Rendre les équipes métier autonomes avec Nickel
Hello,
Bienvenue dans l’édition #24 de la newsletter Data Gen ! On est désormais 1073 dans cette communauté. 😁
Cette semaine, on remercie Paul pour son retour d’expérience sur la décentralisation des Data Analysts chez Nickel. 👋
Avant tout, voici quelques liens utiles :
On t'a partagé ce mail ? Inscris-toi à la communauté pour recevoir les prochaines éditions.
Ajoute-moi sur LinkedIn si ce n'est pas encore fait, je partage du contenu data chaque semaine.
Abonne-toi à la chaîne YouTube. Les interviews sont maintenant disponibles en format vidéo.
L'agenda de la semaine :
🔍 Zoom sur une approche pour rendre les équipes métier autonomes.
🎙 Le podcast avec Paul, Head of Data chez Nickel.
📚 La ressource recommandée par Paul.
C’est parti !
📢 Cette édition est rendue possible par Amplitude, la solution de Product Analytics
Amplitude permet aux équipe Produit, Data et Marketing d’explorer le comportement des utilisateurs avec une approche self-service. Ils sont leader sur ce marché. J'ai rencontré l'équipe pour qu'ils me fassent une démo et c'est vraiment bluffant ! N'hésitez pas à contacter Hugo si vous souhaitez en savoir plus.
Son mail : hugo@amplitude.com
🔍 Zoom sur une approche pour rendre les équipes métier autonomes - 3 min
Ce zoom est tiré de mon échange avec Paul, le Head of Data de Nickel, la scaleup qui permet à tout le monde de s’ouvrir un compte courant depuis un bureau de tabac. Ils ont déjà ouvert 3 millions de comptes clients.
“Notre mission, c’est de permettre à n’importe qui d’envoyer et de recevoir de l’argent facilement.”
Les limites du modèle centralisé
A l’origine, l’équipe Data de Nickel était centralisée. Ce modèle fonctionnait bien pour répondre aux besoins data de l’entreprise au départ (ex : 0 - 300 collaborateurs). Au fur et à mesure que l'entreprise grossissait, le modèle a rencontré des limites :
1) Perte d’efficacité : l’équipe Data était moins proche des équipes métier, elle comprenait moins bien les besoins et devenait un goulot d’étranglement.
2) Perte de sens : l’équipe Data avait l’impression d'être uniquement dans la production et de ne plus faire de l'analyse de données.
“Ce sont ces constats qui nous ont fait réfléchir : comment est-ce qu'on peut donner le pouvoir aux équipes métier, qu'ils soient capables de faire eux-même leurs analyses ?”
Le test de l’organisation hybride
L’objectif était de recruter des Data Analysts directement dans les équipes métier. Pour commencer, il fallait créer un succès. L'équipe Data travaillait beaucoup avec l’équipe Conformité qui s’occupe notamment de lutter contre le blanchiment d’argent. Ils ont décidé ensemble de recruter un Data Analyst dans cette équipe.
“Ça a été une révolution. Le Data Analyst qui était assis chez eux a pu leur donner une bien meilleure visibilité sur l'état du blanchiment d'argent que ce que nous on était capable de leur fournir via un système de ticketing.”
Les 2 risques liés à la décentralisation
1) Perte de confiance dans la donnée
“Si les Data Analysts travaillent dans leur coin, deux équipes peuvent obtenir des résultats différents sur un même KPI (ex : définitions et calculs différents). Au bout d'un moment, plus personne ne fait confiance à la donnée.”
2) Perte de connaissance
“Si les Data Analysts travaillent de façons différentes avec des outils différents, on peut tout perdre lorsqu'ils partent."
L’importance d’une équipe centrale forte
Son rôle doit être d’animer la communauté data pour harmoniser les approches de chaque équipe : outils, conventions, … Cette animation va également permettre de créer un sentiment d’appartenance qui motive les Data Analysts décentralisés à adopter les approches communes.
“Ce n'est pas à l'équipe centrale d'imposer mais c'est à l'équipe centrale d'animer pour que la communauté prenne ces décisions.”
🎙 Le podcast avec Paul, Head of Data chez Nickel
Découvre l'intégralité de notre échange avec Paul. Il nous détaille plusieurs projets menés (ex : tableaux de bord en self-service, interface permettant aux Data Analysts de mettre en production des algorithmes, etc.). Il nous parle également du fonctionnement entre l'équipe centrale et les Data Analysts décentralisés.
"Les Analytics Engineers en central font des points toutes les semaines pour accompagner les Data Analysts afin d'enrichir et de maintenir un modèle de données commun dans DBT."
Liens vers l’épisode : YouTube | Spotify | Apple Podcasts | Deezer
📚 La ressource recommandée par Paul
“Monzo était à l'époque une fintech plus mature. Ça a été assez fondateur au début de s'inspirer de leur modèle pour l'organisation du pôle Data de Nickel."