Product Manager Data : En Avez-vous Besoin, Ou Devez-vous Le Devenir ?
Nous vivons à l'âge d'or de la donnée, il n'est donc surprenant pour personne que la gestion de produit de la donnée ait vu le jour — un poste de chef de produit spécialisé dans la gestion de la donnée en tant que produit. Comme pour d'autres spécialisations de chef de produit, ce titre de poste semble assez attrayant. Mais de quoi s'agit-il réellement ?
Avant de postuler à toutes les offres de data product manager sur LinkedIn, penchons-nous sur les subtilités de cette profession relativement récente pour voir si cela vaut la peine de modifier le cours de votre carrière en gestion de produit.
Quelles sont les missions d'un Data Product Manager ?
Les data product managers s'appuient fortement sur les données pour développer leurs produits. Ils veillent également à ce que l’ensemble de la direction et de l’équipe produit soit informé des indicateurs clés de performance (KPI) les plus récents ainsi que des enseignements tirés des données, afin d'aider à prendre de meilleures décisions stratégiques et tactiques.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Un autre rôle essentiel du data product manager consiste à combler le fossé entre les data scientists et tous les autres membres de l’entreprise (comme les spécialistes marketing, ingénieurs logiciels, designers produit, etc.) qui utilisent les résultats produits par l’équipe data.
Rôles et responsabilités d’un Data Product Manager
La liste classique des responsabilités pour ce poste ressemble beaucoup à celle d’un chef de produit classique. Cependant, toutes leurs actions reposent fortement sur la donnée.
Laissez-moi vous exposer quelques-unes de ces responsabilités afin d’illustrer cette notion de « data-first ».
Créer et maintenir un backlog produit
Les data PM utilisent les résultats des analyses de données pour identifier de nouvelles fonctionnalités possibles, planifier des améliorations pour celles existantes, et définir la manière dont elles devraient apparaître et se comporter.
Exemple : Traduire des analyses en éléments du backlog
Si vous étiez data product manager travaillant sur l’application mobile de LinkedIn, vous pourriez analyser la performance des différentes notifications sur la plateforme LinkedIn. Supposons que vous remarquiez que le taux d’ouverture de la notification rappelant aux utilisateurs leurs messages non lus atteint un pic pendant la pause déjeuner. Cela pourrait vous inspirer une idée (et une fonctionnalité à ajouter dans votre backlog) pour présenter ces notifications durant ce créneau horaire.
Définir et raffiner en permanence les personas utilisateurs
Les data product managers coopèrent avec leur équipe analytics pour identifier les caractéristiques et comportements communs parmi les utilisateurs de leur produit, et s’appuient sur ces enseignements afin de créer des cohortes et des personas guidées par la donnée.
Exemple : Utiliser le comportement utilisateur pour définir des personas
Imaginez que vous travaillez chez Spotify en tant que data product manager et que vous commencez à analyser la façon dont différents utilisateurs écoutent de la musique. En collaborant avec votre équipe data science pour regrouper les utilisateurs par comportement, vous pourriez découvrir qu’il existe trois groupes distincts :
- Ceux qui écoutent de la musique énergique le matin (probablement des joggeurs).
- Ceux qui écoutent de la musique « chill » de 8h à 17h en semaine (probablement des personnes travaillant au bureau).
- Et ceux qui préfèrent la musique électro et dance les vendredis et samedis soirs (très certainement des organisateurs ou participants à des soirées).
Voilà ! Vous venez d’identifier trois personas utilisateurs potentiels pour votre produit, et vous pouvez documenter leurs spécificités et construire des fonctionnalités adaptées pour eux.
Définir les OKR et KPI
Les data product managers vont encore plus loin : au lieu de simplement définir quelques métriques de base à suivre et des objectifs à atteindre pour le prochain trimestre (comme « augmenter le taux de rétention de 5% »), ils vont établir tout un cadre pour suivre et exploiter les indicateurs.
Deux méthodes reconnues pour créer ces cadres sont soit la mise en place d’une métrique North Star pour votre produit, soit la construction d’arbres de KPI.
Exemple : l’arbre de KPI
Un arbre de KPI est une hiérarchie visuelle entre différents indicateurs que vous souhaitez suivre pour votre produit. En général, vous commencez par l’indicateur principal à améliorer, puis vous définissez plusieurs sous-indicateurs — dont la croissance entraînera celle de votre indicateur principal.
Vous répétez cet exercice plusieurs fois jusqu’à obtenir un arbre qui met en évidence clairement les relations et dépendances entre vos KPI.
