LMi-MAG14 juillet - Flipbook - Page 45
turions la valeur métier réelle. Nous procédons toujours
ainsi aujourd’hui. » L’équipe a créé des générateurs de
requêtes personnalisés dans les applications, qui permettent aux utilisateurs d’extraire des informations de
certains champs en se basant sur les descriptions des
points de données. « Cela a permis à l’équipe data de se
concentrer sur des analyses plus avancées », souligne
Lonnie Johnson. « Nous avons également encouragé les
utilisateurs à donner leur avis sur le générateur de requêtes pour nous aider à mieux organiser l’information. »
L’équipe a commencé à capturer de grandes quantités de
données issues de textes et formulaires dans des bases
de données NoSQL, à la fois pour le développement rapide et de futurs traitements du langage naturel. « Si vous
utilisez des formulaires numériques pour des enquêtes,
des documents juridiques, des informations client ou tout
autre document susceptible de changer à tout moment,
l’utilisation du NoSQL peut accélérer la capture de vos
données et libérer les développeurs pour d’autres tâches
plus innovantes », conseille Lonnie Johnson.
L’entreprise a investi de façon pointue dans la data
science et les outils associés, dans le but de développer
les compétences nécessaires en interne. « Nous avons
également trouvé un partenaire avec lequel nous pouvons
travailler régulièrement pour nous aider à concevoir des
solutions utilisant l’apprentissage machine pour l’analyse
prédictive », indique Lonnie Johnson. « Cet ensemble de
compétences sur site et d’expertise extérieure approfondie a abouti à un nouveau service, qui produit en continu
des informations exploitables. »
5. Miser sur des partenaires ou équipes
cross-fonctionnelles pour améliorer
la pertinence des données
Ce point englobe tous les domaines précédemment
couverts, en particulier l’alignement de l’analytique
avec le métier et la mise à jour du modèle opérationnel.
L’équipe analytique doit être en collaboration régulière
avec les utilisateurs métier pour garantir la valeur grâce
à des données de meilleure qualité, ou inclure même
des utilisateurs métier dans le cadre d’équipes crossfonctionnelles.
« Un partenariat étroit avec les équipes métiers de votre
organisation crée une sécurité supplémentaire pour
l’exactitude des données, ce qui améliore la façon dont
les équipes data et métier exploitent les données qu’elles
voient », déclare Jessica Lachs, vice-présidente analytique et data sciences de la plateforme de commande et
de livraison de repas DoorDash. « Lorsque plus d’équipes
examinent les mêmes données, vous disposez de davan-
tage d’yeux pour repérer des anomalies que les outils
d’alerte automatique auraient pu manquer », explique
Jessica Lachs. « Un partenariat étroit contribue également à développer l’intuition métier de l’équipe data, lui
permettant de mieux comprendre les applications pratiques des données qu’elle gère. » Cela permet à l’équipe
d’être autonome et de prendre de meilleures décisions
concernant l’accessibilité, la précision et l’évolutivité en
fonction des besoins métiers, précise Jessica Lachs, qui
supervise une équipe d’analyse de 85 personnes.
Une autre clef consiste à traiter les données comme la
monnaie permettant d’évaluer les décisions et les arbitrages métiers. « Nous pensons qu’en quantifiant autant
de choses que possible, nous pouvons mieux évaluer
les arbitrages, déterminer ce qui fonctionne et ce que
nous devons améliorer, maximisant ainsi notre impact
et construisant un meilleur produit », confie Jessica
Lachs. « Pour ce faire, nous devons disposer de quantifications à jour et précises de nos principaux leviers
métiers, ce qui est un élément essentiel de la feuille de
route de mon équipe. » A partir de là, « nous pouvons
utiliser les données pour créer une monnaie interne
commune, qui nous permet d’évaluer et de comparer
les compromis sur des critères similaires - pour déterminer par exemple s’il serait préférable de réduire les
frais de livraison de 1 dollar ou d’améliorer les délais de
livraison de cinq minutes », dit Jessica Lachs. « Si vous
pouvez formuler la question en termes similaires, par
exemple en se basant sur l’augmentation du volume de
commandes, l’arbitrage devient plus clair, tout comme
la valeur pour l’entreprise. »
APPROFONDIR
ÉCOUTER EN LIGNE
Podcast
cutt.ly/podcast-maximiser
LIRE EN LIGNE
Article
cutt.ly/article-maximiser
45