Vos projets n'attendent pas, préparez votre rentrée ! Nos équipes sont mobilisées.

Portes ouvertes

Découvrez l'école en ligne, visite privée sur RDV

En savoir plus

RDV d'informations

Sur le campus ou à distance

En savoir plus

Admissions/Inscriptions

A distance ou

sur RDV

En savoir plus

Pour toute demande spécifique, n’hésitez pas à contacter directement notre service admissions.

ITW Anthony Asso

 Portrait Antony Aasso

ITW Anthony Asso,

Chief Data Officer, Directeur de la donnée - Pierre Fabre Group

L’exploitation de la Data concerne aujourd’hui tous les métiers de l’entreprise, de la R&D à la vente. Anthony Asso, Chief Data Officer du grand groupe pharmaceutique français Pierre Fabre, nous explique l’impact de la donnée sur l’évolution de l’entreprise. 

Quel est votre parcours et en quoi consiste votre métier ?

J’ai une formation d’ingénieur en informatique. J’ai commencé à travailler en 2012 dans le développement web et la transformation digitale. J’ai notamment mis en place des outils techniques à destination des équipes marketing qui souhaitaient mieux connaître leurs clients : leurs typologies, leurs fréquences d’achats, le but de leurs achats… En 2015, la data est devenue une question plus centrale dans mon entreprise. J’ai alors suivi un Master spécialisé dans ce domaine à Centrale Paris. Puis à la demande du groupe d’avoir une vision globale de la data depuis la R&D jusqu’au marketing, j’ai monté un centre d’excellence de la data, un département à part entière, qui compte une trentaine de personnes aujourd’hui. J’en suis le Chief Data Officer, le Directeur de la donnée. A ce titre je suis garant de toute la partie gouvernance de la donnée : je m’assure de la qualité des données collectées, de la mise en place des process de traitement et de la standardisation de l’information, je définis de nouveaux rôles dans l’entreprise et j’explique aux différents départements pourquoi il est important de travailler avec la donnée.

Quel type de data collectez-vous et comment est-elle exploitée chez Pierre Fabre ?

Le groupe Pierre Fabre est un laboratoire pharmaceutique qui fabrique à la fois des médicaments et des produits dermato-cosmétiques. Ce sont deux branches distinctes. Ce ne sont bien sûr pas les mêmes types de données qui sont collectées dans la vente de médicaments que dans la vente d’une crème hydratante par exemple. Et ce ne sont pas non plus les mêmes données qui sont utilisées pour le marketing que pour la R&D. Le marketing utilise des données pour faire du marketing de précision, c’est-à-dire davantage ciblé, la R&D utilise des données d’étude clinique, de spectromètre de masse, de formule…

Le but de mon département est de faire comprendre que la data n’est pas un métier en parallèle des autres mais intégré à tous, et de faire en sorte qu’elle soit utilisée par toutes les unités. Prenons un exemple : le chef de produit a pour objectif de mettre à disposition un produit à une date donnée pour un marché donné. L’usine le fabrique. L’équipe commerciale le vend. Chaque métier travaille en silo alors que tout est interconnecté. C’est la data qui permet de véhiculer les bonnes informations entre ces unités : si le commercial fait des prévisions de vente pertinentes de ce produit, le chef de produit peut commander le volume correspondant aux usines, qui peuvent produire suffisamment. 

Ce traitement de la data fait apparaître chez nous, comme dans les autres entreprises, des métiers de spécialistes de la datacomme le Data Steward, le Data Analyst, le Data Scientist…

Quel est le rôle du Data Steward ? Quel est son profil ?

Le Data Stewart s’assure quotidiennement que les informations circulent bien de Business Unit en Business Unit ou bien d’un système d’information à un autre système d’information. Ce n’est pas un métier technique, mais comparable à un contrôleur de gestion. Par exemple, il s’assure que les 10 000 commandes passées depuis un outil de prise de commande sont bien en préparation dans l’entrepôt, puis qu’elles sont parties et qu’enfin les 10 000 sont bien livrées chez le client.

Un bon Data Stewart est capable d’automatiser au fur et à mesure ces opérations, de prédire au lieu de réagir… Il acquiert des compétences opérationnelles et des connaissances stratégiques complexes. Il peut ensuite devenir un excellent chef de projet voire un directeur de projet. Un Data Steward doit être cartésien. Il a des connaissances des métiers et du périmètre des données sur lesquels il intervient. Il est à l’aise avec les outils mais ne vient pas de l’IT. Il est aussi en capacité à vulgariser et à expliquer à tout le monde pourquoi il est important d’utiliser la data. Chez nous, ces postes sont occupés par des personnes venant d’écoles de commerce avec un mastère spécialisé en nouvelles technologies ou en digital, ou ont un diplôme d’ingénieur complété d'un mastère commercial.

Quelle est la différence avec le Data Analyst ?

Le Data Analyst analyse les données. Son rôle est avant tout de se poser les bonnes questions, de chercher quelles informations peut lui être utile pour y répondre et d’avoir une ouverture d’esprit suffisante pour analyser les données dans leur contexte en travaillant avec les autres métiers. Il maîtrise la data visualization pour représenter les résultats et possède une grande capacité à faire du story-telling pour présenter les éléments de réponses, car ce sont les histoires que l’on retient et non pas les chiffres. La donnée doit être vulgarisée pour être adoptée et exploitée. C’est en cela que les écoles de commerce ont vraiment leur rôle à jouer, pour apporter ces compétences relationnelles, pédagogiques, marketing et commerciales, y compris vis-à-vis des services internes.

