J’ai récemment rencontré Margaret Potter, data scientist chez Calabrio, pour discuter de l’importance de la science des données et de l’analyse pour les entreprises. Dans ces questions-réponses, Margaret partage son parcours peu orthodoxe pour devenir la « mathématicienne » attitrée de Calabrio, et explique pourquoi les personnes qui se cachent derrière les outils restent la pierre angulaire du succès lorsqu’il s’agit d’analyse.
Q : Parlez-moi un peu de votre parcours. Quelque chose d’inattendu ?
Margaret : Je suis venue à la science des données assez tard. J’ai travaillé comme dessinateur d’architecture et j’aimais résoudre des problèmes spatiaux et travailler avec des clients qui rénovaient leur maison.
Je suis retourné à l’école pour étudier les mathématiques après l’effondrement du marché, afin de devenir professeur de mathématiques. Je n’avais pas l’intention de devenir data scientist, et je ne m’attendais pas à aimer autant ce métier. Chaque jour, j’ai des problèmes à résoudre et j’essaie d’aider des personnes réelles à améliorer leurs activités. À certains égards, cela ressemble beaucoup à mon travail précédent.
Q : Qu’est-ce qui vous a intéressé en premier lieu dans l’analyse des données ?
Margaret : J’ai commencé avec l’équipe de développement qui travaille sur Calabrio Workforce Management (WFM). Nous avons commencé à parler des utilisations potentielles de toutes les données collectées dans le cadre du WFM. Nous proposions une idée vraiment géniale et quelqu’un finissait par dire : « Oui, mais c’est vraiment de l’analytique, pas du WFM ».
Cela m’a donné envie de travailler sur ces problèmes.
Q : Pourquoi l’analyse des données est-elle un domaine important ?
Margaret : Depuis longtemps, des outils statistiques sont utilisés pour décrire et interpréter des événements passés. L’analyse des données, dans son état actuel, est bien plus que cela. Nous l’utilisons pour prédire des choses.
Bien sûr, la prévision consiste à prédire, mais il s’agit généralement de prédire la quantité de ressources dont nous avons besoin, comme le personnel du centre de contact. C’est ce que nous faisons depuis longtemps et nous continuerons à le faire.
L’analyse est différente. Nous utilisons l’analytique pour prédire des choses qui peuvent affecter notre façon de travailler. Par exemple, dans Calabrio Analytics, nous pouvons prédire les scores d’évaluation des appels. Au lieu de noter un échantillon aléatoire d’appels, nous notons tous les appels et un évaluateur note ensuite un petit échantillon aléatoire pour vérifier la notation automatique. Les évaluateurs peuvent ainsi se concentrer sur les appels problématiques. Il s’agit d’un changement fondamental dans la manière dont l’évaluateur aborde son travail ; c’est un changement de processus.
C’est l’autre chose que j’aime dans l’analyse des données : elle a le potentiel de rendre chacun d’entre nous plus efficace dans son travail, plus pertinent. Nous aidons les entreprises à exploiter les données d’interaction avec les clients, à trouver des modèles dans les données et à utiliser ces modèles pour mieux comprendre leurs clients. En fin de compte, nous voulons que nos clients trouvent des moyens d’utiliser leurs données pour améliorer leurs activités, pour créer des lieux de travail plus efficaces avec des clients satisfaits et des employés engagés.
Q : Quel est le malentendu que quelqu’un a pu avoir à propos de votre rôle ?
Margaret : Les gens semblent penser que parce que j’aime les mathématiques et travailler avec des données, je ne suis pas une personne sociable. J’aime interagir avec les gens et je suis fasciné par le comportement humain. Une partie de notre travail chez Calabrio consiste à poser des questions sur le comportement humain (généralement le comportement d’un agent ou d’un client) et à chercher une réponse dans les données. J’aime relier mon côté intello et matheux à mon côté humain. C’est l’une des choses qui m’apportent de la joie dans mon travail.
Encore une chose à propos de l’analyse en général. L’analyse n’est pas un jeu de mots. Nous utilisons des modèles prédictifs connus et fiables (modèles d’apprentissage automatique) ainsi que des modèles statistiques plus traditionnels.
Q : Quelle est la partie que vous préférez dans un nouveau projet ?
Margaret : J’aime la trajectoire d’un projet. Tout d’abord, nous sommes dans le noir et tout est mal défini. En les discutant, l’équipe donne une orientation au projet. Ensuite, nous commençons à explorer les données en essayant de comprendre les questions suivantes : « Avons-nous raison ? » et « Cela peut-il vraiment fonctionner ? ». Une fois cette étape franchie, nous nous attaquons au problème suivant : comment intégrer ces éléments dans le produit de manière à ce qu’ils soient réellement utiles aux utilisateurs ? Il est très gratifiant de voir un projet passer de quelque chose d’informe et de nébuleux à quelque chose de bien défini et d’utile.
Q : Qu’est-ce qu’une entreprise peut gagner en investissant dans l’analyse ? Que pourrait-elle perdre si elle ne le faisait pas ?
Margaret : Un chef d’entreprise qui décide de renoncer à l’analyse des données n’est pas les mains vides ; il peut toujours prendre des décisions fondées sur des années d’expérience. C’est un atout précieux qu’il ne faut pas négliger.
Vos concurrents ont accès aux mêmes outils que vous, qu’il s’agisse des informations issues d’années d’expérience ou de celles qui peuvent être extraites des données relatives aux clients. Si vous ignorez l’un de ces outils, vous risquez d’être désavantagé par rapport à la concurrence.
L’analyse ne remplacera jamais les personnes, mais elle les rendra plus performantes dans leur travail. Grâce aux outils d’analyse, les chefs d’entreprise ont désormais accès à des données solides sur lesquelles ils peuvent fonder leurs décisions, plutôt que sur des intuitions. Ne négligez pas votre expertise commerciale, mais veillez à la compléter par des informations tirées des données que vous collectez déjà.
Q : Quel conseil pourriez-vous donner à une entreprise sur la manière d’aborder l’analyse avancée ?
Margaret : Ne vous attendez pas à ce que tous vos problèmes soient résolus en même temps. Commencez par vous attaquer à un problème (ou à une question), puis utilisez les connaissances acquises grâce à l’analyse de vos données pour apporter un changement. Essayez de choisir quelque chose de simple qui donnera à chacun l’occasion de voir comment il fonctionne et pourquoi il est utile.
Le changement est difficile, alors préparez-vous à réussir. En commençant par de petits projets, vous pouvez commencer à intégrer l’analyse comme une partie naturelle de votre processus d’entreprise. Au bout d’un certain temps, cela deviendra une habitude et vous commencerez à poser des questions d’analyse à propos de tout.
Q : Lorsque vous ne travaillez pas avec des données, qu’aimez-vous faire pendant votre temps libre ?
Margaret : J’aime marcher, ce qui est bien parce que j’aime cuisiner et manger de bons plats. J’aime aussi faire des voyages en voiture et voir des endroits où je ne suis jamais allé.
