Lancer l'Ă©quipe Product Analytics de Contentsquare (đŠ Licorne valorisĂ©e 5.6 Milliards)
#55 - Le zoom, le podcast, la ressource de Chloé et une histoire de reconversion
Hello,
Bienvenue dans lâĂ©dition #55 de la newsletter DataGen ! đ
L'agenda de la semaine :
đ Zoom sur le lancement dâune Ă©quipe Product Analytics
đ Le podcast avec ChloĂ©, Sr. Manager Product Analytics chez Contentsquare
đ Les ressources recommandĂ©es par ChloĂ©
đ Une histoire de reconversion avec Aymeric
Câest parti !
đą Cette Ă©dition est rendue possible par Data Bird, le bootcamp spĂ©cialisĂ© sur la Data
Lien vers leur site internet : ici
đ Zoom sur le lancement dâune Ă©quipe Product Analytics -Â 3Â min
Ce zoom est tiré de mon échange avec Chloé, Manager Product Analytics chez Contentsquare, la licorne Française qui propose un outil d'analyse data dédié à l'amélioration des parcours utilisateurs.
Contentsquare a connu une croissance exceptionnelle nourrie par des levĂ©es de fonds records dont la derniĂšre en date Ă©tait de 600 millions dâeuros en 2022.
Aujourdâhui, ils sont 1500 collaborateurs prĂ©sents dans 15 bureaux dans le monde et ont plus de 1000 clients.
La genĂšse de lâĂ©quipe Product Analytics
Initialement, ChloĂ© Ă©tait Lead Analytics au sein dâune Ă©quipe Business Intelligence centralisĂ©e et supportait notamment lâĂ©quipe Produit.
Lâhypercroissance de Contentsquare a fait Ă©merger des nouveaux besoins Analytics au sein de lâĂ©quipe Produit :
- Une plus haute fréquence de mise à jour des tableaux de bord pour suivre plus finement les impacts des évolutions du produit.
- Des analyses prescriptives pour mieux identifier les zones du produit à améliorer.
Ils ont donc décidé de lancer une équipe Product Analytics rattachée au département Produit pour adresser au mieux ces besoins.
âIl y a eu un trĂšs fort sponsorship. La CPO (Chief Product Officer) avait une forte volontĂ© de crĂ©er cette Ă©quipe.â
Chloé distingue 4 étapes.
1) âRecruterâ et crĂ©er l'Ă©quipe
Les Products Analysts sont venus de 2 équipes internes à Contentsquare pour couvrir les 2 besoins analytics identifiés (tableaux de bord et analyses prescriptives) :
- LâĂ©quipe Business Intelligence d'oĂč venait ChloĂ© qui maĂźtrisait parfaitement la mise en place de tableaux de bord.
- Une Ă©quipe de Consultants Data Analysts spĂ©cifiques Ă Contentsquare qui font des analyses prescriptives pour les clients Contentsquare, qui utilisent le produit quotidiennement et savent comment lâamĂ©liorer. Le second Lead qui a montĂ© lâĂ©quipe avec ChloĂ© venait de cette Ă©quipe.
âUnir ces deux Ă©quipes a permis d'avoir les 2 compĂ©tences directement rattachĂ©es au service des Ă©quipes Produit.â
2) Se former mutuellement
Ătant donnĂ© que les membres de la nouvelle Ă©quipe Product Analytics venaient de 2 Ă©quipes diffĂ©rentes, il a fallu les former sur les compĂ©tences qu'ils n'avaient pas.
Les membres issus de lâĂ©quipe Business Intelligence se sont formĂ©s sur des analyses prescriptives et les membres issus de lâĂ©quipe Conseil Data Analyse se sont formĂ©s sur la mise en place de tableaux de bord.
âC'est une pĂ©riode qui a durĂ© un peu plus dâun mois. Toutes les personnes de l'Ă©quipe Ă©taient dĂ©jĂ chez Contentsquare et avaient un niveau assez senior ce qui nous a permis d'aller vite.â
3) Prouver lâimpact de lâĂ©quipe
Ils lâont fait en produisant des analyses assez macro. Par exemple : quels sont les facteurs clĂ©s de la rĂ©tention client ?
