La data, on dit souvent qu'on est "data-driven" parce qu'on utilise Google Analytics. Mouai, vraiment ? Samuel et Arthur ont travaillé ensemble chez StarOfService en 2017, le premier en tant que Product Manager, le second en tant que Data Engineer et ils ont tous les deux des choses à raconter sur la data et le produit. On se pose tou.te.s des questions sur la data, on aimerait en faire plus ou on aimerait qu'elle soit mieux présentée pour affiner nos choix. On parle souvent de l'intégration de la data dans le produit, que ce soit dans les phases de décision ou de conception. Mais qu'en est-il vraiment ? Ce webinar abordera les parcours de Samuel et Arthur par rapport à la data (attention, Samuel a eu un crush ❤️) sous la forme d'une conversation et nous mènera à des réflexions prospectives sur l'avenir de la data dans le produit. Alors c'est pour la vie ? Ce webinar a eu lieu le vendredi 19 Juin à 11h30 sur Cowop. Le lien de la page avec le replay : https://www.samuelathlan.com/les-compte-rendus/les-évènements/cr-webinar-le-couple-data-produit-cest-pour-la-vie

2. Sommaire ● Sam & Arthur : leurs parcours
● Pourquoi la data ?
● Construire une data fiable
● Les niveaux de data
● En tant que PM, ça sert à quoi ?
● Les outils que Sam a utilisé
● Notre expérience ensemble
● Questions

3. Arthur
● Etudes généralistes en sciences politiques
● Autodidacte sur la partie technique (programmation, architecture)
● 6 ans d’expériences en Data Engineering dans des startups type Marketplace principalement
● Quelques expériences annexes en freelance / teaching
● Aujourd’hui Data Engineer chez comet.co

4. Mentor et contributeur
Produit
Explorateur de réflexions
PO
Co-founder & PM
PM
Entrepreneuriat
Dev
Growth
Senior PM
CPO
Fondateur
Sam

5. Pourquoi la data ? ● Analytics (data pour devenir
meilleur)
● PM informés sur les pratiques
data
● Les bons outils
● Intégrer des data analysts dans
les squads
● La mesure en amont et en aval
(KPI)

6. Construire une
data fiable
● Comment construire ?
● Une seule source de vérité (Single
Source of Truth)
● Documentation et vulgarisation des
notions techniques
● Data as a Service différent de Data as
a Product

7. Les niveaux de data
4. Accès brute à la (base de) donnée
1. Rapport commenté par email
exécutifs
2. Dashboard : rapport dynamique,
modifiable, filtrable
Head of / PM non tech
3. Le cube : data avec dimensions et metrics.
On peut faire ses propres charts et analyses
PM tech, devs, QA, CTO, business analysts
SQL writers, devs, data engineers, data analysts

8. En tant que PM, ça
sert à quoi la data ?
● Crédibilisation du discours auprès des
stakeholders
○ Confronter la data à l’intuition
● Nouvelle routine Data
○ User analytics
○ Business analytics
● Apprentissage en continu
○ Apprendre le SQL
○ Lire des stats
● Nouvelles pratiques à la conception même

9. Les outils que Sam
(PM) a utilisé dans
sa vie
➔ Rapports Tableau
➔ Logmatic
➔ Google Analytics
➔ Ab Tasty / Optimizely /
Google Optimize
➔ Mixpanel
➔ Hotjar

10. Les outils qu’Arthur
a utilisé
User journey analytics
➔ Mixpanel
➔ Amplitude
➔ Indicative
➔ Kiss metrics
Open-source dataviz
➔ Superset
➔ Meta base
➔ Redash
Query SQL
➔ DBeaver
Real-time analytics
➔ Snowplow
➔ mParticles
➔ Segment

11. Plateformes d’infrastructures
Objectif = orchestrer ton architecture
AWS
Google Cloud
Batch (cold) vs Streaming (hot,
near-real-time)
AWS Kinesis

13. Le produit soutenu
par des process
data
● Ex : algo de recherche,
customisés par la data
● Automation marketing (la bonne
notif au bon moment, sur le bon
device)

14. Restructuration des
outils data
● Salesforce rachète Tableau (15
mrd$) en 2019
● Google rachète Looker (2.5
mrd$) en 2020
● Sisense rachète Periscope Data
en 2019🚀

15. Vos questions ?

16. Keep in touch
/samuelathlan/arthurblanc