Comment Ornikar a structuré une équipe Data résiliente en phase de scale
Introduction
Ornikar doit aujourd’hui faire face à des enjeux de structuration et d’organisation dans un contexte de très forte croissance. Nous sommes actuellement près de 220 collaborateurs, avec un plan de recrutement ambitieux sur 2022/2023. L’équipe Data, qui a grandi en même temps que l’entreprise, est une fonction centrale en lien avec toutes les équipes, et est à ce titre présente au comité stratégique d’Ornikar. Cet environnement favorable, relativement rare, nous donne une grande liberté dans la définition de nos métiers et de leur périmètre et nous a permis de créer une équipe Data solide capable de répondre aux enjeux immédiats tout en construisant une structure pérenne. Dans cet article, nous allons détailler la philosophie et les convictions qui sont derrière l’organisation actuelle de l’équipe.
Un positionnement central au service des autres équipes
Positionner la Data comme une fonction centrale au service des business units et des fonctions transverses nous permet de répondre aux besoins de données nécessaires à l’activité des équipes, mais également de pouvoir prendre suffisamment de recul sur l’opérationnel et construire des produits structurants pour accompagner la stratégie long terme d’Ornikar.
L’équipe Data a donc trois missions chez Ornikar :
L’aide à la décision
L’équipe Data est en contact rapproché et permanent avec l’ensemble des équipes au sein de l’entreprise, à tous les niveaux décisionnels. En mettant à disposition des enseignements quantitatifs, comme la modélisation de l’expérience client avec différents scénarios de croissance ou encore des analyses de performance de pans de nos produits, nous accompagnons les équipes dans la prise de décision stratégique.
L’efficacité opérationnelle
L’équipe Data aide également les équipes à être plus efficaces au quotidien avec la mise en place de flux automatisés de données et d’outillage interne. Nous enrichissons par exemple en permanence le CRM avec des attributs Data pour permettre à l’équipe Marketing de créer facilement et en toute autonomie des segments de communication personnalisés au sein de leurs outils.
La différenciation
C’est le Graal de toute équipe Data moderne : différencier son entreprise de ses concurrents grâce à ses données propriétaires et devenir un élément clef de la proposition de valeur en créant des produits et des expériences inégalables. Le premier smart product que nous avons mis en place chez Ornikar est l’affichage d’une probabilité de succès à l’examen du code, pour nos élèves souhaitant s’y inscrire.
Un périmètre fonctionnel réduit pour conserver une palette technique large
La construction d’une équipe Data pérenne repose également sur la rétention des talents qui la composent. Nous avons ainsi fait le choix de délimiter nos métiers côté fonctionnel tout en conservant une palette technique large. Nous affectons donc un interlocuteur Data à chaque périmètre fonctionnel afin que celui-ci reste au plus près des problématiques Métier mais sans le limiter techniquement.
Nous croyons fermement que permettre à nos talents de se développer professionnellement sur le plan technique est la clef pour construire une équipe Data solide et durable. Chaque projet est ainsi un nouveau challenge, avec de nouveaux interlocuteurs et de nouvelles technologies potentielles, qui donne à chacun la possibilité d’étendre ses connaissances sur la chaîne de valeur de la donnée.
Ces métiers plus complets techniquement sont rendus possibles par le concept de Modern Data Stack. La professionnalisation et la maturité de l’outillage actuel nous permettent de nous affranchir d’un certain nombre de contraintes passées, lorsqu’il s’agit d’exploiter des données. L’utilisation d’outils, comme dbt pour la modélisation de données ou Airbyte pour l’ingestion de données, est à présent accessible aussi bien aux Data Engineers qu’aux Data Analysts. Tous les profils, même les moins techniques, sont en mesure d’aller loin dans l’architecture de transformation de tables de données pour créer en toute autonomie les datamarts dont ils seront responsables.
Tous nos métiers reposent par ailleurs sur un socle technique commun : des connaissances en base de données, en SQL, en Python, en Cloud et enfin des notions en algorithmique.
Un découpage des métiers qui garantit l’autonomie
Les trois métiers représentés aujourd’hui dans l’équipe Data sont les Data Analysts, les Data Engineers et les Machine Learning Engineers. Le découpage de ces métiers a été pensé pour que chaque membre soit le plus autonome possible avec ses interlocuteurs privilégiés et ne dépende que d’un minimum d’autres profils Data pour mener ses projets à terme.
Le Data Analyst
Le métier de Data Analyst est le plus représenté au sein de l’équipe Data.
Son profil
Le Data Analyst possède une capacité à analyser les données et une compréhension forte du business, que ce soit côté Métier ou Produit. Cela fait de lui l’interlocuteur Data privilégié dans l’entreprise.
Son périmètre
Le Data Analyst est owner de son scope fonctionnel de données. Il interviendra sur les 3 missions que nous avons détaillées en début d’article, et en particulier sur l’aide à la décision.
