Réfléchissez à l’influence des données sur une personne
Dans cette vidéo, nous avons fait la connaissance de Léo, un livreur qui travaille pour un petit fournisseur d’aliments biologiques, Nouveau Potager Bio. Tous les jours, Nouveau Potager propose à ses trois livreurs un certain nombre de livraisons, qu’ils doivent récupérer au magasin d’alimentation principal et livrer en camion à la clientèle alentour. Les livreurs choisissent leurs livraisons et reçoivent 20 € pour chaque livraison effectuée et 0,50 € pour chaque kilomètre parcouru.
La direction de Nouveau Potager doit traiter un grand nombre de données pour pouvoir évaluer son activité et prendre des décisions éclairées (combien payer les livreurs, par exemple). Pour que ça soit simple, elle va mesurer les progrès en s’appuyant sur un ensemble d’indicateurs clés de performance (Key Performance Indicators ou KPI).
L’un de ces indicateurs consiste à mesurer l’avance ou le retard moyen de chaque livreur en minutes. Un autre KPI présente les évaluations des livreurs, selon le nombre d’étoiles obtenues par les clients suite à la livraison. Le paiement des livreurs est calculé sur la base des évaluations de leurs performances au quotidien.
Voici, par exemple, l’emploi du temps de Léo sur une journée :
Calculs des KPI
Client | Distance (en kilomètres) | Horaire fixé | Horaire d’arrivée | Minutes de retard | Évaluation client |
Heure de départ du dépôt | 0 | 10 h 00 | 10 h 00 |
|
|
Mme P. | 15 | 10 h 40 | 10 h 45 | 5 | ***** (excellent) |
M. A. | 25 | 11 h 40 | 11 h 50 | 10 |
|
Mme M. | 20 | 12 h 30 | 12 h 35 | 5 |
|
M. B. | 18 | 13 h 16 | 13 h 21 | 5 | **** |
Mme T. | 12 | 13 h 50 | 14 h 00 | 10 | *** (j’ai cassé les œufs !) |
Livraisons : 5 | Distance : 90 km |
|
| KPI emploi du temps Moyenne : 7 | KPI évaluations Moyenne : 4 |
En bas de ce tableau, vous pouvez voir les deux calculs de KPI : la distance totale parcourue en kilomètres et le nombre de livraisons effectuées. Ces indicateurs peuvent servir à calculer la paie de Léo pour la journée :
Paiement |
Livraisons : 5 à 20 € la livraison = 100 € Distance : 90 kilomètres à 0,50 € le kilomètre = 45 € Prime emploi du temps (maximum 15 € minoré de 1 € pour chaque minute retard moyenne calculée) : 15 - 7 = 8 € Prime évaluations (3 € par nombre moyen d’étoiles) : 4 x 3 = 12 € |
Total : 165 € |
Chez Nouveau Potager, on pense que ce système aidera l’entreprise à se développer et à suivre ses performances. De plus, les clients sont satisfaits, car ils savent à quel moment leur commande va arriver et peuvent compter sur des produits plus frais. Léo est satisfait de ce système, mais il a quelques inquiétudes. Il les résume dans ce tableau :
Données | Avantages selon Léo | Inquiétudes de Léo |
Emploi du temps | Il simplifie son travail, car il n’a plus à organiser ses livraisons quotidiennes. Avec l’ancien système, il a parfois été si surchargé de travail qu’il devait livrer à des heures tardives. | Que va-t-il se passer si la pression relative aux objectifs de livraison augmente à mesure que Nouveau Potager se développe ? |
KPI emploi du temps | Il sait qu’il travaille bien et qu’il est consciencieux dans ses livraisons. Il est également ravi de pouvoir bénéficier des primes de performance. | Pourra-t-il toujours faire de petits détours ? |
KPI évaluations | Il est toujours sympa et serviable. Pour lui, les clients lui donneront de bonnes évaluations | M. Z. qui habite la rue Victoria est toujours ronchon et aime se plaindre. Cela peut avoir un impact négatif sur son évaluation globale. De plus, avec son emploi du temps serré, il craint de ne pas pouvoir aider les clients à déballer leurs courses, ce qui pourrait nuire à son évaluation. |
Léo pourrait-il tirer parti de ces KPI en se perfectionnant en data ? Pourrait-il s’en servir pour exprimer ses craintes auprès de la direction de Nouveau Potager ?