Voici à quoi ressemble un tel arbre de KPI pour le service de transfert d’argent Wise :
Comme nous pouvons le voir, le principal objectif de la décomposition de votre métrique principale en arbres de KPI est de découvrir les indicateurs de bas niveau qui sont assez faciles à améliorer pour vous (par exemple, corriger les taux de conversion lors de l’envoi d’un virement).
En résumé, les data product managers sont les évangélisateurs de la prise de décision basée sur les données dans l’entreprise.
Maintenant que nous avons couvert la nature de cette profession, passons et répondons à la question que vous brûlez peut-être d’envie de poser—« Ai-je les compétences nécessaires pour en devenir un ? »
Quelles sont les compétences des meilleurs data product managers ?
Comme son nom l'indique, la gestion de produits data combine la science des données et le management de produit. Par conséquent, on peut naturellement supposer qu’un excellent data product manager possèdera un ensemble de compétences représentatif de ces deux disciplines.
Il ne vous faudra pas longtemps pour valider cette hypothèse si vous commencez à consulter les offres d’emploi pour les data product managers. Voici un exemple publié par Blend360, une entreprise américaine de technologie, sur SmartRecruiters.
D’après ma propre expérience, voici certaines des compétences les plus importantes pour ce poste et pourquoi il vaut la peine de les développer avant de commencer à envoyer votre CV.
Analyse de données
La majorité des data product managers travaillent avec une équipe d’analystes de données. Dans ce cas, la connaissance et la maîtrise de l’analyse et de l’interprétation des données constituent un atout majeur pour mieux communiquer et collaborer avec eux.
Cependant, il se peut également que vous soyez la seule personne responsable de l’analyse de données dans votre entreprise (c’est fréquent dans les petites startups). Dans ce cas, c’est vous qui seriez en charge de traiter, gérer et analyser directement les données de l’entreprise—rendant les compétences en analyse de données indispensables pour ce poste.
Développement de produit
Évidemment, vous n’irez pas très loin en tant que product manager si vous n’avez aucune idée de la manière de fédérer une équipe de développement produit pour concevoir quelque chose qui saura impressionner vos utilisateurs. Quelques sous-compétences importantes incluent l’empathie envers l’utilisateur, la communication exceptionnelle, la priorisation, la réflexion stratégique, et l’expérience dans la gestion du cycle de vie produit, le développement de pricing SaaS, l’A/B testing, et toutes les autres fonctions standard liées au processus de développement produit.
Pensée critique et analytique
Dans le cadre de votre métier, vous serez constamment confronté à un ensemble de données bruyantes à partir desquelles il faudra extraire des informations utiles. Pour cela, vous devrez avoir un esprit d’analyse aiguisé, capable de repérer des motifs et des relations au sein de données brutes.
Par ailleurs, vous devriez idéalement être capable de réfléchir de manière critique et d’évaluer les informations et résultats devant vous selon des critères objectifs.
SQL/Python/R
Enfin, il est très probable que vous soyez amené à interagir directement avec les jeux de données de votre produit afin d’en analyser la structure, proposer des améliorations, gérer et nettoyer les données stockées, effectuer des analyses ponctuelles et bien d’autres tâches.
Il est donc important de savoir rédiger et exécuter des requêtes SQL pour accéder et manipuler les données à votre disposition. Pour des tâches plus complexes impliquant le traitement des données et divers calculs, SQL ne suffit pas toujours, il peut donc être nécessaire d’écrire des scripts dans un langage de programmation générique ou spécialisé.
Dans le domaine du travail sur les données, le langage générique le plus populaire est Python et le plus utilisé parmi les langages spécialisés est R.
Comme on le constate, la nature du data product management fait que les professionnels de ce domaine doivent posséder à la fois des compétences orientées produit, comme le sens de l’empathie utilisateur, et des compétences orientées données, telles qu’une maîtrise de SQL et de Python.
À ce stade, je suppose que vous avez désormais une idée assez claire de ce qu’implique le data product management.
Mais je m’attends aussi à ce que vous objectiez que les activités data-driven sont également importantes pour les product managers classiques, et que vous vous demandiez quelle est la différence entre un PM classique qui prend des décisions basées sur la data et un data product manager spécialisé.
Data Product Manager vs. Product Manager
La différence entre ces deux rôles dans l'entreprise peut sembler floue au premier abord. Cependant, si l'on examine de près certains aspects clés de ces métiers, on remarque des différences significatives.
