Wouter Neef
5 min de lecture
December 19, 2024
La data literacy est un mot-valise qui recouvre beaucoup de compétences différentes. Pour savoir si votre programme crée de la valeur, commencez par regarder les indicateurs du programme lui-même. Deux exemples concrets : le nombre de formations achevées par vos collaborateurs, ou les scores moyens de l’évaluation après la formation data literacy. Ces indicateurs montrent d’un coup d'œil si les apprenants suivent réellement le programme.
Difficile d’attribuer directement une valeur monétaire à une formation achevée, mais c’est un signal précoce de ce que le travail guidé par les données rapportera. En suivant dans le temps le nombre d’achèvements ou les scores moyens, vous pouvez les rapprocher d’indicateurs comme la croissance du chiffre d’affaires, la fidélisation client ou le revenu par collaborateur. Mesurez avant et après le déploiement et vous obtenez une estimation chiffrée de la valeur créée.
Compter les formations achevées est simple et fonctionne pour presque tous les programmes. Il existe aussi des indicateurs plus fins, plus difficiles à obtenir, mais parfois plus parlants pour votre entreprise.
Pour savoir si les apprenants ne font pas qu’achever la formation mais changent aussi leur façon de travailler, mesurez l’adoption des outils. En suivant l’usage de Tableau, Power BI, Google BigQuery ou Thoughtspot, vous disposez d’une preuve tangible de l’effet de votre programme sur les comportements.
L’idéal est de mesurer l’adoption avant et après la formation, pour dire précisément si elle a changé, et de combien. Les indicateurs qui fonctionnent bien :
Le nombre moyen d’utilisateurs par semaine ou par mois vous dit quelle part des équipes se sert de quels outils, et à quelle fréquence, donc si ces outils sont réellement exploités. Le nombre de requêtes et le volume interrogé montrent quelle quantité de données entre vraiment dans le travail. Et le nombre de personnes ayant accès aux tableaux de bord indique combien de collaborateurs utilisent l’analyse descriptive, par exemple pour suivre des objectifs ou pour décider à partir des données.
Au bout du compte, vous pouvez rattacher tous ces indicateurs aux résultats de l’organisation entière ou d’équipes précises. Le chiffre d’affaires progresse-t-il nettement quand les responsables commerciaux consultent plus souvent leurs tableaux de bord ? Le ROI marketing augmente-t-il quand les équipes marketing utilisent plus souvent les outils de données ? Ces liens éclairent la façon dont votre programme agit sur les résultats, via l’adoption des outils.
Tous les business cases ne parlent pas de valeur créée, certains parlent de coûts évités. Si vos équipes ne savent pas lire, questionner et utiliser les données, cela se traduit en travail bien réel : des rapports refaits parce que personne ne fait confiance à la première version, des décisions qui attendent une semaine qu’un analyste se libère, des tableaux de bord qui se dupliquent sans que personne s’en aperçoive.
Tout cela se chiffre. Demandez à un échantillon d’équipes combien de temps par semaine elles passent à chercher, vérifier ou refaire des données, multipliez par le coût horaire chargé, et vous obtenez une estimation défendable de ce que l’écart coûte aujourd’hui. Deux autres chiffres s’obtiennent en général facilement auprès de l’équipe data : la taille de la file des demandes, et la part de ces demandes auxquelles les gens pourraient répondre eux-mêmes après une formation.
Prenez ces chiffres comme mesure de référence. Repris six à douze mois plus tard, une file plus courte et moins de reprises comptent parmi les signaux les plus convaincants pour une équipe dirigeante.
Un programme de data literacy doit faire arriver les réponses plus vite. Le time-to-insight, c’est-à-dire le délai entre une question posée et une réponse à laquelle on se fie, est un indicateur que les métiers comprennent immédiatement.
Mesurez-le sur un jeu fixe de questions récurrentes, avant le programme puis après. Placez-le à côté de deux autres chiffres : la part des questions traitées sans l’équipe data (votre taux d’autonomie) et le temps d’attente moyen d’une demande. Quand les compétences progressent, le premier monte et le second baisse.
Les indicateurs disent ce qui a bougé, les gens disent pourquoi. Envoyez aux apprenants un court questionnaire avant et après le programme : à quel point se sentent-ils à l’aise avec les données, et à quelle fréquence les utilisent-ils dans leur semaine. N’en restez pas là : demandez aussi à leurs managers ce qu’ils voient de différent dans le travail, car l’assurance déclarée et le comportement observé ne coïncident pas toujours.
Tenez-vous-en à une poignée de questions, posez les mêmes à chaque cohorte, et présentez les résultats à côté de vos indicateurs métier. Ensemble, ils répondent à la vraie question de votre équipe dirigeante : est-ce que cela change notre façon de travailler, et vaut-il la peine de continuer ?
Le 24 septembre, nous organisons à Utrecht la 10e Data & AI Literacy Round Table : responsables RH et data dans une même salle, autour de la question de savoir qui porte l’AI Literacy et comment en prouver l’effet. Sur invitation, 30 à 40 places.
Membre de
Nominé
