Comment lancer un programme de data literacy efficace

La data literacy est en train de devenir une nouvelle compétence essentielle pour les entreprises digitales modernes. Il est tout à fait logique qu'à l'ère de la data, les sociétés dont les effectifs maîtrisent davantage tout ce qui touche aux données s'en sortent mieux.

La data literacy, c'est-à-dire l'aptitude à utiliser les données, à les analyser et à communiquer avec, permet de comprendre, d'interpréter et d'exploiter les données afin d'optimiser les résultats de l'entreprise.

Des employés qui maîtrisent les données sont plus à même d'en extraire les informations exploitables (ou insights), ce qui permet aux métiers de résoudre eux-mêmes les problèmes dont ils sont les plus proches et d'éviter les goulets d'étranglement inévitables lorsque des utilisateurs non techniques sont contraints de faire appel à l'IT et à des experts de la donnée.

Découvrez dans cet e-book les avantages d'un programme de data literacy, les clés d'une initiative réussie et des success stories qui vous inspireront des stratégies de montée en compétence innovantes.

Les arguments en faveur de la data literacy

La data literacy n'est pas simplement une amélioration des compétences des employés. Elle est également un atout pour les performances de l'entreprise. Selon le Data Literacy Project, l'amélioration de la data literacy entraîne une augmentation de la valeur de l'entreprise de 320 à 534 millions de dollars par rapport aux entreprises moins avancées en la matière.

Les bénéfices qu'apportent des effectifs maîtrisant la data vont au-delà des résultats financiers de l'entreprise :

• Productivité accrue : améliorer l'aptitude de tous les employés à résoudre les problèmes à l'aide des données permet d'accélérer les processus et la prise de décision, et de réduire les risques.
• Satisfaction et autonomie des employés : les employés qui maîtrisent les tâches liées aux données s'investissent davantage dans la réussite de l'entreprise et font état d'une plus grande satisfaction au travail.
• Amélioration de la collaboration : la data literacy encourage une culture de la prise de décision fondée sur les données au sein des équipes et permet à tout le monde de comprendre de la même manière les objectifs de l'entreprise.
• Innovation et croissance : grâce aux insights produits à partir des données, les collaborateurs sont davantage susceptibles d'identifier les opportunités cachées, d'explorer de nouvelles pistes et de partager des insights.

Comment lancer un programme de data literacy efficace

Améliorer les compétences data des employés ne se limite pas à des sessions de formation ponctuelles. Une initiative réussie nécessite un programme ciblé, avec des objectifs et des résultats définis.

Nous avons réuni les éléments essentiels d'un programme de data literacy menant au succès à long terme pour les employés et l'entreprise.

1. Effectuez une analyse des déficits de compétences

Pour déterminer les formations, les ressources et les compétences dont vous avez besoin pour mettre en œuvre un programme de data literacy, vous devez évaluer l'écart entre les compétences de vos employés et ce qui va leur permettre de donner le meilleur d'eux-mêmes dans un environnement où tout le monde maîtrise les données.

L'analyse des déficits de compétences vous aidera à déterminer :

• Les compétences dont votre entreprise a besoin pour atteindre ses objectifs
• Les types de formation que vous devez proposer
• Qui doit acquérir chaque compétence

La data literacy comporte de nombreux aspects différents, allant de l'interprétation basique des données et de l'analyse statistique à la compréhension de la terminologie, en passant par l'explication des résultats.

Par exemple, vous devrez peut-être vous assurer que toutes les personnes impliquées dans votre programme de data literacy comprennent l'interprétation basique des données et l'analyse statistique, mais devrez uniquement proposer une formation en machine learning et Data Science aux analystes qui travaillent sur les prévisions.

Connaître vos buts et objectifs vous aidera à déterminer ce qui doit être inclus dans votre programme de data literacy. Après avoir effectué votre analyse des déficits de compétences, comparez-la à vos objectifs, vos buts et vos KPI, et profitez-en pour les rectifier si nécessaire.

2. Mettez en place un groupe de travail sur la data literacy

Votre groupe de travail doit comprendre les bonnes personnes, celles qui pourront défendre votre programme en interne.

Au moment de constituer l'équipe, demandez-vous qui sont les personnes les mieux placées pour répondre aux questions spécifiques liées à ce programme.

Voici comment constituer une équipe qui encourage et motive les employés :

Créez une équipe diversifiée d'experts et de parties prenantes, y compris des personnes pour préconiser cette approche.