Est-ce que le Data Analyst doit posséder une forte dimension technique ?

Le Data Analyst a certes des compétences techniques et maîtrise les outils mais ce n’est pas un technicien. Il ne faut pas le confondre avec le Data Scientist qui lui est un expert en mathématiques appliquées, souvent de niveau bac+8… Un Data Analyst peut faire un peu de prédiction. Par exemple, grâce à un modèle simple, il peut prévoir les ventes des 12 prochains mois avec les chiffres de ventes des 10 dernières années. Le Data Scientist lui est capable de faire de la reconnaissance d’images, de la compréhension de langage, et conçoit des modèles pointus…

Voyez-vous apparaître de nouveaux métiers de la data ces prochaines années ?

Il manque ce qu’on pourrait appeler des traducteurs : des personnes capables de parler de data science aux non initiés. Personnellement, j’ai tout le temps été à l’interface entre l’IT et le business, et cette capacité de vulgarisation, de comprendre différents métiers, je sais qu’elle est essentielle. Il y a vraiment un besoin de profils entre le business et l’IT, formés à la MOA (l’assistance à la maitrise d’ouvrage) qui ne sont pas ceux qui réalisent, ni ceux qui émettent le besoin, mais ceux qui comprennent le besoin et le font réaliser. 

Au sein de mon département, j’ai aussi introduit un nouveau poste que j’appelle le Data Business Expert. Son rôle est d’expliquer aux collaborateurs pourquoi il faut changer nos façons de travailler, d’expliquer des concepts autour de la donnée et de les former. C’est souvent un expert d’un domaine particulier (qualité, R&D…) en évolution. Il a donc la légitimité de son métier d’origine et le vocabulaire associé pour bien se faire comprendre.

Former des profils hybrides en école de commerce pourrait donc vous intéresser ?

Oui. Aujourd’hui on trouve des profils bon techniquement, mais ils n’ont souvent pas assez la culture de la data et ne prennent pas assez de hauteur par rapport aux données. Les jeunes doivent être formés à se poser les bonnes questions, à la présentation et à la visualisation des éléments de réponse et au story-telling. Il faut aussi qu’ils apprennent à piloter des projets data, sur la partie technique bien sûr, mais aussi sur la partie humaine car la data perturbe les collaborateurs et leurs habitudes de travail. 

ESG Data

Pourquoi ? Qu’est-ce qui change dans la conduite de projet Data ?

Piloter un projet data est différent de piloter un projet marketing par exemple. J’ai fait les deux. Quand on lance un produit sur le marché, qu’on sait qu’il fonctionne bien, qu’on a des publicités, des équipes commerciales et que les produits sont délivrés en pharmacies, le projet marketing est bien cadencé. Un projet data révèle beaucoup d’imprévus et peut s’arrêter à tout moment parce que l’intuition qu’on avait ne se confirme pas. De plus, le temps d’acceptation des équipes projets est beaucoup plus long, parce que c’est nouveau et que l’utilisation de la data change leurs méthodes de travail. 

Je prends de nouveau un exemple. Un médicament du marché, utilisé pour un traitement particulier, donne à certaines personnes des troubles du sommeil, un effet secondaire qui n’est pas mentionné dans sa notice. Elles en parlent à leurs pharmaciens qui ouvrent des cas de vigilo-surveillance pour faire remonter l’information au laboratoire. Ces pharmaciens remontent le même type d’effet secondaire mais peut-être mentionné différemment : « insomnie », « pas envie de dormir »… Aujourd’hui, dans le laboratoire, ce sont des personnes qui récoltent ces informations, les classent et les regroupent sous le symptôme « trouble du sommeil » dans une base de données.

Si on décide de faire un moteur qui automatiquement lit ces remontées dans 46 langues, classifie et rentre ces différents symptômes en « troubles du sommeil » dans la base, la première réaction de l’équipe en charge de ce process est la résistance. Inscrire les projets data dans un processus d’entreprise prend beaucoup de temps et nécessite empathie, écoute, capacité à accompagner les changements et à lever les résistances chez ceux qui les mènent. 

Pourquoi choisir ESG Data & IA ?

Plus de 30 ans d'expertise pédagogique

12 titres de niveau 7 reconnu par l’Etat, inscrit au RNCP

Plus de 15 000 diplômés

21 MBA ESG classés meilleurs master, Ms et MBA et 1 prix

Pédagogie orientée entreprise

Data IA
Actualités
Le Big Data dans la lutte contre la Covid-19

Pour lutter contre la pandémie de Coronavirus et faire face à l’urgence sanitaire, l’AP-HP, l’Assistance Publique des Hôpitaux de Paris, a mis en place un important dispositif de collecte et de traitement de données.

Adrian Pellegrin
Analyse d'expert
Adrian Pellegrini

COO de Factonics et Chief DataScience Officer de Blue DME

Adrian Pellegrini est un expert en intelligence artificielle et en machine learning. Il a contribué au développement de plusieurs start-up. 

Cette formation peut vous intéresser !

Formation Post-Bac

Bachelor Concepteur Développeur DATA IA

Admission

Post-bac / Bac+2

Rentrée

octobre

Diplôme

Titre RNCP niveau 6 certifié

Alternance

Possible dès la 3e année

Découvrir la formation