisé en 5 sous-pôles Data qui sont centralisés au sein d'une unique équipe Data qui est rattachée au département produit."
Liens vers l’épisode : Spotify | Apple Podcasts | Deezer | Google Podcasts
📚 Les ressources recommandées par Guillemette
"La newsletter hebdomadaire du fondateur de DBT qui sélectionne des articles sur l'Analytics Engineering. Elle est de très bonne qualité."
"J'aime beaucoup suivre les influenceurs de la data sur Twitter. Ben Stancil par exemple, le cofondateur de modeanalytics, publie des articles tous les vendredis. Ca déclenche souvent des débats animés et marrants à suivre."
📆 Un meetup sur la Modern Data Stack
Avec Artefact et Airbyte, on organise un meetup mardi 17 janvier à 18h30 dans les locaux d'Artefact au 17 rue Richer 75009 Paris. Au programme, il y a aura une présentation de l'ETL Airbyte, des retours d'expérience sur l'implémentation de DBT par des Data Engineers de chez Artefact et un zoom sur l'usage de Looker chez Aircall avec Michael Hodara et Philippine Marionnet, Product Data Analysts.
Liens pour s'inscrire : ici