N'oubliez pas que le succès de votre programme repose sur un mix d'approches top-down et bottom-up, avec des employés, par exemple des analystes, capables de représenter ses collègues.

Définissez les rôles et les responsabilités

Incluez des personnes qui supervisent la mise en œuvre, y compris les logiciels analytiques, les formations et ressources d'apprentissage, et les mentors.

Déterminez comment financer les initiatives

Alors que certaines ressources, comme les logiciels, nécessiteront des dépenses, d'autres peuvent être gratuites, comme les formations et les communautés.

Identifiez les niveaux de maîtrise dont chaque personne, équipe ou service a besoin.

Il est important de ne pas oublier les besoins des personnes qui utiliseront les informations dans le cadre de leurs fonctions. Certains membres de votre équipe, en particulier les dirigeants, utiliseront les informations reçues pour prendre des décisions.

Bien qu'ils n'aient pas besoin de maîtriser la Data Science ou le machine learning, ils auront besoin de comprendre des termes et des concepts spécifiques pour utiliser les informations afin de prendre des décisions. Veillez donc à ce que votre groupe de travail de data literacy inclue une personne capable de se focaliser sur la formation et de proposer des ressources permettant de communiquer les données aux autres équipes.

3. Créez un programme de data literacy exhaustif

L'adoption d'une approche unique est l'une des principales raisons expliquant l'échec des programmes de data literacy. Lorsque vous créez votre programme de data literacy, prenez soin de développer plusieurs niveaux basés sur les besoins individuels et collectifs.

Gardez à l'esprit les différences d'expérience et de connaissances de vos équipes. En outre, si vous proposez une formation analytique à vos employés, vous devriez également envisager de leur proposer une formation pour les aider à communiquer et à présenter des idées et des concepts.

Voici une liste d'aspects pédagogiques à prendre en compte lors de la création de votre programme :

• Interprétation des résultats et des termes analytiques
• Explication des concepts à des interlocuteurs non techniques et techniques
• Visualisation des insights pour les rapports et les présentations
• Utilisation ou non du machine learning et de la data science dans la prise de décision

4. Choisissez vos méthodes de formation

Tout comme la sélection d'un programme, le choix d'une méthode et d'outils de formation ne doit pas être basé sur une approche unique. Pour que votre programme de data literacy ait les meilleures chances de réussir, il est essentiel que vous choisissiez des méthodes, des formats et des outils de formation adaptés à vos équipes.

L'objectif est d'inciter les employés à adopter le programme et à apprendre. Pour ce faire, ils ont besoin de formats adaptés à leur style d'apprentissage.

Les formats d'apprentissage préférés sont les suivants :

• À votre rythme
• Programmé ou chronométré
• Parcours individualisés
• Parcours collectifs ou en communauté
• Contenus et ressources à lire
• Ateliers pratiques avec les produits

En réfléchissant aux styles d'apprentissage, procédez également comme suit :

• Comparez les approches d'apprentissage en présentiel, en ligne et hybrides
• Évaluez différents outils et plateformes de formation à la data literacy
• Personnalisez les supports de formation en fonction des différents rôles et départements
• Établissez un calendrier et des étapes pour votre programme
• Communiquez les objectifs et les attentes du programme aux employés
• Proposez une assistance continue et des ressources pour les employés tout au long du programme

Quels que soient le format et l'organisation de l'apprentissage, vous devez tenir compte de la charge de travail actuelle de vos équipes. Les ressources sont peut-être déjà utilisées au maximum, et leur ajouter un nouveau programme d'apprentissage peut entraîner des frictions et de la fatigue.

5. Intégrez des outils analytiques faciles à utiliser

Une fois que les professionnels de votre entreprise sont formés à l'utilisation des données, ils peuvent passer à l'élément central : l'exploitation des insights pour la prise de décision au quotidien grâce à l'analytique.

L'un des moyens les plus efficaces pour permettre aux utilisateurs non techniques de générer des insights est de disposer d'un outil analytique no-code facile à utiliser. Optez pour des outils automatisés en libre-service qui permettent aux knowledge workers de créer leurs propres workflows et de comprendre les patterns et les insights.

Les solutions qui fournissent également des services de reporting automatisé, tels que des tableaux de bord, des graphiques et des diagrammes, et qui permettent de programmer et d'envoyer automatiquement les rapports, constituent un réel avantage.