Le fait d'avoir des conclusions rapidement qui servent lâĂ©quipe Produit mais aussi les autres Ă©quipes (ex : Customer Success, Sales, etc.) a permis de prouver leur impact et dâĂȘtre visible auprĂšs de toute l'entreprise.
âUne fois qu'on prĂ©sente ces analyses, trĂšs vite, il y a une autre personne qui va ĂȘtre intĂ©ressĂ©e et on va aller les prĂ©senter Ă leurs Ă©quipes. Et trĂšs vite, on sâest retrouvĂ© Ă les prĂ©senter Ă des meetings avec toute la boĂźte.â
4) Consolider et prioriser
Ici, Chloé a évoqué plusieurs sous-chantiers :
- Recruter des personnes externes
âLâobjectif Ă©tait dâenrichir notre connaissance du mĂ©tier de Product Analyst pour avoir des nouvelles visions, dĂ©couvrir comment câĂ©tait fait ailleurs et sâamĂ©liorer.â
- Consolider les analyses
âLorsquâon arrive Ă un stade oĂč beaucoup d'analyses ont Ă©tĂ© crĂ©Ă©es, il faut les documenter, les rendre facilement accessibles et les enrichir plutĂŽt que de rĂ©inventer la roue Ă chaque fois.â
- Elargir sa cible
âAu dĂ©but, on Ă©tait trĂšs attendu Ă un niveau Product Manager pour la discovery, la priorisation des opportunitĂ©s et les tableaux de bord. Aujourdâhui, notre impact est plus large. On priorise des analyses utiles aux Product Directors et Ă lâĂ©quipe Produit toute entiĂšre.â
- Communiquer sur les analyses
âCâest crucial de toujours travailler sur la visibilitĂ© de l'Ă©quipe. Les analyses ne doivent pas rester dans un coin. Tout le monde doit en profiter et pas seulement lâĂ©quipe Produit.â
- Avancer sur la technique
âUne fois lâimpact de lâĂ©quipe prouvĂ©, on peut se dĂ©gager du temps pour avancer sur des chantiers techniques. Typiquement, on est en pleine migration vers la Modern Data Stack.â
đ Le podcast avec ChloĂ©, Sr. Manager Product Analytics
On aborde Ă©galement :
Le parcours de Chloé pour devenir Sr. Manager Product Analytics chez Contentsquare,
Les plus grosses difficultĂ©s quâils ont rencontrĂ©es : rester concentrĂ© sur les projets Ă fort impact,
Les prochaines Ă©tapes : Modern Data Stack et Self-Service,
âLa tentation est trĂšs forte de rĂ©pondre Ă toutes les demandes Ă plus petites valeurs ajoutĂ©es. Encore une fois, on a rĂ©ussi Ă se concentrer sur des analyses de fond grĂące Ă un sponsorship fort du management.â
Liens vers lâĂ©pisode : Apple Podcasts | YouTube | Spotify | Deezer
đ Les ressources recommandĂ©es par ChloĂ©
âCe sont des petites news snackables sur des sujets data. Le matin avec un cafĂ©, ça sây prĂȘte trĂšs bien.â
âJe m'en sers beaucoup pour prĂ©parer les 1-to-1 avec mes Ă©quipes qui ne sont pas des discussions sur la performance, mais vraiment des discussions que j'ai une fois par trimestre sur la motivation, les frustrations du moment, etc. Ăa a Ă©tĂ© clĂ© pour moi d'avoir cette ressource.â
đ Une histoire de reconversion avec Aymeric
Dans cet Ă©pisode, je reçois Aymeric Bescos qui sâest reconverti de Journaliste vers un rĂŽle de Consultant Data Analyst chez Mydral, le cabiner de conseil spĂ©cialisĂ© sur la data. On aborde son parcours, sa formation avec DataBird et les Ă©lĂ©ments de sa formation qui lui servent le plus aujourdâhui.
âLe 2Ăšme aspect qui a Ă©tĂ© important pour moi, c'est la confiance que ça m'a apportĂ© parce qu'on a vu beaucoup de choses techniques sur des langages de programmation. On a fait notamment du SQL et du Python.â
Liens vers lâĂ©pisode : Apple Podcasts | YouTube | Spotify | Deezer