Le Data Product Manager

Tu te demandes ce qu'est réellement un Data Product Manager et quel rôle joue-t-il dans l'ère de la transformation numérique axée sur les données ?  Dans cet article, nous allons découvrir comment ces visionnaires de la data dirigent le développement produit basé sur les données et révolutionnent les industries grâce à leur expertise stratégique et leur compréhension approfondie des tendances analytiques.

Qu’est-ce qu’un data Product Manager ?

“Data Product Manager” est un rôle stratégique au sein d’une organisation qui se situe entre les équipes produits, les équipes business et les équipes datas. Il est responsable du développement et de la gestion de produits orientés data qui permettent de répondre aux besoins l'entreprise, améliorer les prises de décision et impacter l’expérience utilisateur.  

Pour cela, le Data Product Manager base ses décisions autour des insights qu’il aura défini à partir de la donnée, à l’inverse d’une approche produit plus classique qui s’orientera plus autour de l’utilisateur. Tout cela aura pour finalité de définir des assets de valeurs et créer des solutions innovantes pour piloter les phases de développement du produit.

Quels sont les avantages d’avoir un Data Product Manager au sein de son équipe ?

Les avantages d’avoir ce type de profil dans une équipe son nombreux. Le Data Product Manager joue un rôle crucial en alignant les données avec la stratégie de l’entreprise, ce qui lui permet d’avoir une vision globale et de développer des produits sur la base de ces données. Grâce à cette vision, ses compétences et sa compréhension des objectifs commerciaux, il peut maximiser l’utilisation de la data pour, par exemple, améliorer les ventes ou la satisfaction client, prendre des décisions éclairées et favoriser l’innovation.  

Quelles sont les différences entre un Data Product Manager et un Product Manager traditionnel ?

Le Data Product Manager diffère d’un Product Manager traditionnel au niveau de ses objectifs et de ses responsabilités.

Une approche data-centric  

L’approche data-centric est une approche qui place les données au cœur de la prise de décision et de la conception de fonctionnalités, en mettant l'accent sur leur collecte, leur analyse et leur utilisation pour obtenir des informations précieuses.

Dans ce cadre-là, le Data Product Manager doit être capable de mettre l’accent sur cette approche afin de définir et prioriser ses différentes missions. Pour cela, il lui est nécessaire d’avoir une bonne connaissance des techniques de data analysis afin d’identifier différents enseignements, optimiser les fonctionnalités ou améliorer l’expérience utilisateur.

De l’autre côté, le Product Manager traditionnel utilise les données dans une certaine mesure mais n'aura pas forcément le même niveau d'expertise et ne se concentrera pas autant sur les données.

Data management et gouvernance 

Le Data Product Manager est responsable de la collecte, de l'organisation, du stockage et du partage des données au sein d'une organisation. Il veille à ce que les données circulent harmonieusement tout au long du cycle de vie du produit et met en œuvre des processus et des systèmes pour maintenir la qualité et la conformité des données.  

Les Product Managers traditionnels, quant à eux, n'ont pas forcément le même niveau d'implication dans la gestion et la gouvernance des données et auront un rôle plus éloigné sur ces types de sujets.

Connaissance technique

En tant que Data Product Manager, il est important d’avoir une large compréhension des concepts techniques liés à la gestion des données, l'apprentissage automatique, l'IA et autres technologies pertinentes pouvant intervenir dans le cadre du développement de produit data.  

Ils collaborent étroitement avec les équipes data, composées notamment de data engineers et data scientists, pour mettre en œuvre des solutions axées sur les données.

Collaboration avec les stakeholders

Les Data Product Managers facilitent les discussions et la collaboration entre les différentes parties prenantes, les équipes data et les clients externes, qui consomment les données ou y contribuent.  

Les Product Managers traditionnels collaborent également avec les parties prenantes, mais ne seront pas autant impliqués dans les discussions relatives aux données, plus techniques.

