Ces deux nouveaux métiers du numérique n’arrivent pas en même temps par hasard. Pourtant ils ont tout deux des origines très anciennes. L’ergonomie est la base de l’UX tandis que les données sont l’essence du Data analyst. Or, il y a toujours eu des principes d’ergonomie du moment qu’il y a un produit, il en va de même pour les données, elles ont toujours existé du moment que l’on savait les répertorier, les compter et les catégoriser.
L'UX Designer et le Data Analyst : affinités et dissemblances Cliquez pour tweeter
Deux métiers similaires
Le numérique a donné une nouvelle tournure à cette acquisition des données qui permet aujourd’hui d’en tirer des analyses plus profondes et spécifiques. C’est un peu comme pour le métier d’UX designer, victime du succès du web, qui le rend maintenant indispensable pour se démarquer de la concurrence. Le Data Analyst est et sera une nécessité pour les entreprises qui engendrent un flux important de données, qu’elles soient dues à des actions physiques ou numériques.
Aujourd’hui nous avons la capacité technologique de restituer un grand nombre de données différentes sur un ou plusieurs individus à la fois. Hormis l’acquisition des “données personnelles” auxquelles nous sommes tous confrontés lorsqu’on s’inscrit sur un site quelconque, le monde de l’Internet comme le monde réel sont parsemés de capteurs qui nous analysent sans cesse. Caméra, automate, capteur de passage, détection faciale, micro, etc.
Une aubaine pour le Data Analyst, car aujourd’hui nous sommes en capacité de stocker ces données et les trier ingénieusement. Une opportunité qui n’a pas manqué aux commerçants physiques qui peuvent miner leurs magasins de ces dispositifs afin d’en observer les comportements des clients et ainsi améliorer l’organisation de son magasin.
Pareil pour la médecine qui peut améliorer ses recherches grâces à l’accumulation de data servies par les appareils connectés à notre corps ainsi que toutes nos caractéristiques personnelles présentes dans notre carnet de santé par exemple.
Cependant là où nous sommes le plus à découvert en tant qu’individu, c’est évidemment sur Internet. Nous ne cessons de partager des données plus ou moins personnelles, et tous les mouvements et actions que nous pouvons faire peuvent être enregistrés. Plus vous passez du temps sur une site, plus vous générerez des données qui permettront au site de vous connaître en détail. Ceci pas seulement en vous observant vous uniquement, mais en vous comparant à des milliers d’autres personnes qui vous ressemblent dans leurs usages, c’est de là que la Big Data tire sa force. C’est aussi là qu’intervient le Data Analyst, il doit pouvoir comprendre la donnée, la nommer, la catégoriser et l’associer avec d’autres afin d’en tirer une conclusion constructive. Concrètement il doit comprendre le comportement humain qui a engendré cette donnée afin de pouvoir le traduire en un résultat compréhensible par tous.
Le Data Analyst a besoin d’empathie autant que l’UX designer lorsqu’il effectue des tests utilisateurs, les données vont permettre de poser le contexte et d’énumérer les actions concrètes, reste au Data Analyst de comprendre pourquoi l’humain a voulu réagir ainsi. Il doit se projeter dans ce que les données lui offrent comme contexte et trace de l’utilisation.
Comme pour les designers UX, il existe un grand nombre de pratiques qu’un Data Analyst peut faire, cependant le contexte de sa mission dépendra des données qu’il a à analyser. Un Data Analyst de plateforme e-commerce de chaussures n’aura pas les mêmes tâches qu’un Data Analyst d’une solution d’assurance. Tout comme un UX Designer d’une application de jeux en ligne sera différent d’un UX designer qui travaille sur un service de facturation en ligne.
Le Data Analyst a aussi sa casquette de consultant qu’il peut utiliser grâce à ses méthodologies applicables du moment qu’il y a des données à traiter. Comme le design UX qui s’applique dès lors qu’un utilisateur est impliqué à un service, une marque, une interface ou un produit.
Il peut intervenir sous différents angles, celui plutôt fonctionnel et concret ou celui plutôt idéaliste et théorique. Le Data Analyst a deux grands chapitres dans son spectre professionnel, le premier consiste à construire les données et le deuxième consiste à les analyser. Or aujourd’hui, il y autant de façons de créer des données que de les traiter.
D’où l’intervention de l’intelligence artificielle et des algorithmes qui vont largement faciliter la tâche de l’humain.
Le Data analyst doit concevoir la bonne structure des données pour qu’elles soient ainsi classé par les algorithmes puis analysé par l’intelligence artificielle. Un travail monstrueux qui ne peut être récursif du fait que les données à analyser sont changeantes en fonction du secteur du marché et de l’identité de la marque. Ce problème est aussi valable pour le designer UX qui doit renouveler ses pratiques au dépend des nombreux facteurs qui concrétisent l’expérience utilisateur.
Le Data Analyst doit aussi savoir déchiffrer les données afin d’en tirer des améliorations en terme de rendement ou de production. Bien que l’intelligence artificielle peut déchiffrer et modéliser une partie des informations, il faut néanmoins un oeil humain pour tirer une conclusion constructive.
En somme, analyser des données revient à analyser des comportements utilisateurs qu’il faut traduire concrètement, c’est exactement le même principe pour le designer UX.
Un nouveau tournant pour le métier
Les anciennes entreprises comme les nouvelles ont dépassé le stade de la jubilation face au Big Data et elles souhaitent maintenant comprendre et utiliser intelligemment les données qu’elles produisent. Elles ont compris qu’il ne fallait pas seulement générer des données aussi précises et utiles soient-elles, il faut pouvoir les comprendre et les traduire en amélioration.
Le besoin se fait d’autant plus sentir du fait que le stockage et la catégorisation des données représentent un coût pour les entreprises. De plus, on sait que les données peuvent représenter énormément d’argent, car qui dit données dit traffic donc notoriété et puissance.
Si les entreprises comme Facebook ou Snapchat sont chiffrées en milliards, c’est aussi grâce à la quantité et à la qualité de leur Big Data qui est générée chaque jours par leurs utilisateurs. Cependant pour que ces données aient une vraie valeur, il faut les rendre administrables et les plus précises et confidentielles possible.
Pour ça, il faut nécessairement un Data Analyst et évidemment un bon nombre de développeurs pour réussir à donner de la valeur à ces chiffres et ces lettres. Sans quoi, les données ne valent plus grand chose.
Donc au delà de l’aspect fonctionnel du Data Analyst, il a aussi une importance cruciale dans la valorisation des données et de leur vente. Grâce à une analyse précise des données, l’expérience client et/ou utilisateur peut être largement perfectionnée. Ceci permettra une meilleure connaissance de la clientèle dans le but de proposer une offre plus précise et personnalisée.
Les datas sont parfois transmises et formalisées en temps réel, ce qui permet au Data Analyst de donner une tendance instantanée du flux de données. Dans le même principe qu’un analyste financier ou un coursier, les yeux rivés sur les graphiques, un Data Analyst a la possibilité de déchiffrer en direct les données.
Un métier à plusieurs facettes qui devient phare dans la plupart des multinationales et auquel il faut porter une attention particulière. Les données vont devenir l’observatoire de l’humanité et le Data Analyst en sera l’apôtre.
Crédit image : William Iven
No Comments