#14 -Comment une équipe data réduite répond-elle aux besoins de 450 collaborateurs ?

Entretien avec Julie Montels, Lead Data chez 360Learning

Julie Montels

9/10/20247 min read

👋 Hello la communauté Dataque

🚀 Dans cette édition de notre newsletter, nous allons essayer de voir comment une équipe Data composée de 3 personnes gère les demandes de 450 collaborateurs. Nous avons la chance de pouvoir échanger avec Julie Montels, Lead Data chez 360Learning.

👩‍💻 Julie a commencé sa carrière chez KPMG avant de rejoindre l'équipe Data Engineering de Payfit, à l'époque où ils n'étaient que trois pour construire la stack Data. Cette expérience lui a donné envie de relever un nouveau défi : monter sa propre équipe Data from scratch. C'est à ce moment-là qu'elle a décidé de rejoindre 360Learning.

👋 Hello Julie,

Est-ce que tu peux nous parler de ton parcours professionnel et quel a été ton chemin avant de devenir Head of Data ?

À la sortie de mes études d’ingénieur, j’ai rejoint le département Data de KPMG où j’ai pu découvrir les différents métiers autour de la Data. Plusieurs missions m’ont donné envie de me spécialiser en Data Engineering.

J’ai décidé de quitter KPMG pour rejoindre l’équipe Data Engineering de Payfit (logiciel de paie et RH français). Cette expérience a été très enrichissante car nous étions 3 Data Engineers pour construire la stack Data de Payfit. Je participais aux prises de décision, j’ai vu ce qui marchait ou ce qui marchait moins, et j’ai vu notre stack scaler au fur et à mesure que les besoins Data grandissaient.

Cela m’a grandement donné envie de monter une stack Data dans une autre entreprise, pour appliquer mes propres décisions et sentir que j’avais plus d’impact. Lors des entretiens avec 360Learning, j'ai compris que j'aurai l'autonomie nécessaire pour construire l'architecture et les processus que je souhaitais.

Leurs problématiques étaient très diverses, les équipes s'organisaient de plus en plus, des processus se mettaient en place tout en restant flexibles. Je sentais que la Data pouvait devenir stratégique. Tout cela m'a convaincue de faire partie de l'aventure.

Au début, tu étais la seule personne dans l’équipe Data chez 360Learning. Quels ont été tes plus grands défis ?

Arriver seul présente selon moi de nombreux avantages :

  • J’ai pu contribuer de manière significative à façonner la direction de l'équipe et la stratégie Data de l'organisation. J'ai pu choisir l'architecture, les outils, les processus. C'était vraiment plaisant !

  • Je pense aussi que si les succès sont là, ils peuvent amener à une rapide reconnaissance professionnelle et progression de carrière. Si vos livrables sont bons et que les données sont de qualité, c'est grâce à vous ; si ça échoue, c'est à cause de vous. Les choses sont claires.

  • J'ai porté plusieurs casquettes, acquérant de l'expérience dans divers aspects de la Data Science, Engineering, gestion de projet etc. Donc, pour la progression de carrière, être seul est une grande opportunité.

Bien sûr, il y a aussi eu des défis :

  • J'étais seule pour prendre des décisions, et il n’y avait personne pour revoir mon code ou challenger mes idées. Cela peut être un peu stressant, car s'il y a un bug ou une attente d'une équipe et que vous ne savez pas comment le résoudre, vous êtes seul.
    Je me souviens avoir mis à jour un outil deux jours après mon arrivée, et tout était cassé. Je réalise maintenant que j'aurais dû me rapprocher plus tôt des équipes Engineering. Même s'ils n'avaient pas eu d'expertise pointue en Data, ils auraient pu m'aider à résoudre certains de mes problèmes.

  • Lorsqu’une équipe se monte, il faut savoir communiquer avec les autres départements et parties prenantes. Ne pas rester isolé est primordial, car les gens peuvent passer à côté du sens de votre travail et de sa valeur ajoutée. Partagez régulièrement vos progrès, défis et idées pour instaurer la confiance et susciter l’intérêt.

  • Je voulais prouver que je savais livrer. J'avais un backlog assez long qui m'attendait, car il n'y avait personne dans l'équipe Data depuis quelques mois. J'ai donc livré assez rapidement, en reprenant certaines parties de l'architecture déjà en place. Mais j'avais en tête la stratégie suivante : livrer ce qui était le plus urgent avec rigueur et sans créer de dette technique, pour instaurer la confiance, tout en gardant du temps pour construire la vision que je souhaitais pour le département.

Mon conseil serait de vous concentrer sur les projets à fort impact qui peuvent amener des victoires rapides. Pour cela, il faut prioriser les tâches en fonction de leur valeur potentielle pour l'organisation et de leur faisabilité compte tenu des ressources que vous avez. Il faut donc s’entourer des personnes qui connaissent les priorités de l'entreprise pour orienter votre backlog. L’équipe opérationnelle et mon manager étaient parfaits dans ce rôle.

Puis, quand les besoins sont devenus trop importants, que je n'avais plus le temps de gérer des projets à fort impact, j'ai plaidé pour obtenir des ressources. Ma manager m'a aidée à monter un dossier solide pour obtenir les ressources nécessaires, en démontrant le retour sur investissement potentiel et l'impact sur les résultats de l'entreprise. Nous avons donc pu recruter 2 personnes, un Data Engineer et un Data Analyst.

Vous êtes 3 profils Data pour une entreprise de 450 personnes. Comment gérez-vous la charge de travail ?

