Data literacy : de quoi s’agit-il et pourquoi est-ce important ?

Tout savoir sur la « datalphabétisation » ou data literacy

Vous avez forcément déjà entendu parler de data literacy dans le contexte de l’adoption du Big Data opérée par des organisations de tous secteurs. Derrière ce terme très à la mode, se cache la volonté d’acquérir une plus grande maîtrise des données, ce qui est indispensable aujourd'hui.

Pour comprendre à quel point la data literacy est essentielle, il suffit de se pencher sur la signification de literacy, que l'on pourrait traduire par alphabétisation, soit la capacité à lire et écrire. La data literacy désigne donc la capacité de lire et d’écrire dans le langage des données.

Le terme literacy est souvent utilisé pour décrire des compétences plus approfondies sur un sujet précis. Par exemple, des connaissances culturelles (ou literacy culturelle) sont essentielles pour travailler efficacement avec des partenaires du monde entier. Des compétences financières (ou literacy financière) sont nécessaires pour gérer un budget. De la même manière, nous pouvons définir la data literacy comme étant l’ensemble des compétences nécessaires à la compréhension des données et à la prise de décisions data-driven.

Maîtriser la data literacy peut s’avérer délicat car, comme le souligne Miro Kazakoff, maître de conférences au MIT Sloan, être « data literate » implique d’autres compétences. « Il faut savoir lire, écrire, compter et avoir des compétences graphiques. »

Exemples de data literacy

Comment se traduit concrètement la data literacy ? La data literacy porte moins sur des connaissances techniques spécifiques que sur des compétences générales en matière d’utilisation des données. Cela signifie qu’elle peut différer d’une personne à l’autre.

Voici quelques exemples courants de compétences en data literacy dans le monde de l’entreprise :

• Créer des feuilles de calcul et des bases de données à l’aide d’outils tels que Microsoft Excel ou Airtable
• Comprendre et filtrer les rapports sur le trafic web en utilisant des outils d’analytique du web tels que Google Analytics
• Lire des tableaux de bord de Business Intelligence avec des outils de BI tels que Tableau et Looker
• Choisir le bon type de graphique pour les visualisations de données dans sa publication LinkedIn
• Savoir identifier les graphiques trompeurs et les données soigneusement sélectionnées
• Élaborer des rapports data-driven pour aider les décideurs à prendre de meilleures décisions
• Communiquer des données grâce à une narration efficace

Si vous ne disposez pas de ces compétences au sein de vos équipes, votre organisation a des lacunes à combler en matière de data literacy. Heureusement, il est possible d’aider vos collaborateurs à monter en compétences.

Les bonnes initiatives en matière de data literacy s’articulent autour de la création d’une culture des données. Cela permet à tous les membres d’une organisation, quel que soit leur rôle, d’utiliser les données comme langage commun.

Que signifie être « data literate » ?

Commencer une formation en data literacy peut être utile à tout apprenant, quelle que soit l’étape à laquelle il en est dans son parcours. Développer sa data literacy peut l’aider à réussir dans n’importe quel domaine.

Que signifie être data literate pour une personne non experte des données ?

• Pour les étudiants : apprendre le langage des données signifie apprendre à enregistrer les données, à les interpréter et à les communiquer aux autres. L’analyse des données n’est pas réservée aux cours de sciences, de technologie, d’ingénierie et de mathématiques. L’informatique, les études sociales, la santé, la géographie et bien d’autres domaines reposent aussi sur les données. La data literacy permet aux étudiants de trouver plus facilement leur place dans l’économie du Big Data.
• Pour les enseignants : la data literacy les aide à devenir de meilleurs éducateurs. Chaque évaluation est une occasion de mesurer l’évolution de la compréhension des élèves. Les données portant sur l’assiduité et les notes sur les motivations et le comportement des élèves ajoutent du contexte. Tout cela aide les enseignants à comprendre et à accompagner la réussite de chacun d’entre eux.
• Pour les professionnels : la data literacy aide les collaborateurs à faire progresser leur carrière en prenant des décisions data-driven. La maîtrise des données donne aux professionnels la capacité d’évaluer les situations sur la base de datasets disponibles. Les compétences en matière de communication des données permettent également de réduire les erreurs et d’améliorer la coopération entre collègues.

Pourquoi la data literacy est-elle importante ?

Les données semblent désormais aussi courantes que l’écrit, ce qui rend leur maîtrise aussi importante que l’alphabétisation, c’est-à-dire la lecture et l’écriture, une compétence fondamentale dans notre quotidien. Selon le Forum économique mondial, le taux d’alphabétisation dans le monde , il y a tout juste 200 ans, n’était que de 12 %. Aujourd’hui, la plupart des pays développés enregistrent un taux d’alphabétisation de 99 %.