Bien sûr ! Il pourrait :
mieux comprendre ce qui influe sur son bulletin de paie et adapter son emploi du temps et ses trajets à son avantage :
montrer à la direction qu’en ayant un emploi du temps moins ambitieux, il pourrait passer plus de temps avec les clients, augmenter la satisfaction client et générer plus de commandes ;
montrer à la direction qu’une véritable pause déjeuner permet de limiter les problèmes et d’obtenir de meilleures évaluations de la part des clients livrés dans l’après-midi.
L’histoire n’est pas terminée entre Léo et Nouveau Potager. Nous aurons l’occasion de les revoir pendant la formation !
Comprenez qu’une culture des données permet d’avoir un regard critique sur le monde
Puisque vous avez démarré ce cours, vous savez probablement déjà qu’il est important de s’initier au monde de la data. Ce n’est pas seulement crucial dans un environnement professionnel riche en données. Cela peut aussi vous aider dans la vie de tous les jours, en vous permettant d’améliorer vos interactions avec le monde. En conclusion, que signifie exactement avoir une culture des données ?
En séparant chaque élément, vous pouvez identifier les compétences d’une personne ayant des notions en data.
Capacité à lire les données, à les manipuler et à les analyser.
Capacité à obtenir des informations utiles à partir des données.
Capacité à comprendre ce que signifie la data.
Capacité à interpréter correctement les graphiques.
Capacité à obtenir des résultats exacts à partir des données.
Capacité à réfuter les données.
Capacité à identifier des données utilisées de manière trompeuse ou inadaptée.
À quoi vont pouvoir servir ces compétences de base en data ?
Prendre des décisions plus éclairées. Dans la vie, on prend constamment des décisions. Certaines sont banales (« Pizza aux champignons ou au peppéroni ? »). D’autres sont importantes (« Quelle université dois-je choisir ? »). Parfois, on peut se fier à notre instinct pour décider (« Je vais prendre une pizza aux champignons et au peppéroni ! »). Mais pour ce qui est important, examiner les données peut vous aider à prendre de meilleures décisions. Par exemple, vous avez tout intérêt à prendre en compte l’endroit où se trouve l’université, sa réputation, sa vie sociale et d’autres éléments, avant de prendre une décision.
Remettre des déclarations en question. On entend souvent « Les données montrent… » ou « Les statistiques nous indiquent que… ». Cela revient à dire : « Je vous présente les faits ! » Mais les données qui sont présentées de cette façon ne relèvent souvent pas des faits. Avoir la capacité d’étudier soi-même les données et de remettre en question les faits présentés est un atout énorme.
Partager vos réflexions plus efficacement avec les autres. Quand on est passionné par un sujet, on veut convaincre les autres de partager cette passion. Présenter des preuves issues de données soigneusement sélectionnées ou en s’appuyant sur des visuels agréables peut avoir un impact considérable !
Identifiez les emplois dans la data
Si je me décide à travailler dans le domaine de la data, trouverai-je ensuite des opportunités professionnelles qui me correspondent ?
Oui, beaucoup ! Le nombre d’emplois dans la data suit la croissance du volume de données dans le monde.
Voici quelques postes que vous pouvez trouver dans les entreprises. Comme vous pouvez le voir, on peut les faire correspondre à des étapes de la transformation des données en actions dont nous avons parlé plus tôt :
Dans la suite de ce cours, on vous confiera certaines attributions en lien avec ces postes. Posséder une culture des données implique que vous soyez multicasquette ! Vous devez développer un ensemble de compétences. Chaque compétence peut mener à un parcours professionnel à part dans une grande entreprise.
En résumé
Les entreprises étant de plus en plus pilotées par la data, ceci aura des conséquences sur tout le monde.
Posséder une culture des données peut vous aider à prendre des décisions plus éclairées, à remettre en question des déclarations et à partager plus efficacement vos réflexions.
Les occasions de se lancer dans une carrière spécialisée en data ou d’améliorer la façon dont vous utilisez les données au travail sont nombreuses.
J’espère avoir réussi à vous convaincre de vous spécialiser en data. Alors, commençons à travailler en ce sens ! Nous commencerons par explorer le modèle de pipeline de données dans le prochain chapitre.
