3 ensembles de compétences en matière de données dont vous avez besoin pour réussir dans le référencement des données

Le Data SEO est une approche scientifique de l’optimisation de la recherche qui repose sur l’analyse et l’activation des données pour prendre des décisions.

Mais ce n’est pas tout ce que cela implique.

Si vous voulez que votre organisation réussisse dans le référencement des données, vous devez développer trois spécialisations distinctes en plus des connaissances et de l’expérience en matière de référencement.

Ce sont les compétences du scientifique des données, de l’analyste de données et de l’ingénieur des données.

Quel que soit votre budget, il est possible d’améliorer votre référencement avec une approche data-based. En fait, les concepts utilisés par les data scientists sont de plus en plus accessibles.

Voici les compétences dont vous avez besoin pour intégrer le référencement de données à votre répertoire.

1. L’ingénieur de données

Les ingénieurs de données sont les professionnels qui préparent l’infrastructure Big Data de base de l’entreprise.

Ce sont souvent des ingénieurs en logiciel qui conçoivent, construisent, intègrent des données provenant de diverses ressources et gèrent de grandes quantités de données.

Leur objectif principal est d’optimiser les performances lorsqu’il s’agit de l’accès de l’entreprise à ses propres données.

Dans les grandes entreprises, les ingénieurs de données travaillent avec un responsable juridique pour la conformité GDPR ou CCPA, et souvent avec un responsable de la sécurité.

Ils utilisent fréquemment ETL (Extract, Transform and Load) pour centraliser les données et créer de grands entrepôts de données pouvant être utilisés pour le reporting ou l’analyse.

Les principales compétences et outils peuvent être résumés dans la liste suivante:

• Hadoop.
• MapReduce.
• Ruche.
• Cochon.
• Flux de données.
• NoSQL.
• SQL.
• Programmation.

Pourquoi devriez-vous centraliser vos données?

Tout d’abord, vous n’avez pas de temps disponible infini. Non seulement c’est une perte de temps de jongler entre les outils, mais c’est aussi un gaspillage d’informations de ne pas pouvoir combiner des données provenant de différentes sources.

Souvent, vous devez combiner vos données avec des données d’entreprise (CRM), des données financières et de nombreux autres types de données qui présentent toujours des problèmes d’accès et de sécurité.

Par conséquent, il est judicieux de construire votre entrepôt de données SEO en vous assurant que vos outils SEO vous permettent d’exporter correctement les données.

L’ingénieur de données est la personne la plus compétente pour centraliser à la fois les données non structurées telles que les textes et les commentaires, et les données structurées telles que celles des bases de données et des API.

Cependant, il existe de nombreuses difficultés.

La première difficulté concerne le volume d’informations.

Si vous avez plus de 100 000 pages sur votre site Web et un trafic Web important, les explorations hebdomadaires et les journaux quotidiens prendront rapidement beaucoup de place.

Cela devient encore plus complexe si vous ajoutez vos données CRM et vos données sur vos concurrents.

Et si le système n’est pas basé sur les bonnes technologies, vous pouvez avoir des données incomplètes, manquantes ou fausses.

Il existe de nombreux pièges en plus du volume de données.

Ceux-ci incluent les problèmes de change si vous travaillez à l’étranger, où vous devrez faire face aux taux de change émis chaque jour par l’institution financière faisant autorité dans votre pays.

Ils peuvent également inclure des décalages horaires. Si vous calculez un chiffre d’affaires par jour en France et qu’une partie du chiffre d’affaires a lieu au Canada, par exemple, vous devez lancer le calcul lorsqu’il est minuit au Canada et non minuit en France.

Ce ne sont là que quelques exemples, mais chaque entreprise est pleine de pièges.

Ensuite, vous devez surveiller de près la véracité des données car les données peuvent être rapidement corrompues:

• Un script JavaScript pour GA disparaît et vos données de trafic deviennent erronées.
• Une API modifie ses paramètres de retour et plusieurs champs n’obtiennent plus de valeur.
• Une base de données n’est plus mise à jour car le disque dur est plein.

Quel que soit le cas, vous devez détecter rapidement ce type d’anomalie et la corriger au plus vite.

Sinon, les tableaux de bord produits par ces données seront erronés. Il est fastidieux et chronophage de lancer des scripts rétroactifs pour tout recalculer.

Si vous n’avez pas d’ingénieur de données dans votre équipe, vous devez au moins avoir un responsable qui vérifie la cohérence des données que vous récupérez à partir des différents outils de référencement.

Les outils de référencement vous permettent désormais d’extraire facilement les données suivantes, dont vous avez besoin pour surveiller les variations à la hausse ou à la baisse:

• Données analytiques: script perdu, erreur de suivi.
• Données d’exploration: exploration trop longue, exploration annulée.
• Données du journal du serveur: périodes manquantes.
• Données des outils de mots-clés: ajout de nouveaux mots-clés.

La communication est la clé. Avec une bonne gestion des incidents, toute la chaîne de données devient cohérente pour une utilisation par les experts SEO, les analystes de données et les consultants SEO.

2. Le scientifique des données

Le scientifique des données enrichira les données avec des modèles statistiques, l’apprentissage automatique ou des approches analytiques.

Leur mission principale est d’aider l’entreprise à transformer les données mises à disposition par les ingénieurs de données en informations précieuses et exploitables.