6. Mesurez l'impact de votre programme de data literacy

Que vous atteigniez ou dépassiez les objectifs business liés à votre programme de data literacy, vous aurez toujours besoin d'autres moyens de mesurer l'impact de votre programme et d'en évaluer l'efficacité.

Il est judicieux d'établir des KPI qui vous aideront à évaluer la contribution globale de votre programme pour votre entreprise. Voici quelques exemples de KPI :

• Pourcentage d'employés ayant acquis de nouvelles compétences
• Délai d'achèvement du projet
• Pourcentage de sources de données disponibles (avant et après)
• Pourcentage de décisions prises à l'aide de l'analytique avancée (avant et après)
• Augmentation de l'efficience, réduction des coûts et revenus générés (avant et après)

Si vous ne suivez pas ces métriques dès maintenant, vous aurez peut-être du mal à établir un point de comparaison pour la suite. Dans ce cas, les estimations sont acceptables, mais envisagez d'établir un point de comparaison dès que possible.

L'essentiel est de montrer la valeur de vos efforts, ainsi que les progrès, et, espérons-le, les succès !

Exemples d'initiatives de data literacy réussies

Maintenant que vous connaissez les meilleures pratiques pour mettre au point un programme de data literacy et les méthodes pour en évaluer le succès, voyons quelques exemples concrets de success stories.

Westrock

Westrock est un leader mondial de l'emballage durable, avec plus de 500 sites de production dans 40 pays.

Westrock a piloté l'utilisation de Alteryx, un outil d'analytique automatisée, dans son équipe finance, avant de lancer des initiatives de data literacy à l'échelle de l'entreprise.

Les responsables de l'analytique et de l'innovation chez Westrock ont utilisé un éventail de méthodes et de styles de formation présentés dans ce guide pour développer les compétences des employés, avec notamment :

• Des tournées d'information sur l'analytique des données pour susciter l'enthousiasme et présenter les capacités et les caractéristiques de l'analytique automatisée.
• Des sessions de formation sur les notions de base et de certification au sein des différentes fonctions de l'entreprise
• Des ateliers avec les Customer Success Managers d'Alteryx
• Des défis analytiques ludiques entre collègues

Écoutez ce podcast avec Jay Harter, Senior Manager de l'analytique en libre-service chez Westrock et LaShell Estes, Senior Manager de l'innovation financière, pour en savoir plus sur la mise en œuvre réussie de ce programme de data literacy.

Jones Lang LaSalle  

L'équipe BI et Performance de Jones Lang LaSalle (JLL), société internationale d'immobilier commercial, a choisi Alteryx pour automatiser l'analytique et accélérer sa transformation digitale.

Pour renforcer l'adoption de cette plateforme analytique no-code dans toute l'entreprise, l'équipe a mis sur pied Alteryx Adventure, un programme de gamification.

Découvrez comment la gamification a permis de doubler l'utilisation d'Alteryx par les équipes internationales, ce qui a permis de renforcer l'implication des employés, d'améliorer la productivité et de réduire les risques.

Bank of America

Bank of America a créé un groupe d'utilisateurs Alteryx pour favoriser l'utilisation de l'analytique automatisée et améliorer les performances opérationnelles dans toute l'entreprise. Ce groupe d'utilisateurs inclut des ressources centralisées qui permettent aux utilisateurs métier de se former plus facilement à l'analytique et à l'automatisation des processus financiers manuels, ce qui constitue un objectif majeur du programme d'excellence opérationnelle de l'entreprise.

Regardez cette vidéo avec David Hardister, responsable de l'automatisation à la Bank of America et responsable du groupe d'utilisateurs Alteryx en interne, pour en savoir plus.

Conclusion

Le lancement d'un programme efficace de data literacy n'est pas chose aisée, mais cela peut avoir des retombées bénéfiques sur l'activité, renforcer l'efficacité des processus et améliorer la satisfaction des employés.

Cliquez ici pour en savoir plus sur la manière de réussir un programme de data literacy à grande échelle.

Si vous souhaitez que votre équipe utilise ses nouvelles compétences data de manière constructive plutôt que pour des tâches secondaires et chronophages, consultez notre Guide du responsable analytique pour l'automatisation des processus métier.

Vous pouvez également essayer Alteryx gratuitement ! Découvrez dès aujourd'hui notre solution no-code en glisser-déposer pour voir à quel point il est facile de passer des données aux décisions en quelques minutes seulement. Commencez un essai gratuit de 30 jours.