Laissez-moi passer en revue quelques-uns de ces aspects et vous montrer en quoi le travail des chefs de produit traditionnels et des chefs de produit data diffère.
Les domaines de responsabilité et les objectifs poursuivis
Similarités
Dans les deux rôles, l'objectif principal est le développement, la croissance et le succès global du produit pour l'entreprise. Dans les deux cas, l'utilisateur est au centre de leur attention et toutes les fonctionnalités et améliorations visent à résoudre les points de douleur de l'utilisateur.
Différences
Si vous vous souvenez du célèbre diagramme de Venn concernant les compétences et les domaines d'action des chefs de produit, voici à quoi il ressemblerait pour ces deux métiers.
Ici, on observe que, dans les deux cas, la connaissance technique est importante, car les deux types de chefs de produit travailleront finalement avec des ingénieurs logiciels pour concrétiser leur vision.
La même règle s'applique aux connaissances en affaires, car les efforts des deux doivent mener à un impact sur l'entreprise. Le troisième point, toutefois, révèle la principale différence.
Les chefs de produit data accordent une attention particulière au type de données recueillies auprès des utilisateurs. Ils évaluent également en permanence la qualité de ces données et suggèrent des améliorations à l'architecture de la base de données actuelle ainsi qu'aux fonctionnalités du produit qui collectent ces données, afin d'en maintenir la qualité à un niveau élevé.
Les chefs de produit traditionnels, quant à eux, veillent à ce que les parcours utilisateurs soient bien développés et optimisés. Ils prêtent attention à la manière dont les utilisateurs interagissent avec leurs fonctionnalités et s'assurent qu'ils peuvent naviguer facilement dans l'application.
Dépendance à la donnée
Similarités
Oui, je suis d'accord : quel que soit leur type, les chefs de produit doivent prêter attention aux données et s'assurer que leurs décisions sont guidées par les données. Les deux types de chefs de produit vont mettre en place un outil d'analyse pour leur produit et surveiller en permanence les indicateurs clés comme les tunnels d'activation et de conversion, la rétention, la découvrabilité des fonctionnalités, et plus encore.
Différences
Pour les chefs de produit traditionnels, la donnée est l'une des sources d'apprentissage et d'information utilisées au quotidien. En plus de s'appuyer sur l'analytique et des requêtes SQL issues de la base de données du produit, ils recueillent aussi des informations provenant d'autres sources, telles que des enquêtes clients, des entretiens utilisateurs, des séances de tests d'utilisabilité, et bien plus encore.
Les chefs de produit data, à l'inverse, vivent et respirent la donnée. Les bases de données, les outils d'analyse et les tableaux de bord construits autour de ces données sont leur principale source d'apprentissage et de connaissance des clients. Alors que les chefs de produit traditionnels sont sensibilisés à la donnée, les chefs de produit data sont guidés et centrés sur la donnée, voire data-first.
Si vous vous considérez comme véritablement obsédé par la donnée, devenir chef de produit data est sans doute une perspective tentante. Mais est-ce un métier qui permet de gagner sa vie ? Je suis ravi que vous posiez la question.
À quoi ressemble le marché de l'emploi pour les chefs de produit data ?
Les chefs de produit data sont des professionnels très recherchés qui peuvent avoir un impact considérable sur la croissance et le succès d'une entreprise de logiciels, et cette importance se reflète directement dans leur niveau de rémunération.
Selon Glassdoor, le revenu médian pour ce poste aux États-Unis est d'environ 130 000 $.
Cela inclut un salaire de base de 103 000 $ ainsi qu'environ 27 000 $ en primes et autres avantages. Ce chiffre peut varier considérablement selon le secteur d'activité et l'expérience du chef de produit data.
Si vous êtes une véritable star capable d'apporter une expertise et une expérience significatives à l'entreprise qui vous recrute, vous pouvez prétendre à une rémunération allant jusqu'à 200 000 $.
Ces chiffres diffèrent également selon le pays où se trouve l'entreprise à la recherche d'un chef de produit data. Sur le marché britannique, par exemple, le salaire médian est d'environ £63 000, soit environ 78 000 $ au taux de change actuel.
Comme nous pouvons le voir, la fourchette salariale que les entreprises offrent pour le poste de data product manager est assez élevée. Mais qu'en est-il des perspectives de cette profession en général ? Les data PM ont-ils un avenir prometteur ?
Euh, oui. C'est certain.
