Maîtriser la qualité des données collectées — partie 1 : les compétences humaines pour donner le tempo
Data Architecture 25 octobre 2017Avez-vous déjà conduit une voiture dont la jauge d’essence est faussée ? L’aiguille vous indique toujours le plein, alors que vous roulez depuis déjà 150km… Au début, vous vous dites que vous avez fait une bonne affaire : elle consomme vraiment très peu. Mais kilomètre après kilomètre, le doute s’installe et votre confiance dans l’indicateur s’effrite. Et si ce voyant n’est pas fiable, pourquoi le compte-tour le serait ? Et le compteur de vitesse ?
L’utilisation des indicateurs de performance web répond aux mêmes problématiques de qualité et de fiabilité : au début de chaque projet « Data » (dashboarding, webanalyse, DMP…), tous les acteurs rêvent d’une collecte de données idyllique : exhaustive, précise, durable.
Mais au fil de l’évolution du projet, on abandonne ses idéaux et l’on se focalise sur l’essentiel : la confiance dans les données qui serviront de base aux analyses futures.
Le sujet n’est pas ici de disserter sur les impacts de la collecte de données erronées : les conséquences sont nombreuses, et touchent toutes les composantes du projet (impact financier, qualité dégradée, délai qui s’allonge). S’il est communément admis que la qualité nécessite un investissement a priori plutôt qu’un rattrapage a posteriori, il est particulièrement instructif de se pencher sur les moyens à mettre en oeuvre pour s’assurer de cette qualité des donnée. Ces moyens sont de deux ordres : les compétences humaines (que l’on développera dans cet article) et les outils et process à mettre en place (que l’on abordera dans un second temps).
L’audace, pour se focaliser sur ce qui a de l’intérêt pour le métier
Il en faut, non pas pour viser toujours plus de données, mais au contraire pour se focaliser sur ce qui a de l’intérêt pour le métier.
Les deux filtres à appliquer pour savoir si un KPI est réellement utile, sont :
- Quel est le seuil d’alerte de ce KPI ? (la réponse doit être un nombre)
- Que faire lorsque ce seuil est dépassé (à la hausse ou à la baisse) ? (la réponse doit être une action et un responsable)
Si seulement l’une de ces questions n’a pas de réponse, c’est là que l’audace intervient : supprimez ces KPI de votre plan de collecte, ils n’ont aucune utilité réelle ! Faites-le pour le bien de votre projet et pour la qualité de vos données, vous pourrez alors vous concentrer sur les autres KPI, ceux qui comptent, comme un vigneron taille sa vigne pour que la sève n’irrigue que les meilleures grappes. Une fois vos KPI soigneusement sélectionnés, il est temps d’organiser l’équipe.
La coordination : garder un lien fort entre business et technique
En dehors des discours de façade, les projets de collecte de données concernent des sujets business, mais ont des adhérences techniques importantes. Il est donc indispensable de garder un lien fort entre ces deux mondes, puisque la faisabilité des KPI va dépendre de l’environnement technique et des possibilités des outils : le même KPI sera probablement plus compliqué à collecter (voire impossible) sur une application mobile, tandis qu’il sera natif sur un site internet.
Dans ce contexte, le chef de projet doit prendre en compte, dans toutes les phases du projet (et pas seulement au début ou à la fin), les différentes équipes :
- Si le métier est oublié, c’est la pertinence des indicateurs qui va en souffrir. Rien de plus irritant que de livrer un tableau de bord à un utilisateur qui n’en a en fait pas besoin.
- Si les développeurs sont isolés, c’est la fiabilité des métriques qui sera touchée. Le remplacement d’un productSku par un productId peut saborder la moitié d’un projet si le métier comptait sur des données très granulaires pour ses analyses.
La coordination est donc indispensable pour veiller à ce que les intervenants soient tous alignés. La restitution des tests faits sur les KPI est un bon exemple : cette réunion permet, à partir d’un état des lieux technique (l’intégration du dataLayer), d’anticiper l’impact sur la qualité des KPI qui remonteront dans l’interface. C’est aussi là que se décide sur quels KPI concentrer les efforts si le planning se tend.
La curiosité : des équipes aux profils hybrides
Dans un contexte où les indicateurs métiers (et leur fiabilité) dépendent très fortement de la faisabilité technique, les équipes doivent faire le lien entre un framework de KPI et l’implémentation d’un plan de marquage en JavaScript. À ce titre, il est indispensable de disposer de profils hybrides, capables de s’adapter à l’interlocuteur (C-Level ou développeur) et de se former aux nouvelles techniques de collecte et d’analyse ( TMS server-side, applications hybrides, tracking offline…). Cela signifie aussi qu’ils doivent avoir le temps de se pencher sur ces technologies, ou bien à défaut se reposer sur un centre de compétences interne qui fournit cette expertise.
Mais les qualités de chacun d’entre nous s’émoussent lorsqu’il s’agit de gérer la qualité : défaut de rigueur, lassitude face à la répétition des tâches… Malgré toute la bonne volonté du monde, les compétences ont besoin de guides pour êtres utilisées à bon escient, comme une locomotive posées sur ses rails : c’est justement dans la deuxième partie de cet article que nous aborderons les outils et les process à mettre en place.