🔔

Webinar de présentation de la formation !

Je réserve ma place >
croix
Le programme dans tes mails
Attention il est peut-être dans tes spams
Tu en apprendras plus sur notre mission, notre pédagogie, et notre programme.
Ton pigeon voyageur est en chemin attend 1 ou 2 minutes qu'il arrive !
Oops! Il semble que ça ne fonctionne pas. Si l'erreur persiste, n'hésite pas à nous contacter !

L'appropriation des enjeux data au sein d'un mastodonte du CAC40

Parcours inspirant

Plongez dans la Beauty Tech avec Romain Vigie, Data Product Owner chez L’Oréal (Paris).

photo de couverture

Longtemps ignorée, désormais courtisée, la data constitue un enjeu business que cherche à s’approprier L’Oréal au travers, pour l’heure, de la dimension de la régulation : en effet, l’U.E. en tête et la France en queue, dans une logique sanitaire et de protection du consommateur, s’intéressent à la composition des cosmétiques et réglementent l’usage des composants. Or, avec 36 marques et plusieurs milliers de produits cosmétiques en référence, il convient d’être capable de répondre aux attentes du régulateur et de repérer quels produits sont concernés avant d’entamer un processus de remplacement du composant puis du produit. La Data est clef pour être capable de réaliser cette analyse et ce repérage.

L’originalité du cas de l’Oréal repose sur le fait que, si l’on entend depuis quelques années parler de l’or que présente la donnée, avec une telle position pourtant sur le marché, L’Oréal a tardé à s’approprier le sujet. Pas assez glamour ? Afin de lui redonner tout leur éclat, Romain et l’équipe Data à laquelle il appartient, s’acharnent à réunir les données au sein d’un même ensemble, parmi plus de 30 systèmes existants, parfois résultant d’acquisitions externes passées.

Les enjeux du moment

Longtemps ignorée, désormais courtisée, la data constitue un enjeu business que cherche à s’approprier L’Oréal au travers, pour l’heure, de la dimension de la régulation : en effet, l’U.E. en tête et la France en queue, dans une logique sanitaire et de protection du consommateur, s’intéressent à la composition des cosmétiques et réglementent l’usage des composants. Or, avec 36 marques et plusieurs milliers de produits cosmétiques en référence, il convient d’être capable de répondre aux attentes du régulateur et de repérer quels produits sont concernés avant d’entamer un processus de remplacement du composant puis du produit. La Data est clef pour être capable de réaliser cette analyse et ce repérage.

L’originalité du cas de l’Oréal repose sur le fait que, si l’on entend depuis quelques années parler de l’or que présente la donnée, avec une telle position pourtant sur le marché, L’Oréal a tardé à s’approprier le sujet. Pas assez glamour ? Afin de lui redonner tout leur éclat, Romain et l’équipe Data à laquelle il appartient, s’acharnent à réunir les données au sein d’un même ensemble, parmi plus de 30 systèmes existants, parfois résultant d’acquisitions externes passées.

Le programme de travail chez L'Oréal

Il y a trois étapes dans l'analyse de la données chez L'Oréal.

1. Centraliser la donnée, et au passage réinventer les processus opérationnels au sein de l’entreprise. L’exemple de l’utilisation de l’outil Pegase a été souligné au travers duquel les données viennent alimenter certains sous-processus et envoyer, si cela est nécessaire, des alertes aux utilisateurs.

2. Créer une gouvernance de la donnée

3. Utiliser la data comme effet de levier : ce dernier résulte d’une acculturation de l’entreprise, vieille de plus d’un siècle, au thème de la donnée et ne serait se départir d’une démarche de conduite du changement pour en cerner l’utilité et la ressource qu’elle représente. Il pourrait, par exemple s’agir d’introduire les enseignements de la data pour révolutionner et réinventer les attentes consommateurs, ou bien refondre la supply chain d’approvisionnement produit afin de réduire les pertes et invendus pour avoir une production plus proche de la réalité des pratiques de consommation. En un mot : intégrer des processus décisionnels consécutifs au traitement des données. À terme, exit les recrutements en marketing, place aux geeks !

Quelle méthode de travail ?

Fait surprenant : La méthode de travail est très semblable à la méthode de gestion de projets et s’articule comme suit :

- Recueil des besoins utilisateurs et rédaction des spécifications fonctionnelles
- Mise en place du(des) projet de données
- Contrôle qualité du projet
- Construction d’une interface utilisateur
- Formation des utilisateurs
- Reporting : Information continue de l’avancement du projet

Des outils simples mais efficaces

Romain travaille avec 5 outils principaux :
- PowerBI
- Pack Office
- Jira
- SQL
- Python (optionnel)

Partagez cet article :
équipe DataBird formation data analyse

Tu souhaites devenir data analyst

Notre formation intensive en présentielle ou en distancielle en data analyse est ouverte à tous types de profils. Tu es intéressé pour rejoindre notre communauté ? Postule pour en savoir plus.

A lire également :