Nous vivons à l’ère de la donnée, et beaucoup de macroéconomistes considèrent le big data comme le nouveau pétrole.
Il existe un énorme potentiel de croissance et d’opportunités commerciales caché dans les millions de lignes de données stockées dans les bases de données de votre produit.
On observe également une véritable ruée vers l’or en ce qui concerne la construction et l’utilisation de modèles d’apprentissage automatique pour différentes tâches au sein des produits. Un data product manager pourra être d’un grand soutien, car il est responsable de la qualité et de l’utilité des données et peut aider les ingénieurs IA à construire de meilleurs algorithmes d’apprentissage automatique.
Point de vue de l’entreprise : pourquoi envisager de recruter un data product manager ?
Toutes ces informations sont d’excellente augure pour les data PM actuels ou ceux qui souhaitent le devenir — mais qu’en est-il des employeurs ? D’après les estimations salariales, il semblerait que le poste de data product manager puisse représenter un coût important pour des entreprises, surtout pour les jeunes startups. On pourrait donc se demander s’il est réellement pertinent d’engager un data product manager dès le départ.
Avant d’énumérer toutes les raisons pour lesquelles embaucher un bon data product manager est un investissement sûr, je dois faire un rapide avertissement.
Les data product managers sont précieux dans les entreprises qui exploitent beaucoup de données. Si vous êtes encore une petite startup qui commence tout juste à accueillir ses premiers clients, ou si, par nature, votre produit ne génère pas beaucoup de données, il est sans doute préférable d’engager uniquement des product managers traditionnels.
Cependant, si vous avez déjà une quantité significative de données à disposition, alors les data PM pourront vous aider à :
- Mieux comprendre les besoins des clients et améliorer l’expérience utilisateur en analysant leur comportement et en identifiant les schémas récurrents.
- Améliorer l'efficacité du travail de vos ingénieurs de données en leur communiquant les besoins business, les attentes des utilisateurs, les priorités, et en les orientant dans la bonne direction.
- Exploiter les données lors de la définition de votre stratégie produit en apportant de nombreuses informations précieuses lorsque l’équipe dirigeante et les parties prenantes doivent prendre des décisions stratégiques.
- Vous aider à augmenter vos indicateurs de performance produit en identifiant les leviers d’optimisation et en proposant diverses initiatives pour les mettre en place.
En résumé, les data product managers vous aideront à exploiter pleinement le potentiel de vos données.
Point de vue du PM : Faut-il s’orienter vers le data product management ?
« Alors, » je vous entends demander, « Si ce métier est si bien rémunéré et si utile pour les entreprises tech, devrais-je envisager de faire évoluer ma carrière de PM vers la spécialisation data product management ? »
Cela dépend. Le métier de data product manager est à la fois intéressant et porteur d’impact. Cependant, il n’est pas fait pour tout le monde — ou franchement, tout le monde n’y prendra pas plaisir, ni ne sera performant.
Avant de tenter l’aventure du data product management, prenez en compte les points suivants :
Aimez-vous les activités axées sur la relation client des product managers ?
Je parle ici de réaliser des entretiens utilisateurs, de créer et d’animer des communautés sur Discord, et d’autres activités requérant de fortes compétences humaines. Si cela vous plaît, sachez que les data product managers s’y consacrent rarement. Ils apprennent à connaître leurs clients en analysant les données, plutôt qu’en leur parlant directement.
Aimez-vous consacrer des heures à résoudre des problèmes complexes ?
Si oui, alors le data product management est fait pour vous : vous serez constamment confronté à toutes sortes de problématiques logiques qu’il vous faudra analyser et résoudre.
Êtes-vous à l’aise avec les langages de requêtes et de script ?
Si travailler avec du code ne vous convient pas, aucun problème en tant que product manager traditionnel. Maîtriser Python ou SQL reste un atout apprécié, mais non essentiel dans ce métier-là.
En revanche, pour le data product management, il sera quasiment inévitable de rédiger des requêtes et des scripts tous les jours. Si cette perspective vous fait rêver, il se pourrait bien que vous ayez trouvé votre voie !
Les données sont sans doute la ressource la plus précieuse de notre planète aujourd’hui.
Les data product managers savent traduire les besoins business en requêtes SQL et proposer des idées innovantes pour améliorer votre produit et ravir vos clients. Il est peut-être temps d’en recruter un — ou de le devenir vous-même !
Pour explorer encore plus d’idées sur tous les sujets autour du produit et du product management, n’oubliez pas de vous abonner à la newsletter The CPO Club.
