Deux ans : c’est désormais la durée moyenne d’une compétence, selon l’OCDE. L’accélération de la digitalisation des entreprises depuis le Covid-19, la popularisation de l’intelligence artificielle (IA) et son adoption augmentant dans toutes les sphères de notre vie, la compréhension des données ainsi sur son contrôle humain est essentiel pour assurer un futur transparent et éthique.
En tant que professionnels, nous avons la responsabilité de former, de permettre la montée en compétences (upskilling) ou la reconversion (reskilling) des talents pour qu’ils puissent utiliser l’IA efficacement, tout en étant équipés pour s’adapter à l’environnement de demain.
L’un des aspects souvent sous-estimés est que ces compétences ne concernent pas seulement le domaine technique, mais aussi la capacité à comprendre les enjeux sociaux et juridiques liés à la data et l’IA.
Selon IBM, les dirigeants estiment que 40% de leurs employés auront besoin d’être reformés à cause de l’implémentation de l’IA et de l’automatisation dans les trois prochaines années. Cette transformation implique aussi bien des compétences techniques que des compétences plus « humaines », comme l’interprétation des données.
En tant que Data Manager et Learning addict, je considère que la littérature des données, ou data literacy, fait partie des compétences que tout employés devraient avoir, afin d’être mieux préparer aux enjeux d’aujourd’hui et demain.
Qu’est-ce que la Data Literacy? Des compétences clefs pour l’avenir
La data literacy, ou la littératie des données, désigne la capacité à lire, comprendre, créer et communiquer des données de manière appropriée. Cela dépasse l’utilisation des outils, pour inclure une véritable compétence critique en matière d’interprétation et de prise de décision.
Elle inclut la capacité à comprendre les données, à les analyser avec des outils spécifiques, et à en tirer des conclusions pour prendre des décisions fondées sur ces données. DataCamp a d’ailleurs développé un framework modulaire très complet pour structurer ces compétences.
On peut ainsi regrouper la data literacy en trois grands piliers principaux :
- Lire : Savoir analyser les données, comprendre les indicateurs clés de performance (KPI) et les facteurs déterminants.
- Rédiger : Être capable de créer ou modifier des tableaux de bord, ainsi que des modèles de données pour rendre les informations plus compréhensibles.
- Communiquer : Présenter, discuter et poser les bonnes questions sur les données pour éclairer les décisions.
En fonction des évolutions rapides du domaine des données, j’ajoute deux autres piliers pour mieux refléter les exigences actuelles :
- Manipuler: Être capable de créer, modifier et partager des données, impliquant des compétences plus techniques, telles que le développement, la modélisation, ou l’ingénierie des données. Ce pilier est essentiel pour ceux qui travaillent directement avec les outils d’analyse ou d’ingénierie.
- Diriger: Utiliser les données pour prendre des décisions stratégiques. Cela inclut non seulement la capacité à interpréter des données complexes, mais aussi à les traduire en actions concrètes et des décisions d’investissement.
Adapter les compétences selon les profils
Tout le monde n’a pas besoin de maîtriser l’ensemble de ces piliers de manière égale. Les compétences requises varient en fonction des rôles et des responsabilités. Par exemple, un business analyst doit être capable de lire et de parler des données de manière avancée, alors qu’un data scientist aura besoin de maîtriser la lecture et la manipulation des données à un niveau beaucoup plus technique.
Cette distinction permet d’établir des parcours de formation adaptés, optimisant ainsi le temps et les ressources tout en s’assurant que chaque employé dispose des compétences adéquates à son rôle.
Ainsi la création de personas permet de mettre en lumière ces différences. Ces profils facilitent non seulement la priorisation des besoins en formation, mais aussi la définition des compétences attendues pour chaque rôle.
Cinq personas pour mieux comprendre les rôles liés aux données
Lors de la mise en place de formations pour des clients, je m’appuie sur cinq types de personas pour structurer la montée en compétences :
- Data Consumer : Utilisateur des données qui consulte et exploite les informations sans nécessairement les manipuler techniquement.
- Data Citizen Practitioner : Employé ayant une bonne maîtrise des données et qui les utilise régulièrement pour prendre des décisions dans son domaine sans être un spécialiste technique.
- Data Practitioner : Professionnel qui manipule, analyse et gère les données dans le cadre de ses activités, avec des compétences techniques spécifiques (ex. : data analyst).
- Data Expert : Spécialiste ayant une expertise approfondie dans un domaine lié aux données, capable de gérer des projets complexes et d’apporter des solutions pointues.
- Data Leader : Responsable stratégique des données, en charge de la gouvernance, et de l’orientation des initiatives liées aux données.
Ces personas permettent d’aligner les formations et les besoins de compétences sur les rôles stratégiques, garantissant ainsi que chacun évolue dans un cadre clair et adapté à sa fonction. Il est néanmoins important de mettre ces personas en regard de votre société, car chaque organisation est différente.
Comment développer un programme de Data Literacy?
Pour préparer l’avenir, la montée en compétences (upskilling) et la reconversion (reskilling) des talents sont indispensables. Un programme de data literacy bien conçu doit être accessible à tous les niveaux et adaptable aux besoins spécifiques de chaque rôle.
Voici quelques exemples d’actions concrètes que vous pouvez mettre en place :
- Former les employés avec des méthodes variées : formations en ligne, présentiel, ou modèles hybrides (blended learning).
- Organiser des rencontres pour favoriser les échanges et les retours d’expérience, comme des « petits-déjeuners données » qui sont souvent efficaces pour engager les collaborateurs.
- Lancer des concours internes autour de la data pour dynamiser l’apprentissage tout en favorisant l’innovation.
- Communiquer régulièrement sur l’importance des données dans les prises de décisions stratégiques, que ce soit via des newsletters, des podcasts ou des communautés internes dédiées. (vous pouvez vous inspirer du compte instagram @bymadafr)
Une autre stratégie gagnante consiste à encourager la collaboration autour des projets de données, ce qui favorise la transversalité et la compréhension globale des enjeux.
Bref, il existe plein de manière de s’amuser!
La conviction BYMADA – Vers une démocratisation des compétences en données
La data literacy n’est plus un luxe, mais une nécessité. Dans un monde de plus en plus axé sur les données, les entreprises et leurs employés doivent maîtriser cette compétence pour rester compétitifs.
Dans la continuité de démocratiser la gestion des données, mais aussi donner les clefs à travers le partage d’expérience, j’ai développé un programme Data Manager. Ce programme se déroule sur 2 jours en présentiel, afin d’acquérir les fondamentaux, avec l’objectif de vous aider à construire une stratégie simple mais efficace de gestion des données, et prendre action!
Ce programme est autour de 6 modules :
- Introduction au data management
- Le monde du Data Modeling
- Les fondamentaux de la Data Quality
- Data Security – Protégez vos données comme vous le devez
- Data Governance ou comment orchestrer les processus et collaborateurs
- Change Management – Créer une culture data qui vous correspond
-
- Une montagne de bonus.
Si ce programme vous intéresse pour former vos collaborateurs, voici la suite.
0 commentaires