Data Management
20/2/2024

Rôle et modèle d’organisation pour garantir la qualité des données

Photo de Marie de Vesvrotte
Marie de Vesvrotte
Responsable Marketing
Personnes bleues avec flèches

Avoir des données fiables ne se résume pas à un problème dédié à la finance, mais est le fruit d’une étroite collaboration avec les opérationnels pour garantir que les données collectées sont complètes, exactes et pertinentes.

Or si la fonction finance n’a pas forcément besoin de nouvelles compétences, elle doit comprendre la nouvelle combinaison de compétences qu’elle doit former ou intégrer à l’équipe financière pour capitaliser sur cette transformation et industrialiser ses cas d’usage.

Le département financier doit passer d’un statut de consommateur de données à celui de propriétaire et pilote de données.

Alors, quelle équipe Data pour accompagner sa transformation ? 

Le Chief Data Officer, le grand chef de la Data

Qualité des données, gouvernance des données, gestion des données de référence, science des données...: le terrain de jeu du Chief Data Officer est vaste.

Son objectif : organiser, exploiter et valoriser vos données.

Ce n’est plus une question, vous devez collaborer avec lui ! Grâce à son socle d’expertise, il vous accompagnera sur la meilleure exploitation de votre donnée. 

Data Scientists et Data Analyst

Généralement rattachés à la DSI, le travail des Data Analysts et des Data Scientists peut sembler similaire : tous deux trouvent des tendances ou des modèles dans les données pour accélérer et sécuriser la prise de décision.

Alors comment les différencier ?

Le rôle du Data Analyst est de collecter, traiter et analyser des ensembles de données pour identifier des insights aidant à la prise de décision.

Le Data Scientist ressemble quant à lui davantage à un Data Engineer. Doté de compétences en statistiques, en programmation et en apprentissage automatique, le Data Scientist explore des ensembles de données volumineux pour en extraire des informations pertinentes.

Si pour l’heure, l’utilisation des données à des fins descriptives et prédictives est commune, à l’avenir, et grâce à ce genre de profil, ils pourront être utilisés à des fins prescriptives. L’idéal serait de disposer d’un Data Scientist ou d’un Data Analyst possédant de solides compétences en contrôle de gestion. 

Data Analytics Engineer, un nouveau profil émergent 

À la frontière entre un Data Analyst et un Data Engineer, le Data Analytics Engineer est un peu comme un bibliothécaire, il organise et modélise les données afin de fournir aux métiers des ensembles de données claires pour qu’ils puissent répondre à leurs propres questions.

Là où le Data Analyst passe son temps à analyser les données, un ingénieur analytique passe son temps à transformer, tester, déployer et documenter les données. Ils se soucient de problèmes tels que :

  • Comment puis-je améliorer la qualité de mes données au fur et à mesure de leur production, plutôt que de les nettoyer en aval ?
  • Que doivent comprendre les utilisateurs à propos de ce tableau pour pouvoir l’utiliser rapidement ?
  • Et si je pouvais être informé d’un problème dans les données avant qu’un utilisateur ne trouve un graphique défectueux ?
Rond violet avec fleche vers le haut