Par rapport aux analystes de données (voir ci-dessous), les scientifiques des données doivent avoir de solides compétences en programmation pour concevoir de nouveaux algorithmes, ainsi que de bonnes connaissances commerciales.

Ils doivent être capables d’expliquer, de justifier et de communiquer les résultats à des non-scientifiques.

Quelles langues faut-il utiliser et quelle méthodologie?

Les technologies les plus populaires en 2021 pour la science des données sont, par ordre de popularité:

Si vous ne parvenez pas à choisir un langage de programmation, je peux vous donner quelques conseils.

Tout d’abord, utilisez la langue la plus utilisée dans votre entreprise.

Si la majorité des développeurs utilisent Python, il n’est pas nécessaire de pousser pour R car essayer de maintenir le code dans R doublera le coût de maintenance. De cette façon, vous montrez votre capacité d’adaptation.

Ensuite, laissez les technologies sur lesquelles vous souhaitez déployer vos applications guider votre choix.

Par exemple, si votre équipe produit ses tableaux de bord avec Shiny, alors R deviendra votre meilleur ami.

Après cela, notez que R et Python sont relativement similaires si vous les comparez à C ou à Scala. Si vous construisez votre CV, il est idéal pour maîtriser les deux.

En ce qui concerne la méthodologie, la méthode scientifique prévaut et ne laisse aucune place à l’empirisme.

Vous souhaitez définir clairement le contexte et les objectifs, puis expliquer les différentes méthodes identifiées et présenter des résultats reproductibles.

Enfin, il est tout à fait possible que vous n’ayez pas le temps ou la vocation de faire de la science des données vous-même. Dans ce cas, je recommande d’utiliser un fournisseur de services.

Quelle que soit l’agence, les livrables et les critères de réussite doivent être clairement définis avec l’agence choisie afin qu’il n’y ait pas de mauvaises surprises lors de l’utilisation de la solution.

En outre, vous devrez peut-être également envisager des plates-formes de science des données. Les options qui s’offrent à vous varieront considérablement en fonction de votre budget.

3. L’analyste de données

Les analystes de données sont des professionnels des données orientés métier qui peuvent interroger et traiter les données, fournir des rapports, résumer et visualiser les données.

Ils savent comment tirer parti des outils et méthodes existants pour résoudre un problème et aider les gens de l’entreprise à comprendre des requêtes spécifiques grâce à des rapports et des graphiques ad hoc.

Ils basent leurs travaux sur les entrepôts de données des ingénieurs de données et les résultats des algorithmes des data scientists.

Leurs compétences sont diverses et peuvent inclure les statistiques, l’exploration de données et la visualisation de données.

Quel logiciel doit être utilisé?

Data Studio est bien connu dans le domaine du référencement mais en entreprise, le marché est dominé par Tableau Software, SAP, Microsoft et IBM.

La récente acquisition de Looker par Google le positionne également parmi les leaders des années à venir.

Soyez prudent dans le choix d’une solution de visualisation de données.

La capacité des analystes de données à s’adapter rapidement aux outils nous ramène à un problème de «fabrication ou achat». Si vous avez le budget, des solutions propriétaires vous feront gagner beaucoup de temps.

Comment créer des tableaux de bord parfaits

Il existe de nombreuses méthodes, mais voici le cadre des objectifs SMART est facile à retenir et peut également s’appliquer ici:

• Gardez des graphiques spécifique et simple, car trop d’informations tue les informations.
• L’axe des y et l’axe des x doivent illustrer mesurable Les données.
• Un graphique doit se concentrer sur réalisable métriques, car il est inutile de surveiller des métriques qui n’auront aucune influence sur votre entreprise. La météo en est un excellent exemple: elle a un rôle crucial sur certains sites et aucun sur d’autres.
• Les tableaux de bord doivent toujours avoir pertinent résumés afin d’être lu et compris rapidement. Si cela prend plus de trois secondes pour les comprendre, vous pouvez améliorer le résultat final. Tout d’abord, les utilisateurs peuvent être satisfaits d’une vue d’ensemble, mais ils peuvent ensuite avoir besoin d’une vue plus granulaire des données en jonglant avec les filtres.
• Les données les plus importantes sont le temps, alors assurez-vous de suivre basé sur le temps données comparant chaque jour, mois, année, etc.

Bien sûr, gardez à l’esprit que si les analystes de données maîtrisent SQL, ils peuvent se tourner vers des solutions open source telles que Metabase ou Superset.

Enfin, les analystes ayant des compétences en programmation voudront se pencher sur Shiny pour R ou Dash pour Python.

Projets de référencement de données

Le monde du data SEO est certainement devenu moins obscur.

Comme pour tout projet, vous devrez soit vous entourer des bonnes personnes pour réussir dans des projets de données à grande échelle, soit être bien formé aux compétences professionnelles que nous avons couvertes dans cet article: ingénierie des données, analyse de données, science des données.

À ce stade, vous avez probablement identifié des faiblesses ou des forces au sein de votre entreprise en lisant cet article.

N’hésitez pas à tirer parti de vos points faibles en recrutant, en externalisant ou en formant.

Plus de ressources:

Crédits d’image

Toutes les captures d’écran prises par l’auteur, mai 2021