Vous souhaitez délivrer plus rapidement de la valeur grâce à vos projets analytiques? Vous gérez des besoins et des périmètres mouvants? Vous devez briser les silos au sein de votre organisation et faire communiquer des départements qui se parlent rarement? Vous devez intégrer le travail de plusieurs équipes? Venez découvrir pourquoi et comment l'agilité apporte une réelle plus-value à la gestion de vos projets Business Intelligence, Big Data et Data Science. Au cours de cette rencontre, venez bénéficier des retours d'expérience de nos speakers et découvrir comment ils ont surmonté ces défis grâce à l'agilité.

1. Meetup
5 bonnes raisons de faire de l’agile dans les
projets analytiques
11 décembre
2018

2. Conférencier
Directeur Big
Data
Rémi Roche | Scrum Master & Coach Agile
+ Expertise dans projets BI et analytique avancée
+ Scrum Master, chef de projet agile
+ Formation en machine learning et intelligence artificielle

3. Data Science &
Analytiques
Big Data
Intelligence
d’Affaires
Visualisation de
Données
agileDSS aide les entreprises à
devenir Data Driven
| 50 passionnés de données, une
centaine de clients
| Des partenariats majeurs :
Microsoft Gold & PDU, Cloudera,
Horton Works, Tableau
| Une dizaine de certifiés sur les
technologies Big Data
| L’expérience dans plusieurs industries
: Finance, Retail, Energie, Transport,
Telecommunication, Manufacturier,
Media, Agriculture, etc
agileDSS

4. Agenda
+ Challenges des projets analytiques
+ Apporter rapidement de la valeur
+ Gérer les périmètres qui bougent
+ Dépasser une communication en silo
+ Intégrer le travail de plusieurs équipes
+ Conclusion

5. Data is the new oil !
Yoshua Bengio
MAIS comment ca se passe sur le terrain ?

6. Challenges projets analytiques dans les entreprises :
• Données de mauvaise qualité
• Plusieurs technos peu connues
• Cas d’affaire et périmètre pas claires
• Concepts (IA, Big Data) peu maitrisés
• Plusieurs acteurs qui ne se parlent pas toujours
• Programme ou grand projet avec plusieurs équipes

7. Key takeaway:
L’organisation et le système d’information doivent
être améliorés…
MIT & BCG, AI In Business Gets Real, Fall 2018
18%
33%
16%
33%
3076 exécutifs précisent leur
positionnement vis a vis de l'IA
Pionniers Enquêteurs Expérimentateurs Passifs

8. Comment surmonter ces challenges ?
Transformer l’organisation afin d’accueillir les
projets analytiques
Feuille de route SMAC Stack
1 ORGANISATIONNEL
2 TECHNOLOGIQUE

9. Apporter rapidement de la valeur
Coaching agile : Construire le backlog avec le Product Owner
ET
POC : Livrer une architecture sur une infrastructure avec ingestion de données en
quelques mois
Artefacts agiles :
• Equipe multidiscplinaire
• Plannification en Sprint
• Backlog priorisé
• Definition of Done
• Sprint Demo
• Sprint Planning
• Grooming

10. Gérer les périmètres qui bougent
Coaching agile : Articuler une roadmap pour le produit découpé en sprints et versions
ET
POC : Aller chercher les sources de données et leurs propriétaires.
ET
Capitaliser sur les technos Big data (i.e. faciliter ingestions des données structurées et
non structurées avec NIFI, profiler avec Talend, analyser avec Spark)
Artefacts agiles :
• Importance du PO
• Vision produit très forte
• Décentralisé le management des priorités du produit
• Décentralisé le management de la dynamique du projet
• Sprint Démo
• Sprint Planning
• Grooming

11. Dépasser la communication en silo
Coaching agile : Gouvernance des partenaires et de leur contribution.
ET
POC : Transformer le groupe en equipe.
ET
Sensibiliser l’exécutif à la valeur qu’apporte l’analytique pour pérenniser la démarche
(i.e. sponsoring d’une ligne d’affaire, engagement des TI )
Artefacts agiles :
• Equipe multidiscplinaire
• Retrospective
• Demo
• Sprint planning
• Proximité du PO

12. Industrialiser les traitements
Ingestion des
données
Profilage de la
qualité de la
donnée
Transformation pour
construire les
modèles normalisé
et le dérivé
Rendre la donnée
disponible pour la
visualisation
Tester et intégrer en
continue
Deloyer les
modèles data
science
Au bon moment et sur des petits périmètres axés sur des besoins réels, industrialisons pour :
Artefacts agiles :
• eXtreme Programming
• Augmenter vélocité sprint apres sprint
• Capacité organisationnelle à développer sur long terme
• Optimiser les processus (lean agile)
• Go live prend 3 semaines => on cherche à industrialiser

13. Intégrer les livrables de plusieurs équipes
Méthodes pour mettre à l’ échelle : SAFe ou Nexus
ET
Pratique DevOps pour intégrer les développement avec les opérations (souvent
dans les datacenters) pour optimiser les intégrations continues et les déploiements.
ET meilleur Root Cause Analysis en production.
Artefacts agiles :
• Nexus continuité de Scrum
• Comité d’intégration
• Super Product Owner, Super Scrum Master

14. Facile de capitaliser sur l’agile
MAIS avec les bonnes pratiques
Projets analytiques sont d’excellentes opportunités de tester l’agile
ET
Cette expérimentation agile assure de livrer de la valeur rapidement et de limiter
les risques des projets analytiques.
Faites attention a :
• La fausse agilité
• Etre certifie ne suffit pas
• A ne pas scaler trop vite
• Ingérence du management dans les priorités

15. Gérer les périmètres
qui bougent
Industrialiser les
traitements
Intégrer les livrables
de plusieurs équipes
Dépasser la
communication en silo
6 bonnes raisons de faire des projets
analytiques en agile.
Apporter rapidement
de la valeur
Capitaliser sur
l’agile

16. Merci!
Data driven to success
Rémi Roche
roche.remi@agiledss.com