Quels sont les enjeux et les challenges d’un Data Product Manager ?

En tant que Data Product Manager, tu devras faire face à de nouveaux challenges. La question est de savoir comment réussir à les prévenir et les anticiper. Alors, à quoi s’attendre ?

Les responsabilités d’un Data Product Manager sont dans une grande majorité similaires à celle d’un Product Manager. En effet, 75% des responsabilités quotidiennes sont de prioriser, communiquer avec les différentes parties prenantes, travailler sur de nouvelles collaborations design et créer de nouvelles spécifications. Le Data Product Manager est toujours le garant du bon développement produit à court et long terme, exactement comme un Product Manager plus traditionnel.

Le vrai challenge arrive avec le fait d’assumer toutes ces tâches sur des produits data. Par exemple, le delivery de produit data peut exiger une planification à plus long terme et des investissements plus intenses, les processus de développement peuvent être modifiés en fonction des situations, avec des cycles de développement plus ou moins complexes…  

Dans la suite de cet article, nous allons présenter certains des défis qu’un Data Product Manager peut rencontrer et quelques pistes pour tenter d’y répondre.

S’adapter à la situation et choisir le bon workflow

Dans le cadre d’un produit déjà existant ou d’un nouveau produit, le choix du « problème le plus prioritaire » est à définir. En fonction de ce problème, un choix se présentera à vous en tant que Product Manager : est-il plus intéressant de partir sur une solution data-driven ou une solution avec un workflow plus classique.

Les solutions data-driven, bien que très élégantes de par leurs complexités et l’utilisation de techniques avancées, peuvent être des solutions complexes et onéreuses à mettre en place. Comment faire un choix entre une solution centrée data-driven ou une solution organisée autour d’un workflow classique ?  

Les questions suivantes peuvent vous aider à trouver la réponse :

• Est-ce que partir sur une solution data apporte une vraie plus-value à mon problème ? Ou est-ce que finalement une solution plus traditionnelle ne serait pas suffisante ?
• Est-ce que l’état des données me permet de construire la solution souhaitée ? Si ce n’est pas le cas, est-ce que le coût associé est intéressant et rentre dans mon budget ? (Ne pas sous-estimer le coût d’acquisition, labellisation et traitement de la donnée).
• Etes-vous bien positionnés pour faire face à la concurrence grâce à vos données, votre vision et vos talents à disposition ?

Après avoir pris le temps de répondre à ces différentes questions (elles parmi tant d’autres), dans le cas où le choix d’un produit data est pertinent, de nouveaux défis peuvent se présenter à vous comme par exemple la mise en place de cycle de développement adapté.

Des cycles de développements plus complexes

L’un des challenges lorsque l’on développe une solution data est d’adapter son cycle de développement produit. Ces derniers peuvent être plus longs ou plus complexes, notamment en rajoutant de nouvelles ressources.

En effet, ces équipes ont différentes tâches qui leurs incombent : collecter la donnée, la traiter et la nettoyer, l’analyser puis l’entraîner dans des modèles.  

De prime abord, il peut être surprenant d'observer l'organisation des équipes data car elles passent 90% de leur temps sur la collecte et le tri de la donnée plutôt que sur la définition d'un modèle ou le développement de la solution en tant que telle.

L’une des façons de répondre à cet enjeu de priorisation du temps de travail des équipes peut être de mettre en place une chaîne de valeur de la data robuste :  

• Définir dans un premier temps une équipe de data engineers capable de préparer et stocker la donnée de manière efficace et adaptée à son environnement.
• Développer une équipe de data analysts avec les outils appropriés afin d’avoir la meilleure idée possible de la valeur des données à disposition. Ces derniers mettront en place des dashboards de suivi permettant à toutes les parties prenantes d’avoir des informations rapides et pertinentes.
• Une équipe de data scientists travaillera sur la création, la mise en place puis l’optimisation de modèles permettant de développer le produit final.