Le Baromètre Talend sur la santé des données 2022 indique que 99 % des entreprises reconnaissent que les données sont essentielles à leur réussite. Pourtant, 97 % d’entre elles se heurtent à des difficultés pour utiliser efficacement les données. Être data literate signifie être capable d’avoir une meilleure appréciation des choses et de prendre des décisions data-driven. Il n’est donc pas étonnant que 65 % des entreprises déclarent avoir lancé un programme de data literacy.

La compréhension des données permet de travailler efficacement, d’identifier de nouvelles opportunités et de réduire les risques.

Quels sont les trois aspects clés de la data literacy ?

Pour approfondir cette notion de data literacy, penchons-nous sur la définition qu’en donne Gartner. Selon Gartner, « la data literacy est la capacité à lire, écrire et communiquer des données en contexte », et selon le glossaire IT de Gartner, cela couvre « la compréhension des sources de données et des concepts, des méthodes et des techniques analytiques appliquées, et la capacité à décrire les cas d’usage, les applications et les valeurs qui en résultent. » Cette définition de la data literacy selon Gartner nous permet d’identifier trois composantes clés. La data literacy est synonyme de compréhension de :

• Sources et concepts des données : d’où viennent les données et comment sont-elles organisées ?
• Méthodes et techniques analytiques : cela inclut des algorithmes de machine learning, mais cela peut être aussi simple que de définir une médiane à partir d’un dataset
• Applications de cas d’usage : être capable d’appliquer des insights data-driven pour générer de la valeur est le principe moteur de la santé des données

Data literacy : le cadre

Investir dans la data literacy, c’est investir dans la réussite de toute l’organisation. Un cadre de data literacy devrait constituer le squelette du plan de développement des compétences de vos collaborateurs. Tout comme les compétences en matière de data literacy varient d’une personne à une autre, les projets de data literacy seront différents d’une entreprise à une autre.

Que signifie la data literacy pour votre organisation ? Quels sont les outils et les compétences nécessaires pour créer un langage commun autour des données ? Quelles sont les lacunes à combler en matière de compétences ? Répondez à ces questions pour savoir où investir dans le développement des compétences de vos collaborateurs.

Commencez par consulter notre guide pour élaborer un cadre de data literacy (en anglais).

Data literacy : la formation

En 2022, 65 % des entreprises interrogées déclaraient disposer d’un programme de data literacy. Bien que la data literacy ne soit pas un ensemble de compétences universel, de nombreuses ressources existent déjà pour vous accompagner dans cette démarche.

Il s’agit là des étapes de base nécessaires à la réussite d’un programme de formation en data literacy :

• Utiliser des évaluations pour identifier les lacunes en matière de compétences
• Développer un cadre de data literacy adapté à votre organisation
• S’assurer de disposer d’outils de gestion des données qui répondent à ses besoins en data literacy
• Donner aux collaborateurs des outils de data literacy avec le niveau d’accès adéquat
• Proposer une formation initiale, idéalement en partenariat avec son fournisseur de solutions logicielles
• Entretenir les compétences des collaborateurs en matière de data literacy grâce à des cours en ligne
• Poursuivre la collecte d’indicateurs de mesure et itérer sur les modules de son programme

Pour plus de détails sur l’acquisition de compétences en data literacy, lisez notre Ultimate Guide to Data Literacy Training (Guide sur la formation en data literacy, en anglais).

Data literacy : les outils

La data literacy peut avoir une signification différente pour chaque collaborateur au sein de votre organisation. Bâtir un langage commun est nécessaire pour créer et maintenir une culture des données. Les outils de data literacy permettent de décloisonner les données et d’améliorer l’accès à des données de valeur.

La plupart des professionnels utilisent l’un de ces types d’outils de data literacy dans leur travail quotidien :

• Outils d’analytique des données et tableaux de bord : les utilisateurs métier ont recours à toutes sortes de solutions pour analyser les données et communiquer. Pensez aux outils de visualisation des données, aux plateformes d’analytique web, aux outils de Business Intelligence ou aux outils d’intelligence produit. Donnez aux utilisateurs les outils adaptés à leurs besoins et aidez-les à s’inspirer des bonnes pratiques pour tirer le meilleur parti de vos investissements en solutions.
• Glossaire d’entreprise ou glossaire de données : ils sont utiles pour partager les définitions de tous les termes et acronymes liés à votre activité. Ils permettent de s’assurer que vos collaborateurs utilisent le même vocabulaire pour parler données. Si rien de tel n’existe dans votre entreprise, vous pouvez créer un glossaire avec quelque chose d’aussi simple qu’une page wiki interne. À terme, l’objectif est de disposer d’un important glossaire intégré à votre solution de gestion des données.
• Outils d’intégration des données : les données proviennent de tous types de sources. Les utilisateurs métier ont souvent besoin de données provenant de sources multiples pour répondre à leurs questions et alimenter leurs décisions stratégiques.
• Inventaire des données : disposer d’un enregistrement complet et descriptif des données à l’échelle de toute l’organisation est un point clé. Un inventaire des données donne au service IT une visibilité centralisée sur l’ensemble des données. Cela aide également les utilisateurs de données à identifier facilement les datasets dont ils ont besoin et à y accéder.
• Catalogue de données : le catalogue de données dépasse le simple inventaire des données. Ce n’est pas seulement une documentation sur l’emplacement des données. Il s’agit d’un catalogue à références croisées, avec des métadonnées riches. Il doit proposer une interface conviviale. Un catalogue de données complet permet également d’assurer le suivi de l’utilisation et de l’historique des données afin de soutenir votre stratégie de gouvernance des données.