Une petite équipe Data peut vite être submergée par le volume de projets et de demandes. Cela peut entraîner de l’épuisement et une baisse de productivité.

Il faut donc trouver des personnes qui connaissent les priorités de l’entreprise pour définir celles de l’équipe Data. L’équipe a donc continué à faire ce que je faisais quand j’étais seule : se concentrer sur des projets à fort impact qui s’alignent avec les objectifs stratégiques de l’entreprise. Deux fois par trimestre, des personnes des opérations et du produit aident notre Data Analyst, à prioriser son backlog et à revoir les priorités.

Un autre conseil : essayer d'automatiser autant que possible les tâches et standardiser les process pour améliorer l’efficacité de l’équipe. Une fois par mois, nous nous réunissons pour voir s'il y a des tâches que nous pouvons automatiser ou si nous pouvons améliorer un processus existant.

Nous faisons régulièrement des cafés informels/ team building pour mieux se connaître. Certains jours, la charge de travail peut être plus importante pour certains que pour d'autres. En connaissant mieux son collègue, on est plus enclin à l’aider !

En tant que manager, j’essaie également d’encourager autant que possible les initiatives et les feedbacks. 360Learning favorise, de par le plan de carrière, cette direction. Il est donc tout naturel pour quelqu’un de l’équipe de remettre en question un processus s'il ne l’estime pas pertinent. Nous sommes donc 3 à construire une équipe, une stack et un environnement de travail ultra efficace pour offrir un support de haute qualité aux équipes internes et aux clients !

Quels défis rencontrez-vous le plus souvent ?

En dehors de la gestion de la charge de travail et de prioriser les tâches, voici ceux défis auxquels je pense:

  • Garder du temps pour du travail long terme : les demandes auprès de l’équipe étant nombreuses, il est parfois difficile de ne pas tomber dans le piège de répondre exclusivement aux questions qui nous sont adressées, et de négliger le travail de vision/long terme.
    Chez 360Learning, chacun a des OKRs (Objectives and Key Results), fixés chaque trimestre, alignés avec la roadmap de l’équipe, qui sont validés par les managers puis revus chaque fin de trimestre. C’est un très bon système pour réfléchir en amont aux objectifs personnels et ceux de l’équipe, et ainsi pousser chacun à garder du temps pour atteindre les objectifs fixés.

  • Context switching (changement de contexte) : étant une petite équipe, nous faisons beaucoup de tâches différentes au cours d’une journée, et il est parfois difficile pour certains de changer de contexte plusieurs fois dans la même journée. C’est un sujet dont nous parlons souvent dans l’équipe. Déprioriser des tâches, s’entraider ou revoir les processus sont souvent les solutions envisagées.

Qu'est-ce qui, selon toi, constitue un bon profil en data ?

En faisant abstraction des compétences techniques, un bon profil Data (Data Analyst, Data Engineer, etc.) doit être :

  • Rigoureux : ce métier exige de la rigueur.

  • Flexible : il faut parfois accepter de ne pas implémenter la solution parfaite lorsque la demande ne l’exige pas forcément (un test, une demande temporaire, etc.). Il faut également quelqu'un qui sache choisir une solution technique adaptée au besoin.

  • Curieux : il faut voir ce qu’il se fait ailleurs et aimer découvrir de nouvelles technologies pour que la stack reste à la pointe.

  • Débrouillard : il y a souvent un travail d’investigation avant une implémentation.

As-tu des bonnes pratiques ou des conseils à partager pour recruter les bons profils ?

J’ai travaillé dans l’entreprise plus d’un an, avant de recruter des personnes, ce qui m’a permis de comprendre comment fonctionnait notre entreprise.

Je pense qu'il est important de prendre du recul et de ne pas recruter en fonction de ce que doit être une équipe Data, mais d'aligner le recrutement avec les objectifs stratégiques de l'entreprise. Identifiez les champs d’action prioritaires c'est-à-dire ceux qui auront le plus d’impacts (par exemple, construire l'infrastructure Data, développer des analyses avancées ou générer des insights business, etc.) et recrutez en fonction.

Autre conseil, valable selon moi dans une petite équipe qui se construit : si vous trouvez des personnes trop spécialisées ou peu flexibles, votre équipe pourrait manquer de certaines compétences nécessaires à un fonctionnement optimal.

Lors des entretiens, je n’ai pas négligé les soft skills pour trouver des personnes ayant une réelle volonté d'apprendre et d'être flexibles : des candidats capables de porter plusieurs casquettes et de s'adapter aux besoins évolutifs de l'équipe et de la start-up. Je cherchais des profils acceptant de faire parfois plus que ce qui était dans leur description de poste, comme par exemple un Data Engineer prêt à livrer des dashboards.

Une fois recrutée, le manager doit rester proche de cette personne pour s'assurer que le travail reste stimulant et que les tâches qui sortent du scope originel ne sont ni trop nombreuses ni un fardeau. C'est un défi ! J'essaie autant que possible de reconnaître et de remercier mon équipe pour sa flexibilité et de leur donner des défis techniques qui les motivent. Cette flexibilité doit être clairement communiquée lors des entretiens pour éviter les déceptions.

Merci beaucoup pour votre lecture et à la semaine prochaine pour un nouvel article.

🚨 PS: Si vous aimez notre newsletter, n'hésitez pas à la partager autour de vous et à nous suivre sur Linkedin pour ne rater aucune de nos aventures.