Compatibilité méthode agile dans un contexte Produit Data

Compatibilité méthode agile dans un contexte Produit Data

“V.U.C.A. is the new normal”

De plus en plus, le monde dans lequel nous évoluons devient volatile, incertain, complexe et ambigu. D’une part, nous évoluons dans un monde où il n’est plus possible de construire des grands plans de transformation qui s’étalent sur plusieurs années et sans qu’ils ne puissent évoluer constamment.

D’autre part, nous sommes submergés par des données qui deviennent, d’un point vu cognitif, extrêmement complexes à appréhender. Si l’agilité apporte une réponse à ce monde en perpétuelle évolution, la science de la donnée, elle, nous permet d’interpréter et de tenter d’anticiper les évolutions en captant et interprétant les signaux faibles. Il nous parait évident que les modèles de données doivent être traités au même titre que tous les autres produits que l’entreprise pourrait être amenée à développer. Considérons les différentes étapes de transformation et de création de valeur de la donnée qui vont suivre et voyons comment la gestion de produit agile apporte une véritable valeur ajoutée pour l’entreprise :

  • Acquisition de la donnée
  • Traitement/Interprétation de la donnée
  • Restitution de la donnée interprétable
Maîtriser la qualité de la donnée dès son acquisition

Les produits d’acquisition de la donnée répondent tous à des contraintes de qualité et celle-ci est une des valeurs fortes de l’agilité. Nous pensons que la mise en place d’une démarche de « data quality management » dérivée des pratiques LEAN est non seulement compatible mais essentielle.

Voici la démarche que nous mettons en place pour garantir la qualité intrinsèque des données de manière itérative et adaptative :

Traiter et interpréter de la donnée grâce au Lean Startup et Design Sprint

Cette phase consiste à analyser, comprendre et/ou imaginer de nouveaux modèles de données. Cette phase d’innovation doit permettre de produire de nouveaux services à forte valeur ajoutée. Chez BTI-Advisory, nos consultants sont rompus aux pratiques agiles. Ils nous proposent d’innover tout en maîtrisant les investissements en utilisant des techniques de design sprint et lean startup. Ainsi, nous garantissons un investissement minimum pour explorer et tester la création de nouveaux modèles et services. Ces pratiques sont aujourd’hui connues et reconnues pour leur efficience et la pertinence du feedback qu’elles permettent d’obtenir auprès des utilisateurs. Pour avoir mis en œuvre une telle approche, nous avons compris que tout l’enjeu se situe dans la définition d’une approche de pré-industrialisation agile. Cela permet de prévoir dans un second temps l’introduction des nouveaux services et modèles dans le cycle de delivery des équipes Produit.

Restituer de la donnée et mettre en place les boucles de feedback

Pour rendre un système stable, il est nécessaire d’avoir une boucle de retour. En informatique, la boucle de feedback permet de s’assurer, de maximiser la valeur d’un produit et de l’adapter. C’est un levier d’une démarche adaptative et itérative. Lorsque nous mettons à disposition des utilisateurs les services et modèles, il est important de mettre en place simultanément un système permettant de vérifier auprès des utilisateurs les hypothèses fondamentales que nous avions prises à l’origine de la création des produits. Mettre en place une pratique agile vise à mettre en œuvre un flux systémique de production permettant de maximiser la valeur produite à destination des utilisateurs. Encore une fois, les produits data jouent ici un rôle essentiel pour vérifier que le but recherché est atteint. Nous parlerons dans ce cas précis de Lean Analytics.

Depuis le début de cette réflexion, nous adressons le prisme de l’agilité par ces pratiques pour construire des Produits Data de qualité qui répondent aux besoins des utilisateurs en l’adaptant à chaque itération. Ces approches sont maintenant maîtrisées et pratiquées par de nombreux acteurs. Cependant, pour qu’elles soient efficaces nous sommes convaincus que l’agilité doit s’adresser plus globalement par l’entreprise, notamment en rendant plus agile l’infrastructure qui héberge les données. En effet, une infrastructure monolithique difficilement évolutive sera un frein à l’efficience du processus de delivery agile.

 

 



Laisser un commentaire