6 manières de faire face à la pénurie de profils Data

Si vous êtes activement en train de recruter des profils au sein de votre DSI ou de votre équipe Data, vous êtes probablement déjà au courant …Sinon, vous voyez probablement sur Linkedin des offres d’emplois qui circulent depuis plusieurs mois …

Il est très difficile de recruter des experts Data en ce moment, tant la demande est forte et exigeante, et tant les profils Data sont peu nombreux par rapport à cette demande.

Récemment, un expert Data nous confiait d’ailleurs qu’il lui fallait en moyenne 9 mois pour recruter un Data Scientist. 9 mois, c’est très long. Trop long …

Alors, dans ce contexte, quels sont les leviers à votre portée pour continuer de traiter efficacement toutes vos données ? Quelles actions concrètes pouvez-vous mettre en place pour utiliser efficacement ces 9 mois de recrutement, tout en assurant vos missions d’équipes Data ?

 On vous livre quelques pistes !

1) Investir dans une culture Data d’entreprise

Traiter efficacement ses données nécessite que l’ensemble des employés et des parties prenantes de l’entreprise embrassent une culture autour de la donnée.

La donnée n’est pas le sujet uniquement de la DSI et des équipes Data, mais bien du ressort de tous dans l’entreprise. Penser le contraire contribuerait à renforcer le fossé entre les équipes métiers et les équipes Data et vous ferait perdre en efficacité et en temps.

2) Améliorer la collecte des données

D’ailleurs, l’une des problématiques récurrentes quand on parle de qualité des données concerne la qualité des données collectées par les collaborateurs d’une entreprise. C’est souvent le cas dans les sociétés de services, dans lesquelles une partie des collaborateurs est au contact direct des clients, ou encore dans certaines organisations publiques dans lesquelles de nombreux rapports sont manuscrits. Très souvent cette donnée comprend des erreurs, des incohérences, des fautes d’orthographe, des données aberrantes, manquantes … qui sont intrinsèquement liés au caractère manuscrit et humain de ces données.

Dans ce contexte, le mot d’ordre est : accompagner.

L’une des pistes consiste à prendre le temps de diffuser une culture de la donnée à tous les niveaux de l’organisation.

Accompagner la collecte de la donnée à tous les niveaux de l’entreprise vous fera gagner du temps de préparation et de traitement de la donnée. Cela vous évitera également de nombreux aller-retours (et encore quand cela est possible !) avec les équipes qui collectent cette donnée pour la comprendre et se l’approprier.

Pour cela, les collaborateurs doivent tous comprendre les enjeux Data de l’entreprise :

– Quelles données sont-elles utilisées ?

– Comment sont-elles collectées ?

– A quoi servent ces données ?

– Comment puis-je à mon niveau améliorer la stratégie Data de l’entreprise ?

Impliquer toutes les équipes montre des résultats importants, comme le décrit Isabelle Brochu, directrice Innovation Méthode et Partenariats chez Tingari, filiale de Manpower Group :

« On a besoin absolument de mener cette acculturation à la data au sein de Tingari, pour donner du sens surtout à nos collaborateurs, qui saisissent ces données, leur expliquer pourquoi cette saisie de la donnée va permettre à l’entreprise de se développer beaucoup plus. Et évidemment, si une entreprise se développe, et est plus performante, c’est aussi au bénéfice de tous les collaborateurs. »

Isabelle Brochu, Directrice Innovation, Méthode et Partenariats chez Tingari, filiale de Manpower Group

3) Retenir ses talents Data

Nous l’avons compris, les profils sont fortement demandés, et en même temps, ils sont souvent sous pression et fortement sollicités. Chez les Data Engineers notamment, la tentation est forte de changer de job.

Les raisons de ce constat ?

Les profils Data se sentent stressés et du fait de leur rareté, ils sont aussi sur-sollicités dans leurs organisations. La tension sur le marché des experts Data étant en forte, il est important de mettre en place les conditions favorables afin de les retenir au sein de vos organisations et éviter le turn-over des équipes.

4) Diminuer la frustration des équipes

Dans la réalisation de leurs missions, de nombreux acteurs Data se sentent frustrés car ils passent trop de temps sur des tâches à faible valeur ajoutée. C’est le cas par exemple de la phase de Data Preparation, de nettoyage et de mise en qualité des données, qui prend en moyenne 70% de temps d’un expert de la donnée. Ce temps est souvent considéré comme mal utilisé, mal exploité par les experts eux-mêmes.

Posez-vous la question : comment mon organisation peut créer les conditions favorables à l’épanouissement de mes experts de la donnée ? Quels outils peut-on mettre en place pour leur permettre d’exprimer tout leur talent et les rendre fiers de travailler pour mon organisation ? Quels chantiers prioritaires peut-on mettre en place pour leur faire gagner un maximum de temps ?

La réponse peut être multiple : identifier des outils qui apporteront un gain de temps et d’efficacité sur la phase de préparation de la donnée, soutien en interne aux experts de la donnée ou bien soutien externe …

5) Prioriser des solutions de traitement de la donnée efficaces

Enfin, pour pouvoir réellement voir le ROI de leurs actions, les équipes Data doivent pouvoir prioriser leur temps sur des actions à forte valeur ajoutée, comme l’analyse ou la modélisation. En parallèle, les experts métiers doivent pouvoir s’appuyer sur des analyses dans lesquelles la qualité de la donnée est irréprochable.

Pour cela, il est indispensable de faire gagner du temps aux experts de la donnée, pour rééquilibrer le temps passé entre des tâches à forte valeur ajoutée et des tâches plus répétitives et plus ingrates.

Aujourd’hui, si 70% du temps passé par les équipes Data consiste à intégrer, nettoyer et mettre en qualité la donnée, ce traitement de la donnée, bien que nécessaire peut largement aujourd’hui être diminué en s’appuyant sur une Data Stack solide et efficace.

6) Envisager le no-code

Avez-vous d’ailleurs pensé au no-code ?

Une solution no-code de Data Preparation et Data Science comme Amadea présente de nombreux avantages :

• Amadea réduit le temps de préparation de données et anticipe tous les traitements nécessaires sur vos données (données manquantes, aberrantes, formats de données etc). Vos équipes seront donc moins frustrées car elles pourront passer plus de temps sur des traitements à plus forte valeur ajoutée.
• Grâce à l’aspect no-code, Amadea ouvre le traitement de données à des profils qui ne codent pas forcément. Vous pourrez ainsi faire monter en compétences des profils dans votre organisation et ainsi continuer à adresser toutes vos problématiques Data.

Privilégier des solutions de Data modernes, efficaces et no-code, permettent ainsi de réduire le fossé entre l’équipe Data Science et le reste de votre organisation. Cela permet également de mieux équilibrer le temps de vos experts Data. Vous capitalisez ainsi sur les équipes présentes et vous dégagez ainsi du temps et de l’énergie pour trouver les perles rares qui renforceront vos équipes.

*Source : Datakitchen