Alors que l’utilisation des données par les entreprises se généralise, il s’agit de comprendre que data-scientists, data-architectes et autres data-analysts doivent améliorer leurs soft-skills pour améliorer leurs performances.
En finir avec l’image de l’informaticien, t-shirt troué, tache de café, caché derrière trois écrans sur lesquels défilent des lignes à la sémantique et au code couleur incompréhensibles. « Pendant trop longtemps, les analystes ont été traités comme les femmes pendant l’ère victorienne », résume, non sans ironie, le data-scientist John W. Foreman, dans son livre Data Smart : Using Data Science to Transform Information into Insight. Comprendre : les entreprises mettent ceux qui traitent les données sur une sorte de piédestal, car 1/on leur a dit que data-scientist était « le métier le plus sexy du XXIe siècle » ; 2/ils ne comprennent pas ce qu’ils font. Un manque de connaissance souvent dû à un manque de pédagogie du côté de la cellule Data. « Les data scientists, jamais je ne les amenais dans une réunion avec un client, car ils ont du mal a expliqué ce qu’ils font à un public non averti », nous confessait il y a quelques semaines un ex-manager d’un pôle data. Un vrai problème, et un enjeu dans le futur, puisque l’on sait très bien maintenant que les équipes les plus performantes ne sont pas forcément celles composées des plus grosses brutes techniques, mais au contraire de profils hybrides.
« La Data science, c’est bien plus que compiler des chiffres »
« J’ai vu des gens beaucoup plus intelligents que moi ne pas réussir en tant qu’analyste, explique John W. Foreman. Le problème, c’est que même s’ils sont brillants, ils n’ont pas forcément les codes qui permettent de s’en sortir dans le cadre d’une entreprise. » Dans ce contexte, il convient d’adapter la réflexion autour des soft-skills aux métiers de la data, quand bien même les personnes qui les maîtrisent sont de très bons techniciens. Car comprendre les data, savoir comment les récupérer et les traiter n’est pas une fin en soi. Même si cela passe par des technologies de pointe, comme l’IA, ce n’est même que le début du process. « La Data science, c’est bien plus que compiler des chiffres, estime en effet N. R. Srinivasa Raghavan, Chief Global Data Scientist chez Infosys. Il s‘agit d’utiliser des compétences variées afin de résoudre des problèmes rencontrés dans une industrie. »
>> À lire aussi : L’intelligence émotionnelle : tout le monde en parle, on vous explique !
Plusieurs soft-skills sont nécessaires pour réussir dans les métiers de la data. Le plus évident est, donc, la capacité à communiquer avec des personnes qui ne comprennent pas ce que l’on fait. Pour un data analyst, c’est même une obligation. Ce dernier est très souvent en relation avec les services marketing ou des clients. Mais dans de petites structures, on peut très bien imaginer qu’un data scientist soit obligé d’avoir la double casquette. « Je pense même que cette capacité est la plus importante », insiste Jeff Herman, coach de data science à la Flatiron School, à New York. D’autant que ce talent pour communiquer va souvent de pair avec une certaine empathie. Or, faire comprendre des technologies de pointe à certains nécessite bien souvent plus que de la pédagogie.
Car une fois un problème identifié dans une entreprise grâce à des mesures data, il faut encore avoir les capacités de proposer une analyse juste, à même d’être acceptée par les managers autant que les salariés. Le pire cauchemar d’un data scientist n’est pas de ne rien trouver, mais bien de développer une solution que personne ne va utiliser faute d’adhésion. « Les gens peuvent parfois rejeter ce qui leur est proposé, car ils pensent que des robots vont prendre leur travail, rappelle Kathleen Featheringham, directrice de la stratégie AI chez Booz Allen Hamilton. Il convient de s’intéresser à l’aspect psychologique, de s’assurer de répondre à un problème technique avec des éléments humains. »
Distinguer l’Homme de la machine
Il faut également bien connaître les rouages du milieu de l’entreprise qui fait appel aux services de la data. Ne pas oublier que data scientist et data sciences sont des mots fourre-tout, qu’il existe de très nombreuses data sciences et que chaque data scientist ne les maîtrise pas toutes. Une réalité dont les personnes qui travaillent dans le Big Data sont bien au fait, pas forcément le grand public. Il est donc nécessaire de faire preuve d’un certain esprit critique avec les clients, pour les orienter vers la data science la plus à même de répondre à leur besoin. « C’est très simple d’appliquer partout le machine learning, mais en réalité seuls quelques problèmes peuvent être réglés de cette manière », résume Sachin Gupta, co-fondateur d’HackerEarth.
C’est pour cela que chez Human Experience, nous avons fait le choix de mettre l’enseignement des soft-skills au cœur de nos formations et notamment du master Architecte des Stratégies Data et Insights. « Avec le développement de l’intelligence artificielle et de la data, on considère que tout ce qui est rationnel, toutes les compétences techniques vont pouvoir être gérés par l’IA, insiste ainsi Caroline Briaucourt, qui assure ces cours. Ce qui distinguera, alors, l’Homme de la machine, ce sera l’intelligence émotionnelle et les soft-skills. » Aller au-delà de la technique est devenu une obligation.