[VIDEO] 5 Questions à Enguérand Acquarone, Directeur Data & IA chez Galeries Lafayette
Le | Contenu sponsorisé - Data
Quels sont les enjeux Data & IA chez Galeries Lafayette ? Enguérand Acquarone, qui chapeaute ces sujets au sein du grand magasin, a répondu aux questions de François Ziserman et Adrien Coutarel, fondateurs de Target2Sell. Retour sur les temps forts de cet échange passionnant, accessible en replay.
Vous dirigez l’équipe Data & IA chez Galeries Lafayette, comment s’est-elle construite et comment est-elle structurée à présent ?
Les Galeries Lafayette ont commencé à s’intéresser aux sujets data, et à leurs applications au service de la connaissance client, dès 2008. A l’époque, l’équipe data est rattachée à la direction Marketing.
A partir de 2016, on monte en puissance sur une approche “big data” avec la construction d’un data lake et le développement de nos propres algorithmes pour gagner en intelligence, aller chercher des cas d’usage métier et les industrialiser.
Aujourd’hui, nous avons une Direction Data & IA centralisée qui sert l’ensemble des métiers.
Pour retrouver l’ensemble de la conversation, accédez au replay en cliquant ici.
Au programme :
- Collaboration entre l’équipe BI historique et l’équipe Data Science chez Galeries Lafayette
- Montée en compétences des équipes internes et “empouvoirement” sur toutes les problématiques liées à la donné
- Perspectives d’avenir sur l’évolution de la Data & IA chez les retailers
Quels sont les différents rôles présents dans une équipe Data et quelles sont leurs missions respectives ?
On a plusieurs niveaux d’attaque de la donnée : les “Data analysts” qui ont une approche très directe, drivée par le business day-to-day et par la nécessité de créer des stratégies qui répondent à des besoins d’entreprise spécifiques.
La direction Data & IA centralisée sert l’ensemble des métiers. Nous avons plus plusieurs niveaux d’attaque de la donnée avec des data analysts, des data scientists et des data engineer.
Ensuite, les “Data scientists” dont la mission est de comprendre les enjeux, problèmes et besoins des utilisateurs pour construire, avec eux, les bons algorithmes, les industrialiser, les mettre en production et créer de la valeur.
Enfin, les “Data engineer” qui soutiennent le cœur du réacteur et sont garants de la qualité de la donnée. Ils s’occupent de l’ingestion et l’export de ces données, vers des plateformes comme Target2Sell et depuis les systèmes de caisse, le site internet, etc. Le data engineer construit ce pipeline de données, soit avec des outils du marché, soit en construisant sa propre stack technique.
A quels challenges êtes-vous confrontés en tant que professionnels de la Data dans le secteur du retail ?
En fait, la Data, c’est l’ombre du geste métier ! Quand il y a un achat, l’achat génère un ticket de caisse, qui crée de la donnée sur le client. Quand on a un problème de feed, on récupère de la donnée sur nos utilisateurs et ainsi de suite.
La Data, c’est l’ombre du geste métier !
L’équipe data est donc naturellement en contact avec une grande variété de corps de métiers : site Internet, CRM, directeurs de magasin, marketing, acheteurs… Cette grande diversité d’interlocuteurs, c’est ce que j’aime beaucoup dans le métier de la data. Mais c’est aussi ce qui peut créer des challenges : on peut être vécu comme une “interface” et devoir adopter un rôle de traducteur (ou de juge de paix !) par exemple entre les équipes business et les équipes plus techniques.
En étant à l’interface entre de nombreux métiers, vous devez être hyper sollicités. Comment faites-vous pour prioriser ?
Chaque année, on définit une roadmap avec notre comité exécutif. On identifie leurs priorités et leur stratégie. Seulement après, on parle data, et des problématiques qu’on pourrait résoudre.
Une fois la stratégie élaborée avec le Comex, on ne reste pas dans notre tour d’argent, on ”reboucle” avec nos utilisateurs. Cela nous permet d’élaborer une feuille de route et de prioriser chaque sujet en fonction de sa valeur pour les équipes et de sa difficulté technique.
Quelles sont les bonnes pratiques pour assurer la réussite d’un projet Data & IA ?
J’ai un collaborateur qui a l’habitude de dire : « La data science, c’est comme chercher une aiguille dans une botte de foin, sauf qu’on n’est pas sûr qu’il y ait une aiguille. » et c’est très juste !
En fait, il faut toujours s’assurer qu’on est en train de répondre à un vrai problème, qu’on a les moyens techniques pour y répondre, pour pas créer de frustration, qu’on va réussir à le faire dans un temps cohérent. On ne va pas faire un algo pour les jeux Olympiques de 2024 si on pense qu’on va le livrer en 2028 !
Il faut donc bien coordonner, cadrer les projets, et s’assurer de mettre toutes les bonnes personnes autour de la table.
Pour retrouver l’ensemble de la conversation, accédez au replay en cliquant ici.
Au programme :
- Collaboration entre l’équipe BI historique et l’équipe Data Science chez Galeries Lafayette
- Montée en compétences des équipes internes et “empouvoirement” sur toutes les problématiques liées à la donné
- Perspectives d’avenir sur l’évolution de la Data & IA chez les retailers
A propos de Target2Sell
Target2Sell, une entreprise Mirakl, propose une plateforme d’Intelligence Produit construite autour des vrais besoins métiers des utilisateurs internes et centrée sur la donnée produit. L’objectif ? Mettre en avant, pour chacun des visiteurs d’un site e-commerce, l’assortiment produit le plus pertinent, qu’il est le plus susceptible d’acheter. Target2Sell aide les équipes E-merchandising à travailler main dans la main avec leur direction Data & IA, pour améliorer leurs performances e-commerce.