Côté technique, il est positionné sur un périmètre full stack en intervenant à la fois sur la business intelligence, l’analyse, le tracking et la data science opérationnelle. Il travaille ainsi très en amont sur la modélisation de données (via dbt) avec de l’intelligence Métier et directement sur les données avec les Data Engineers en remontant parfois jusqu’à l’ingestion. Mais il est aussi amené à agir plus en aval en lien direct avec ses interlocuteurs Métier.
Le Data Engineer
Le Data Engineer est la personne au sein de l’équipe Data qui travaille au plus près des technologies Cloud.
Son profil
Le Data Engineer est le garant de la qualité de l’infrastructure sur laquelle se reposent les métiers Data mais également tous les utilisateurs de données dans l’entreprise. Il accompagne techniquement l’ensemble de l’équipe Data pour qu’elle puisse répondre aux 3 missions.
Son périmètre
Le Data Engineer intervient d’abord très en amont de la chaîne de valeur Data avec des tâches de type DataOps qui s’apparentent au métier d’Architecte Cloud côté Tech. Il va d’ailleurs travailler main dans la main avec eux pour s’assurer que les pratiques des deux équipes sont compatibles.
Il va également intervenir plus en aval sur les flux et les transformations de données. Cette mission peut se rapprocher du métier d’Analytics Engineer. Il travaille sur les structures de données avec les Data Analysts et met en place les structures techniques correspondantes. Avec les Machine Learning Engineers, il industrialise les modèles et crée des services et produits Data performants.
Sur certains projets, le Data Engineer sera amené à travailler directement avec des interlocuteurs Métier, comme l’équipe Finance pour l’automatisation de flux financiers ou les équipes Produit et Tech pour décider d’architecture de données dont l’équipe Data est cliente.
Le Machine Learning Engineer
Le Machine Learning Engineer travaille à inscrire la Data dans la proposition de valeur d’Ornikar en développant de nouvelles fonctionnalités/produits, comme des expériences personnalisées pour les utilisateurs.
Son profil
Le Machine Learning Engineer est un profil technique qui allie à la fois une excellente connaissance des technologies Cloud nécessaires à la création de services de machine learning performants, et une capacité à s’informer sur les meilleures pratiques algorithmiques existantes sur le marché et à les exploiter pour répondre aux différents cas d’usage.
Son périmètre
Le travail principal du Machine Learning Engineer consiste à faire de l’algorithmique appliquée, tout en gardant du temps pour de la veille et de la R&D.
Les principaux challenges de ce métier sont d’une part la temporalité, avec des sujets traités souvent longs, très itératifs, et d’autre part l’explicabilité. Véritable partenaire du Métier, le Machine Learning Engineer travaille directement avec ses différents interlocuteurs avec qui il pense et conçoit ses modèles avant de les implémenter. Il doit donc savoir vulgariser les services et/ou algorithmes, et savoir expliquer l’intérêt de prioriser un véritable algorithme capturant des subtilités de liens entre variables plutôt qu’un moteur de règles Métier.
Un modèle à l’épreuve des futurs challenges
Tout change très vite chez Ornikar, et la vision de l’équipe Data et de ses métiers que nous venons de décrire dans cet article ne sera peut-être plus valable demain. Des changements de notre environnement nous feront sans doute remettre en question certains aspects de ce modèle dans le futur. Nous sommes cependant confiants en la capacité de notre organisation à s’adapter grâce à ses fondations solides.
Vers une spécialisation plus forte des métiers ?
Pour donner toujours plus de temps de qualité à nos métiers Data et faire en sorte que chaque tâche produise un maximum de valeur, ne faudra-t-il pas repenser notre philosophie et commencer à recruter de nouveaux métiers plus spécifiques comme des Analytics Engineers, des Web Analysts, des Data Managers ou encore des Product Managers Data ?
Vers une future décentralisation de l’équipe Data ?
L’émergence chez Ornikar de métiers comme les Actuaires côté assurance, qui sont dans la pratique des Data Scientists avec une expertise très marquée, pourrait par exemple potentiellement remettre en cause le positionnement central et agnostique de l’équipe Data. Devrons-nous intégrer des experts Métier dans notre équipe ?
À l’inverse, nous pouvons nous demander s’il serait pertinent d’éclater l’équipe Data au plus proche des métiers lorsque celle-ci sera assez mature sur ses process et sa stack technique ? Mais cela ne viendrait-il pas remettre en cause l’équilibre du modèle ?
Conclusion
Toutes ces questions méritent d’être posées, et ce ne seront certainement pas les dernières ! Et si les ajustements à apporter sont loin d’être évidents, une chose est certaine, nous garderons un esprit ouvert pour apporter les bonnes réponses à toutes ces questions au bon moment. Cet état d’esprit fait partie de l’identité et du dynamisme de notre quotidien chez Ornikar.
Si ça vous parle, on recrute ! Et même si vous souhaitez simplement parler de ces problématiques, n’hésitez pas à nous contacter !