Bien entendu, les outils ci-dessus peuvent être difficiles à utiliser sans formation. Les ressources de formation en data literacy sont également des outils de data literacy à ne pas négliger.

Pour un examen plus approfondi des trois principaux types d’outils de data literacy, cliquez sur ce lien Data literacy tools: understanding how they work together (Outils de data literacy : comprendre leur fonctionnement conjoint, en anglais).

Data literacy : les compétences

Bien qu’il soit naturel d’associer la data literacy aux fonctions liées à la data science, il est nécessaire que tous les collaborateurs de l’entreprise aient des connaissances de base sur le sujet. Les compétences en matière de data literacy sont très variées :

• Les professionnels des ressources humaines « data literate » utilisent l’analytique lié au personnel, par exemple pour identifier les raisons des départs.
• Les responsables d’équipe « data literate » utilisent des indicateurs de mesure pour évaluer les performances de l’équipe et déterminer des primes équitables.
• Les graphistes « data literate » communiquent efficacement des idées complexes à l’aide de visualisations de données.
• Les spécialistes du marketing « data literate » ciblent des audiences, évaluent les résultats des campagnes et leur retour sur investissement (ROI).
• Les commerciaux « data literate » utilisent les données pour comprendre les problèmes des clients et vendre des solutions pertinentes.
• Les équipes produits « data literate » comprennent pourquoi et comment leurs clients utilisent leurs produits.

Découvrez-en davantage sur la data literacy en consultant notre article Mastering data literacy: developing data literacy skills (Maîtriser la data literacy : développer des compétences en data literacy, en anglais).

Data literacy : les avantages

La data literacy est essentielle tant dans le travail que vous exercez, quel qu’il soit, que dans votre vie quotidienne. Examinez les avantages concrets de la data literacy :

• Passez de la réactivité à la proactivité et élaborez des plans data-driven.
• Agissez en vous appuyant sur des données en temps réel, au lieu d’attendre que d’autres traitent les données à votre place.
• Évitez d’être influencé ou induit en erreur par des graphiques trompeurs au travail, ou dans la presse et la publicité.

Pour en savoir plus sur les avantages et les inconvénients de la data literacy, lisez notre article détaillé sur tout ce qu’elle peut vous apporter (en anglais).

Data literacy et enseignement

Au fur et à mesure que l’économie du Big Data se développe, il faut s’attendre à ce que l’enseignement mette davantage l’accent sur les compétences en data literacy.

Ceci étant, la data literacy a toujours fait partie de l’enseignement. Les activités éducatives telles que l’apprentissage de la lecture d’un graphique ou de l’enregistrement de mesures en unités font partie intégrante de la data literacy.

Pour en savoir plus, lisez notre article sur la data literacy dans l’enseignement. (en anglais)

Data literacy et entreprises

Les compétences en data literacy ne se limitent plus au département IT. Certes, un chief data officer, un data scientist ou un data analyst sont tenus d’être vraiment data literate. Mais tous les professionnels doivent aujourd’hui prendre des décisions data-driven.

Dans l’économie data-driven actuelle, les algorithmes encouragent la prise de décision analytique dans tous les départements. Les données touchent désormais toutes les fonctions, même si le terme « données » ne figure pas dans l’intitulé du poste.

Découvrez pourquoi le langage des données est essentiel pour l’avenir du travail dans notre article Developing and applying data literacy in business (Développement et l’application de la data literacy dans les entreprises, en anglais).

Data literacy : parcours d’apprentissage

Le parcours d’apprentissage en data literacy est propre à chacun. Cela s’explique par les éléments suivants :

• Les compétences nécessaires à la data literacy varient selon les secteurs d’activité et les organisations.
• Les compétences existantes varient d’un collaborateur à l’autre.
• Chaque fonction utilise les données différemment.

Assurez-vous que votre projet de data literacy soutient des parcours d’apprentissage individualisés.

Les collaborateurs de Talend utilisent les produits Talend pour développer la data literacy par la gestion des métadonnées, le data stewardship des données et la gouvernance des données. Pour obtenir des conseils d’experts pour la mise en œuvre de votre programme de data literacy, contactez Talend.