Méthode : Construire un plan Data en 10 étapes

Chaque année à l’automne, je construis le plan Data de l’année suivante, support de l’activité de l’équipe Data & iA (10 collaborateurs) pour 12 mois. Voici ma méthode pour construire un plan Data en 10 étapes.

Note : cet article a une suite : Multiplier par 5 les usages IA en production : Priorisons !

Méthode pour construire le plan Data

1. Interview des responsables métiers

Avec les deux manageuses, responsables de pôle, nous réalisons une trentaine d’interviews auprès des responsables métiers, essentiellement des N-1 Comex.

2. Formalisation

Nous recensons dans un fichier Excel tous leurs besoins « Data » au sens large.

3. Filtrage

Chaque besoin est passé au tamis de 4 filtres :

1. Alignement avec le plan stratégique de l’entreprise
2. Valeur business
3. Facilité/Difficulté de mise en œuvre
4. Intérêt pour les Data Scientists

4. Scoring

Chaque item est scoré de 1 à 3. La somme va donc de 4 à 12.
Tri décroissant du score total.

5. Priorisation

Définition des priorités

• P0 : Cas d’usage directement lié à une initiative du Plan Programme de l’entreprise
• P1 : Cas d’usage « Must »
• P2 : Cas d’usage « Should »
• P3 : Cas d’usage « Nice to have / Bonus »
• P4 : Besoin abandonné (pas de la Data) ou dépriorisé

6. T-shirt sizing

Pour chaque UC, je détermine une estimation du nombre de jours nécessaires à la réalisation en « taille de tee-shirt »

• XS : 10 JH
• S : 20 JH
• M : 40 JH
• L : 60 JH
• XL : 100 JH
• XXL : 150 JH

7. Capping

Somme cumulée. Je stoppe quand j’atteints 2060 JH (10 ETP x 206 jours travaillés).

8. Organisation et équipe

Pour chaque UC retenu, je détermine :

• L’organisation
  (Data Seule, avec la DSI avec code projet, avec la DSI sans code projet)
  ㅤ
• L’implication
  (Contributeur, Owner Indus’, Owner R&D)
  ㅤ
• La maturité
  (Exploration, POC, Industrialisation, Run)
  ㅤ
• Le métier
  (Data Science, Data Analyse, Stratégie Data)
  ㅤ
• Le Timing
  (T1, T2, T3, T4)
  ㅤ

9. Regroupements

Je regroupe les UC en Epic (une vingtaine) et Macro Epic (Projets transverses, Stratégie Entreprise, Efficacité du développement, Efficacité des opérations, Connaissance Clients).

10. Harmonisation

Je vérifie les équilibres, l’harmonie générale, la CAF DSI et l’assentiment de la hiérarchie et des équipes. Ajustements si nécessaire et c’est plié.

Remerciements

Je n’ai pas imaginé ça tout seul. Eric Vincent, Gwendal Bihan, Stephane Barde, Charles Besnard, notamment, m’ont aidé au démarrage afin de définir cette méthode pour construire un plan Data en 10 étapes.

Quelques chiffres

Quelques stats (on est Data où on ne l’est pas, en tous cas, on ne se refait pas 😊).
En moyenne, par an, sur les 5 années 2018 à 2022 :

• 29 interviews
  ㅤ
• 102 besoins recensés
  ㅤ
• 68 UC P0, P1 ou P2 retenus
  ㅤ
• 53 UC réalisés
  (une quinzaine abandonnée, le besoin a changé en cours d’année ou est repriorisé l’année suivante)
  ㅤ
• 40% Data seule, 40% DSI sans code projet, 20% DSI avec code projet
  ㅤ
• 25% Run, 25% Indus, 25% POC et 25% R&D
  ㅤ
• 50% Data Science, 1/3 Data Analyse, 1/6 Stratégie Data

Pour aller plus loin : cet article a une suite : Multiplier par 5 les usages IA en production : Priorisons !

Note : Article initialement publié sur LinkedIn : ici
Retrouvez ici tous les articles de Yann-Erlé