Exotec : Structurer l'équipe Data et préparer le Self-Service (organisation, architecture, décentralisation)
#152 - Le zoom, le podcast avec Grégory et sa ressource préférée
Hello,
Bienvenue dans l’édition #152 de la newsletter DataGen ! 👋
L’agenda de la semaine :
🔍 Zoom sur la structuration de l'équipe Data chez Exotec
🎙 Le podcast avec Grégory, Head of Data chez Exotec
📚 La ressource recommandée par Grégory
📆 Le prochain bootcamp Analytics Engineering démarre le 2 juin
C’est parti !
🔍 Zoom sur la structuration de l’équipe Data chez Exotec - 4 min
Ce zoom est tiré de mon échange avec Grégory, Head of Data chez Exotec, la pépite industrielle française qui produit des robots et des systèmes automatisés à destination des entrepôts. Ils travaillent notamment avec Uniqlo, Decathlon ou encore PepsiCo. Avant de rejoindre Exotec, Grégory était Directeur Analytics chez Decathlon où il encadrait plus de 100 profils data.
Le contexte de départ : une orga “helpdesk” centrée sur la BI
Quand Grégory arrive chez Exotec il y a deux ans, il est le premier manager data d'une équipe de 4-5 personnes. L'équipe hérite de 60 à 70 dashboards construits un peu partout dans l'entreprise. Elle fonctionne en mode helpdesk (les métiers font des tickets, l'équipe répond) et l’activité est exclusivement orientée BI.
“On était assez loin de ce que je voulais construire. J’ai une vision de l’analytics qu’on pourrait qualifier de “dashboardless” : je pense que le futur de l’analytique, ce ne sera pas de produire des dashboards tout le temps.”
Chantier #1 : Construire la confiance
Grégory lance un premier chantier purement fonctionnel. L’objectif est d’établir un cadre de confiance avec les métiers (Finance, Supply, RH…).
Il y a eu 3 axes :
- Comprendre la compréhension des spécificités de chaque domaine (ex : la Finance a ses clôtures comptables, les équipes terrain ont besoin d’être autonomes…).
- Clarifier le fonctionnement de l’équipe Data (ex : ce que chaque équipe peut demander ou pas, comment l’équipe Data va répondre, où elle en est sur les projets…).
- Délivrer de la valeur rapidement (ex : avant de réfléchir aux gros projets qui prennent 6 mois, il faut se concentrer sur les quick wins).
“La confiance, elle est beaucoup passée par le fait de montrer que la data savait délivrer et trouver des solutions aux problèmes.”
Chantier #2 : Refondre l’architecture pour préparer la décentralisation et le Self-Service
La plateforme existante était monolithique (l’équipe travaillait sur un seul projet GCP qui mélangeait ingestion et analytique). Elle n’était pas suffisamment industrialisée pour envisager sereinement une décentralisation et du Self-Service.
L’équipe a mené plusieurs sous-chantiers techniques :
- Ils ont modularisé la plateforme en créant des modules distincts (ingestion, analytics, gouvernance) et des environnements de prod, pré-prod et sandbox pour les analysts bien séparés.
- Ils ont automatisé les configurations pour éviter d’avoir trop de paramétrages manuels sur l’infrastructure et renforcer la réactivité et la fiabilité de la plateforme.
- Ils ont mis en place les bonnes règles de traitement des données personnelles.
"L’objectif était de préparer le futur et la décentralisation. Il y a beaucoup de spécificités dans chaque domaine. On aura demain des environnements analytics Supply, Finance, RH… spécifiques ou les métiers pourront préparer leurs données en autonomie.”
La stack aujourd'hui : Python et Airflow côté engineering, SQL et dbt côté analytique, PowerBI pour la visualisation. L'équipe teste la couche sémantique de PowerBI et les outils GenAI (Copilot, Gemini) pour permettre un accès à la donnée en langage naturel.
Chantier #3 : Décentraliser et spécialiser les Data Analysts
L’équipe est passée de 4-5 à 12 personnes en deux ans. Aujourd’hui, elle se compose de 3 Data Engineers, 7 Data Analysts et 1 Product Manager.
Grégory a amorcé la décentralisation du côté des Data Analysts :
- Ils se sont spécialisés par domaine (Supply, Finance, RH…).
- Les profils les plus seniors passent 50% de leur temps directement intégrés dans les équipes métiers.
“Quand ils sont avec leur domaine, ils sont ambassadeurs de l’équipe Data, ils produisent des livrables concrets pour apporter de la valeur et accompagnent les utilisateurs de la data. Sur l’autre moitié de leur temps, ils s’assurent que la plateforme évolue dans la bonne direction.”
🎙 Le podcast avec Grégory, Head of Data chez Exotec
On aborde :
Le parcours de Grégory : Cofidis, Decathlon, Exotec
Le contexte de départ : une orga “helpdesk” centrée sur la BI (cf. zoom)
Chantier #1 : Construire la confiance (cf. zoom)
Chantier #2 : Refondre l’architecture et la stack (cf. zoom)
Chantier #3 : Décentraliser et spécialiser (cf. zoom)
Les difficultés : construire sur un terrain qui bouge, prouver la valeur de la data
Le challenge du recrutement : le décalage entre le besoin et le marché
Sa vision de l’analytics dashboardless : automatisation des décisions et intégration dans les outils opérationnels
Les prochaines étapes : Self-Service, couche sémantique, GenAI, observabilité et gouvernance
“Les gens, ils utilisent nos dashboards, ils en sont contents, mais la vraie question, c’est est-ce que ça a un impact pour l'entreprise ? Je t'ai donné des chiffres mais concrètement, tu en as fait quoi ? Et quel impact ça a permis d'avoir sur l'entreprise ?”
Liens vers l’épisode : Apple Podcasts | Spotify
📚 La ressource recommandée par Grégory
Le livre Antifragile de Nassim Taleb
“Souvent, on conçoit que ce qui est fragile, c'est ce qui va se casser sous contrainte et on le met en opposition à ce qui est solide. Lui, il expose un autre concept : l'antifragilité. Ce qui se renforce avec la contrainte. Ça m'a fait reconsidérer beaucoup de choses. On essaye trop de structurer, de stabiliser. Ce n'est peut-être pas ça la vraie clé.”
📆 Le prochain bootcamp Analytics Engineering démarre le 2 juin
En 2024, DataGen a lancé un bootcamp en Analytics Engineering en collaboration avec DataBird.
Le besoin en Analytics Engineers ou en Data Analysts “Full-Stack” a explosé.
J’observe cette tendance au quotidien dans mes échanges avec les leaders et experts data sur DataGen.
On a décidé avec DataBird d’unir nos forces pour créer le 1er bootcamp spécialisé sur le sujet :
✅ DataGen apporte sa vision du marché pour co-construire le programme
✅ DataBird apporte son expertise dans la formation (4000+ profils data formés)