Une fois que tout cela est mis en place, il vous reste, en tant que Data Product Manager, à comprendre les enjeux et les besoins en data science de votre produit.

Comprendre les complexités et les besoins en Data Science

Bien que les sujets de data science soient complexes, vous n’avez pas besoin d’avoir une expérience en tant que développeur data. Une bonne compréhension globale peut être suffisante afin de discuter et challenger ses équipes sur les sujets.

La meilleure façon de répondre à cela sera de vous former, même si cela n’est que pour une courte durée. Cela vous permettra d’avoir une meilleure compréhension du contexte et des challenges d’une équipe data : le côté en cascade d’une chaîne de valeur data, la mise en place d’objectifs pour les équipes de data sciences, la maintenance de performances des modèles dans le temps…  

Pour cela, diverses ressources existent afin de comprendre tous ces enjeux :

• “La Data, Guide de survie dans le monde de la donnée”, de Benoît CAYLA
• “Manuel de datavisualisation”, de Jean-Marie LAGNEL
• “Data Analytics, Become a Master in Data Analytics”, de Richard DORSEY

Quelles sont les compétences requises pour être un bon Data Product Manager ?

Plusieurs compétences clés sont nécessaires : certaines liées au développement de produit pur et d’autres plus techniques (en fonction de l’environnement du produit). Voici quelques-unes des compétences requises pour ce rôle :

• Gestion de produits : La première compétence nécessaire est celle liée à l'expertise en développement de produits, essentielle pour bien définir la vision stratégique, élaborer une feuille de route, prioriser les fonctionnalités, gérer les cycles de développement et collaborer avec les équipes techniques.
• Compétences en communication : Savoir communiquer efficacement avec des équipes multi-disciplinaires, des parties prenantes techniques et non techniques et pouvoir traduire et vulgariser des concepts complexes.
• Analyse et résolution de problèmes : La capacité à analyser les données, à identifier les tendances, à résoudre les problèmes et à prendre des décisions basées sur la data est cruciale pour un Data Product Manager. Il doit être en mesure d'interpréter les résultats de data analyse et de tirer des conclusions pertinentes.
• Connaissance approfondie des données : Une compréhension approfondie sur les divers sujets liés à la data (data analyse, base de données, apprentissage automatique ou intelligence artificielle entre autres) est fondamentale. Il est important d’être en mesure de comprendre ces enjeux et les possibilités liées aux données, sans pour autant avoir des connaissances de codages à proprement parlé.
• Orientation client : Un data product manager doit avoir une compréhension approfondie des besoins et des attentes des utilisateurs finaux. Ils doivent être en mesure de mettre en place des mécanismes de rétroaction et d'itération pour améliorer constamment les produits en fonction des retours des clients.
• Adaptabilité et apprentissage continu : Étant donné que le domaine des données évolue rapidement, les Data Product Managers doivent être prêts à s'adapter aux nouvelles technologies, aux tendances émergentes et aux meilleures pratiques. Ils doivent être passionnés par l'apprentissage continu et la mise à jour de leurs compétences.

Être un Data Product Manager efficace nécessite donc une combinaison de compétences en gestion de produits, en analyse des données, en communication et en résolution de problèmes. La maîtrise de ces compétences clés permet de réussir dans la création et la gestion de data product.

‍

En résumé, le Data Product Manager est un professionnel clé dans l'écosystème produit basé sur les données. Il est chargé de transformer les données en produits et fonctionnalités qui créent de la valeur pour les entreprises et les utilisateurs. Ce rôle nécessite une combinaison de compétences techniques, analytiques et de gestion de projet, ainsi qu'une compréhension approfondie des besoins des utilisateurs et des tendances du marché. Avec l'importance croissante des données, le rôle de Data Product Manager devient de plus en plus vital pour le succès des entreprises dans un monde de plus en plus axé sur les données.

‍