janvier 14, 2022

Comment décoller votre analyse

Par andy1712


chat coincé dans un nichoir

PHOTO : Tomas Tuma | unsplash

Parfois, les gens se heurtent à un mur lorsqu’ils travaillent avec des données. Des goulots d’étranglement surviennent et les prochaines étapes ne sont pas claires. Dans cet article, j’examinerai les goulots d’étranglement qui peuvent vous laisser coincé dans votre analyse, ainsi que des conseils pour vous en sortir.

Quand la maturité analytique vous ralentit

Souvent, les analystes sont bloqués parce qu’ils ont atteint un plateau dans leurs capacités et leurs ressources. Les analystes évoluent le long d’un continuum de maturité analytique tout au long de leur carrière, à mesure que leurs compétences et leurs capacités se développent. Les gens ont étudié ce phénomène au fil des ans, avec un modèle de maturité bien connu venant de Stéphane Hamel en 2009 (il a une version mise à jour du modèle ici). Lorsqu’un professionnel de l’analyse atteint ce plateau, cela conduit à ce sentiment de blocage – lorsque ce continuum d’amélioration des compétences et des capacités est interrompu.

Alors, comment débloquer ? Un point de départ consiste à reconnaître que le fait d’être bloqué n’est pas un échec du flux de travail. C’est l’occasion de repenser comment déployer au mieux les ressources et les compétences. Avoir conscience que vous êtes coincé signifie que vous êtes conscient que le continuum existe et que de meilleurs processus sont possibles. C’est le reflet d’une compétence non technique que je pense que les analystes doivent avoir : la curiosité.

Pour affiner cette curiosité en processus utiles, utilisez les idées suivantes pour surmonter les goulots d’étranglement.

Défiez les hypothèses intégrées à votre analyse

Une partie du blocage peut provenir de la mise en place d’un projet d’analyse trop proche des anciens processus, ce qui ne donne pas au projet l’élan nécessaire.

Vérifiez l’hypothèse que vous avez faite qui prend en charge le modèle de données prévu. Le point de départ est-il le même qu’une analyse précédente ? Comment les hypothèses initiales se comparent-elles aux conditions actuelles ? Existe-t-il de nouvelles conditions de données qui n’existaient pas auparavant ? Même les différences dans les techniques de nettoyage des données, telles que le traitement des Observations NA, peut être amené à réévaluer les hypothèses.

Être coincé trop longtemps peut pousser les projets à la faillite technique, une variation de la dette technique qui se reconnaît à un manque d’agence pour avancer. Pour éviter cela, visualisez les jalons de votre projet et demandez ce dont vous avez besoin pour atteindre ces jalons. Cela vous aidera à identifier les tâches plus petites et réalisables. Considérez cela comme une rétrospective, et non comme une occasion de blâmer quelque chose qui s’est peut-être défait.

Article connexe : À quelles tendances analytiques les spécialistes du marketing devraient-ils s’attendre en 2022 ?

Évitez les ‘données vomi’ – Remettez votre analyse au point

Le travail d’analyse dispersé semble contraire à la nature organisationnelle de l’analyse, mais cela arrive. Ne pas remettre de l’ordre dans ce gâchis finira par submerger votre public de “vomissements de données”, lorsque vous signalerez inutilement tout et n’importe quoi.

Lorsque vous êtes submergé, prenez du recul et voyez si vous pouvez vous concentrer sur un sous-ensemble de données où des réponses plausibles semblent se former. Posez une question d’analytique : comment ces données découvertes sont-elles liées au parcours client ou à l’objectif de l’analyse ? Se concentrer sur un sous-ensemble réduit les tâches répétitives qui conduisent à un sentiment écrasant de tâches continues sans but.

Un autre aspect consiste à examiner le cadre appliqué à la modélisation analytique avancée. Il est facile de se perdre dans une mer de cadres et de perdre de vue le but qu’ils servent à structurer une relation au sein des données.

Article connexe : Comment choisir la bonne visualisation de données

Canard en caoutchouc avec vos utilisateurs finaux

Souvent, le public de vos résultats d’analyse ne sera pas aussi compétent que vous dans les éléments techniques de l’analyse et de la modélisation des données. Par exemple, ils sauront ce qu’est le référencement, mais seront incapables de regarder le code et de reconnaître que les balises de métadonnées ou d’analyse sont manquantes. Un scénario courant est lorsqu’un collègue a besoin d’informations, mais est incapable de décrire les éléments techniques permettant d’obtenir ces informations. Ce n’est pas différent d’aller chez le médecin et de décrire des douleurs, mais de ne pas connaître les termes médicaux pour les parties du corps qui font mal. Si votre utilisateur final est coincé dans les sables mouvants de l’analyse, vous l’êtes aussi.

