Tribunes
Temps de lecture : 03'09''
7 juin 2022
Wassym Kalouache, Entrepreneur, et ancien Lead Teacher Data au Wagon

Connaissez-vous les Data Product Managers ?

On parle beaucoup - et à raison - des product managers qui sont devenus, en quelques années seulement, centraux dans la structuration des équipes des startups technologiques.

Mais en parallèle commence à émerger un nouveau métier : celui de data product manager. En 2017, je commence à travailler en tant que machine learning engineer chez Weight Watchers. Mon rôle est de produire des systèmes de recommandation pour leur réseau social: Connect. Et, sans en avoir conscience, je remplis en même temps la fonction de data product manager.

Pourtant, cette fonction reste encore méconnue. Et pour la mettre en lumière, rien de mieux que d’en parler concrètement.

En 2019, je reviens en France fort de cette première expérience à New York et j’intègre l’équipe data de Dailymotion pour continuer à creuser mon sillon avec l’ambition, à terme, de devenir Product Manager.

Chez Dailymotion, je fais partie de la Team Insights. Nous supervisons la mise en place des dashboards qui permettent à l’entreprise d’avoir une vue globale des métriques clés (publicité, revenus, …). De mon côté, je suis plus spécifiquement en charge d’un produit: le modèle de détection des spams. Ma mission consistait à rendre l’algorithme à la fois fonctionnel et exploitable par les équipes de modération, selon les cas. Pour cela, il a fallu examiner les qualités et les défauts du modèle pour définir les bonnes métriques de performance. Il y a ainsi tout un travail pour rendre ce produit data utile et finalement adopté par l’équipe chargée du contenu.

Dans le cadre de mon rôle de Data Product Manager, voici les éléments essentiels qui m’ont permis de mener à bien mes projets

  1. Il n’y a pas de hiérarchie : Comme tout product manager, un data product manager est responsable de son produit, mais n’est le patron de personne. Il doit parvenir à être légitimé par les équipes pour ses compétences techniques et relationnelles.
  1. Avoir une expérience de data scientist est salutaire : contrairement aux développeurs qui peuvent planifier un projet avec précision, les data scientist ne savent pas combien de temps leur prendra leur projet – et s’il sera réussi. Les étapes menant à la mise en production d’un modèle de machine learning étant spécifiques, avoir soi-même mis les mains dans le cambouis permet d’avoir une meilleure estimation du délai que cela peut exiger.
  2. Parler le même langage que les équipes Data est essentiel : ce sont des chercheurs, et il n’y a donc aucune garantie de résultat. La plupart des projets de machine learning ne sont pas mis en production, la phase de discovery est alors indispensable avant d’entamer un travail de data engineering. Pour décider d’aller plus loin et comprendre si l’on satisfait des besoins “produit”, interpréter les métriques de performance d’un modèle est essentiel.
  3. La communication est clé : en tant que Data Product Manager, j’étais le pont entre l’équipe de modération et l’équipe Data. Par ailleurs, je dialoguais en permanence avec les product managers de l’entreprise pour comprendre s’ils avaient des besoins Data. Une partie importante de ma mission consistait à expliquer nos modèles aux équipes business pour qu’ils les comprennent et l’adoptent.

En d‘autres termes, c’est un rôle transverse : le Data Product Manager identifie les problèmes des autres product managers et si une solution data peut leur être utile. Dans un second temps, il se pose les questions suivantes : où se trouve la donnée ? Est-elle facilement accessible ? Est-elle actionnable et peut-on la rendre utile dans notre cas ? L’initiative doit avant tout provenir d’un besoin ressenti par les équipes produit. Sans cela, le projet est voué à l’échec. 

Suite à cela, j’ai décidé de monter ma boîte autour de la personnalisation de l’expérience de shopping en ligne: balad. Et ayant toujours eu une passion pour l’enseignement, j’enseignais en parallèle la data science aux élèves du Wagon. J’ai d’ailleurs été impressionné par la fibre entrepreneuriale qui y règne.

Pour résumer, le nombre croissant d’équipes de machine learning dans toutes les industries rend le métier de Data Product Manager de plus en plus indispensable afin d’accompagner ces projets qui demandent un traitement bien spécifique. Et c’est également un excellent tremplin vers le métier de Product Manager si l’on est soi-même data scientist !

Wassym Kalouache est entrepreneur et l’ancien Lead Teacher Data du Wagon.