Les métiers de la data dans les équipes marketing et commerciales

La data donne des informations précieuses sur les offres à promouvoir, le jour où les sortir ou encore les cibles idéales par argumentaire de vente. Utiliser une stratégie de vente basée sur les données permet de bien cartographier et de segmenter la base de clients.

Une bonne stratégie d’utilisation de la data permet de prendre conscience et d’analyser systématiquement les succès et échecs au sein de vos activités. Vos équipes peuvent aussi prédire l’activité de l’entreprise par l’analyse de données structurantes.

D’après une étude du Business Application Research Center auprès de 559 décideurs commerciaux et informatiques, les ventes pilotées par les données ont permis d'augmenter les bénéfices de 8 % et de réduire le coût global des opérations de 10 %.

La data prend donc de plus en plus de place dans les fonctions marketing et commerciales. Cela se traduit par l’apparition de nouveaux métiers au sein de ces équipes, et de nouveaux rôles et enjeux dans les équipes data. 

Zoom sur 6 métiers qui évoluent pour mettre la donnée au cœur des décisions marketing et commerciales.

#1 Les growth hackers

Source: Cf Infographiste

Le métier de growth hacker est souvent difficile à définir et fait couler beaucoup d’encre. Sa définition est compliquée, car il est nourri pour beaucoup par un fantasme d’améliorer les opérations marketing de manière ultra-efficace autour de concepts tels que la croissance virale. C’est un gros malentendu.

Être growth hacker consiste à développer l’activité en envisageant de nouvelles pistes de croissance. Ce n’est pas tout A/B tester de manière systématique, mais plutôt analyser les performances marketing et commerciales pour les évaluer et trouver des pistes d’amélioration.

Les growth hackers ont comme passion de trouver des métriques et de les faire mouliner. C’est par exemple un taux de conversion ou un coefficient viral. Les données sont au cœur de leur travail, elles leur permettent d’avoir une approche empirique de la croissance et sont à la base de leur créativité. 

Au lieu de reporter la data de manière systématique, le growth hacker cherche des mesures intéressantes qui lui permettent d’avoir une approche scientifique de la croissance : quelles sont les opérations qui fonctionnent bien ? Pourquoi ? Quels facteurs peuvent perturber le business ? C’est un travail de test par itérations mais aussi de théorisation. 

Avec la data, les growth hackers inspirent de nouveaux produits et affinent la segmentation.

Une partie centrale des missions du growth hacker est de faire le lien entre les équipes marketing et commerciales en leur permettant de développer un langage commun par l’utilisation de la data.

#2 Les data engineers

Source: Clementine.Jobs

Le data engineer est au contact direct de la data. C’est le métier le plus technique de la chaîne de traitement et d’analyse des données. Il est le premier maillon de cette chaîne, son travail prépare le terrain pour le data analyst et le data scientist. 

Il est responsable de la collecte, de l’organisation et du stockage des données. C’est lui qui permet à toutes les autres équipes d’exploiter la donnée brute, en la rendant exploitable.

On peut résumer son travail en trois missions principales :

1. Il met en place des pipelines de données pour en organiser les flux et les diviser en sources de données, bases de données et outils d’activation de données.
2. Il garantit la qualité des données en les nettoyant. Pour optimiser le travail des équipes qui les utilisent, il s’assure que les données soient à jour, propres et normées.
3. Il veille à l’alimentation en données et à leur sécurité en s’occupant de la maintenance du système d’information.

#3 Les sales operators

​​

Source: FreshSales

Le sales operator analyse les données de terrain et les chiffres commerciaux afin de rationaliser l’activité de l’entreprise. Il détermine les points forts et faibles de l’organisation et a pour objectif d’améliorer la prise de décision.

Les bonnes pratiques de sales operations dans l’organisation varient en fonction de l’entreprise. Vous devez ajuster votre méthode en fonction de la nature de votre entreprise afin de déterminer une organisation optimale. Elle dépend de plusieurs paramètres : la culture d’entreprise, la taille de l’organisation ou encore sa maturité.

Voici les 4 fonctions clés d’un sale operator: 

1. Définir une stratégie : Définissez les axes stratégiques en collaboration avec les sales operators et les responsables de ventes selon deux temporalités, court terme et long terme. Cela vous permet de prendre appui sur l’activité des responsables commerciaux ainsi que sur les outils analysés par les sales operators. En favorisant la collaboration entre équipes, vous assurez un effet positif sur le travail des sales operator. Avec une stratégie définie en amont et en collaboration, ils sont plus efficaces dans la prédiction des performances et des résultats, dans l’évaluation des processus commerciaux et de l’organisation de la force de vente ou encore dans la mise en place de nouvelles méthodologies de travail.
2. Démocratiser l’utilisation des outils et des technologies : En analysant la data, les sales operators connaissent les comportements des clients. Poussez-les à aider le département marketing à créer et adapter le discours commercial ainsi qu’à développer du contenu ciblé. Cela peut aussi consister à réfléchir avec les équipes marketing à la structure de l’entonnoir de conversion.
3. Accompagner les opérations de recrutement et de formation : Les sales operators développent les talents et permettent aux commerciaux d’atteindre leurs objectifs. Ils peuvent organiser et gérer un onboarding, développer des formations sur les produits ou encore implémenter la méthodologie de vente.
4. Accompagner les process et améliorer la performance des commerciaux : Les sales operators améliorent l’efficacité des commerciaux et leur motivation en s’occupant de la communication interne, en intervenant auprès des clients, en améliorant les différents processus, en automatisant des tâches quotidiennes éloignées du coeur de métier des commerciaux ou en gérant le CRM.