Pour vous frayer un chemin hors des sables mouvants, passez en revue point par point. Les développeurs appellent ce processus de révision “esquive en caoutchouc” – une façon d’articuler un problème dans un langage non technique. Un examen d’évitement en caoutchouc peut parfois aider à identifier comment les résultats peuvent mieux parler à votre collègue et conduire à ajuster les étapes importantes pour faire une analyse. C’est aussi un excellent apprentissage une opportunité, un « contrôle instinctif » irréprochable pour savoir quand affiner un workflow d’analyse.

Article connexe : Comment améliorer la littératie des données parmi les non-quants de votre organisation

Créer une communauté de ressources de soutien

Parfois, le goulot d’étranglement survient lorsque vous utilisez un outil ou une fonctionnalité de solution de manière inefficace. Si vous pensez que cela pourrait être le cas, effectuez un test de cohérence avec les personnes qui ont rencontré des problèmes similaires. Les analystes partagent souvent des questions ou des préoccupations concernant des outils spécifiques dans les communautés en ligne. Les fournisseurs de solutions hébergent souvent ces forums, y compris des IDE tels que RStudio ou des plateformes de tableau de bord comme Tableau. Vous pouvez également trouver une aide indépendante en ligne, que ce soit via un hashtag sur Twitter ou via un groupe hébergé sur Discord. Les communautés d’analyse existent autour de plates-formes spécifiques depuis un certain temps, elles connaissent donc généralement tous les tenants et les aboutissants concernant les mises à jour et l’historique des bogues des fonctionnalités passées.

Vous pouvez également utiliser ce processus pour identifier les besoins potentiels en documentation pour le logiciel que vous utilisez. La documentation est parfois négligée avec les mises à niveau et les modifications. L’examen de la documentation peut mettre en évidence si les questions de fonctionnalité sur le logiciel actuel sont correctement traitées et maintenir les ressources à jour.

L’automatisation de votre plate-forme est-elle bloquée ?

Les analystes disposent d’un certain nombre de choix d’automatisation pour l’ingestion de données, tels que des macros dans Excel, des bibliothèques d’API pour les programmes R et Python et des fonctionnalités de collecte dans des outils tels que Google DataStudio, Tableau et Power BI. Regardez donc vers tous les flux de travail d’automatisation existants si un goulot d’étranglement survient. Assurez-vous que vos jeux de données et vos visualisations sont mis à jour avec les dernières informations. Lorsqu’elle est correctement mise en œuvre, la collecte de données à partir d’étapes automatisées devrait nécessiter moins d’efforts au fil du temps afin que vous puissiez accorder une plus grande attention à l’analyse.

Passez en revue vos frameworks pour voir s’il existe de meilleures solutions de fonctionnalités. Au minimum, un examen donnera lieu à des questions qui éclaireront votre recherche. Pour savoir comment formuler ces questions, consultez mon article “Comment créer des cadres de tableau de bord qui prennent en charge l’analyse marketing”. Il n’existe pas de solution parfaite, mais le temps investi dans le choix et l’affinement d’une solution aidera à décoincer votre analyse.

Utilisez les goulots d’étranglement comme un moment pour répondre aux besoins de confidentialité, de sécurité et d’accessibilité

Bien que les goulots d’étranglement puissent être un frein, vous pouvez utiliser ces ralentissements comme une opportunité d’examiner la sécurité des données, la conformité à la confidentialité et, pour les données générées à partir de l’interface utilisateur Web, l’accessibilité – puisque vous examinez déjà les données et les sources de données. Les entrées de ces processus s’articulent autour des étapes d’ingestion et de traitement des données. Par exemple, l’ajout de balises analytiques à une page de site Web est l’occasion de vérifier l’accessibilité du contenu de cette page.

N’oubliez pas de célébrer vos victoires

Si vous avez l’impression que vous avez encore beaucoup de travail après avoir déployé tous ces efforts pour décoller vos analyses, célébrez tout de même les victoires de vos réalisations. Les deux dernières années dominées par la pandémie peuvent ressembler à un exercice continu pour éviter l’épuisement professionnel. Mais tout effort que vous faites pour empêcher un petit problème analytique de se transformer en un problème plus important est une bonne raison de vous réjouir.

Pierre DeBois est le fondateur de Zimana, un cabinet de conseil en analyse numérique pour petites entreprises. Il examine les données des solutions d’analyse Web et de tableau de bord des médias sociaux, puis fournit des recommandations et des actions de développement Web qui améliorent la stratégie marketing et la rentabilité de l’entreprise.