#4 Les marketing operators

Source: Sketch Bubble

Les marketing operators exercent un travail complexe. Ils n’ont pas de rôle ou de responsabilité définis, cela dépend de l’entreprise dans laquelle ils se trouvent et de son activité.

Les responsables ou directeurs des opérations marketing supervisent les outils, les données, l’automatisation de l’entreprise. Ils récupèrent les données et aident à l’élaboration des rapports auprès des différentes équipes concernées.

Par leur action, ils contribuent à la prise de décision stratégique, garantissent le bon déroulement des processus ainsi que la résolution des problèmes et offrent des possibilités variées pour responsabiliser les équipes par le développement d’outils.

Leur missions accompagnent votre stratégie marketing online et offline. Ils peuvent donc venir compléter le travail déjà établi par des agences de SEO.

Le rôle de marketing ops est assez récent, et évolue rapidement, mais on peut assez simplement le définir en 4 compétences clés :

• Comprendre la data est essentiel pour agir en suivant les informations fournies par la technologie. C’est aussi important pour s’assurer de la bonne circulation des données au sein du département marketing.
• Maîtriser la technologie est une compétence clé pour les marketing operators, surtout dans un contexte où les stratégies de marketing automation se développent de plus en plus.
• Établir des process clairs permet de définir comment appliquer la technologie et la data aux activités et aux méthodes de travail des équipes.
• Coordonner les équipes dans l’utilisation de la data et de la technologie est important. Cela passe par la mise en place de formations, un leadership fort et des process de communication standardisés. 

#5 Les data analysts

Source: Converteo

Le data analyst travaille au croisement de la data et du business. Sa mission consiste à transformer les données en informations utilisables par l’entreprise et ses équipes. L’objectif est de tirer des enseignements afin d’améliorer le business et la prise de décision.

Contrairement au data engineer qui connecte les sources de données à la base de données, le data analyst intervient à la fin du processus de collecte de données. Il analyse les données structurées du data warehouse à l’aide d’outils d’intelligence et de visualisation. Son travail consiste à faire beaucoup de reporting pour transformer les données en outils visuels utilisables par les différentes équipes.

La connaissance du business est centrale pour analyser les données et les enseignements de manière pertinente. Le data analyst est à l’intersection des deux : il analyse les données en connaissant spécifiquement les besoins et objectifs de chacune des équipes ainsi que les objectifs globaux de l’entreprise.

Il a un rôle important dans la diffusion de la culture data driven en proposant aux différentes équipes de s’emparer d’outils qu’il a vulgarisés.

De plus en plus, la mission des data analysts s’élargit. Ils sont plus investis auprès des équipes et constituent de réels interlocuteurs afin d’améliorer la performance. Il travaillent donc beaucoup sur la question de la gestion des CRM, mais aussi des relations commerciales à distance. Leur objectif est de concevoir par l’analyse de la data des mécaniques relationnelles plus efficaces et des bonnes stratégies de sales automation.

Ils construisent aussi beaucoup de modèles d'attribution afin d’identifier les canaux marketing les plus efficaces, d’analyser et d’améliorer les performances.

#6 Les data scientists

Source: The Data Scientist.Com

Le cœur de métier des data scientists ressemble beaucoup à celui des data analysts. Un data scientist transforme les données en informations utilisables. Sa mission principale est donc de rendre intelligible des données afin d’aider à la prise de décision et d’améliorer l’efficacité et les performances de l’entreprise.

Mais à la différence du data analyst, le data scientist travaille autant sur les données structurées que sur les données semi-structurées et non structurées. En plus d’analyser les données organisées en provenance du data warehouse, le data scientist travaille sur le data lake, cet ensemble de données non structurées qui sont une ressource inestimable pour l’amélioration des activités de l’entreprise.

Il travaille à analyser les données mais va beaucoup plus loin, en prédisant les comportements futurs. Pour cela, le data scientist :

• Utilise des modèles statistiques pour préparer des analyses sur les KPIs clé de l’entreprise pour les équipes opérationnelles.
• Participe à l’élaboration de fonctionnalités qui s’appuient sur la data comme la recommandation de produits, ou d’actions à prendre pour les outils SaaS.
• Construit des algorithmes plus ou moins complexes pour toutes les équipes, de la compliance à l’attribution marketing, en passant par les mécaniques de distribution des leads aux équipes commerciales.
• Élabore des systèmes prédictifs pour affiner les séquences de lead scoring, ou identifier des segments plus fins. C’est un des principaux cas d’usage de l’intelligence artificielle dans le marketing automation.

Il est important de souligner que plus l’entreprise utilise la data de manière poussée, plus le data scientist a un rôle important et sera force de proposition. À titre d’exemple, on peut citer Netflix où les data scientists sont à l’origine de la fonctionnalité de recommandation, et non les data analysts.

Pour aller plus loin...

Découvrez nos formations data :

• Cours prépa data analyst
• Formation data analyst
• Formation data engineer en alternance
• Formation data scientist alternance ou bootcamp

Pour plus d’informations au sujet de la Data, rendez-vous dans notre catégorie “Big Data” ou bien découvrez les parcours de nos Wilders en lisant leurs témoignages dans la catégorie dédiée.