Je suis fille de prof de maths, donc les nombres c'est un peu ma LV2 ! J’adore travailler avec de la donnée et les représentations statistiques comme les ACP, dendrogrammes, AF. En général, dans la donnée, tu as deux possibilités : tu veux absolument savoir une chose par la data ou alors l'attitude opposée, c'est d’aller explorer librement cette immense base de données. Tu peux vite te perdre dans les deux. Parce qu'en fait chaque donnée que tu vas collecter, tu peux la croiser avec d'autres données. Potentiellement tu as une infinité de paramètres à aller creuser. Les 2 erreurs les plus communes que j’observe sont celles-ci: Tu peux te perdre dans ce que tu recherches (excès de curiosité, pas de recherche guidée). Tu peux être trop directif (et te couper d’énormément d’information utile).
La data te donne l’impression que” plus tu en fais mieux c'est”. Tu commences à explorer, tu fais des stocks. C'est important de stocker, de séquencer le projet parce qu'il y a un moment donné tu peux saturer ! tu peux savoir tellement de choses… et tu veux tout savoir. Donc il faut se discipliner et être organisé. Sinon ça peut vite être le vrac dans ce que tu vas chercher derrière. Et d’un autre côté, il ne faut pas avoir peur de la data, parce que je sais qu'il y a une arithmophobie croissante dans le monde de l'UX. Quand j'entends des influenceurs UX dire "moi je n'aime pas le quanti et de toute facon je ne sais pas faire"... ca m’interroge car je me demande si on peut encore faire de la user research aujourd'hui sans faire de quantitatif, sans comprendre les chiffres et sans utiliser la data. J’aurais peur d’être obsolètes d'ici à quelques années. Et puis, aujourd’hui, beaucoup de choses sont automatisées, tu peux très bien faire des stats sans connaitre les formules complexes : Il faut savoir à quoi sert la donnée et ce que veulent dire les statistiques que tu vas récolter. J'adore particulièrement bosser avec les avis clients. Parce que l'exploration des datas ne sert pas juste quand tu as fini le produit et que tu l'as testé. C'est après en post achat, ce que tu analyses. Parce que si tu veux vraiment faire des guidelines solides, il faut s’appuyer sur ton produit. Souvent l'UX va s'arrêter au moment où il a fait un premier test et basta. C'est comme faire la moitié du travail. Et que fait-on du reste ? Donc oui les avis clients c'est quand même un bon kif. A force d'en faire, ça devient un automatisme. Amener de la donnée dans son travail d'UX La première étape évidemment, ça va être de créer ou de trouver la data. Et la bonne nouvelle, c’est qu’aujourd'hui il y en a partout et sur tous les sujets. Entre les avis, l’UGC, les parcours, … Alors franchement si on ne trouve pas...je me dis qu’il est temps de faire un tour chez l’ophtalmo. Il y a toujours de la donnée disponible. Si on me rétorque que le produit n'existe pas encore et qu’il est unique, et bien tu vas voir ce que fait la concurrence. (concurrence élargie: pour ceux qui n’ont pas de concurrents “directs”). On peut aussi créer sa propre donnée. Une fois que la donnée est récupéré il est souhaitable de s'entourer d'un data scientist compétent. Le travail en binome va commencer. On va déméler et donner du sens au données. Pour les plus motivées et ceux qui sont à l’aise avec R, Anaconda, Python.. Ils peuvent être autonomes.
La data te donne l’impression que” plus tu en fais mieux c'est”. Tu commences à explorer, tu fais des stocks. C'est important de stocker, de séquencer le projet parce qu'il y a un moment donné tu peux saturer ! tu peux savoir tellement de choses… et tu veux tout savoir. Donc il faut se discipliner et être organisé. Sinon ça peut vite être le vrac dans ce que tu vas chercher derrière. Et d’un autre côté, il ne faut pas avoir peur de la data, parce que je sais qu'il y a une arithmophobie croissante dans le monde de l'UX. Quand j'entends des influenceurs UX dire "moi je n'aime pas le quanti et de toute facon je ne sais pas faire"... ca m’interroge car je me demande si on peut encore faire de la user research aujourd'hui sans faire de quantitatif, sans comprendre les chiffres et sans utiliser la data. J’aurais peur d’être obsolètes d'ici à quelques années. Et puis, aujourd’hui, beaucoup de choses sont automatisées, tu peux très bien faire des stats sans connaitre les formules complexes : Il faut savoir à quoi sert la donnée et ce que veulent dire les statistiques que tu vas récolter. J'adore particulièrement bosser avec les avis clients. Parce que l'exploration des datas ne sert pas juste quand tu as fini le produit et que tu l'as testé. C'est après en post achat, ce que tu analyses. Parce que si tu veux vraiment faire des guidelines solides, il faut s’appuyer sur ton produit. Souvent l'UX va s'arrêter au moment où il a fait un premier test et basta. C'est comme faire la moitié du travail. Et que fait-on du reste ? Donc oui les avis clients c'est quand même un bon kif. A force d'en faire, ça devient un automatisme. Amener de la donnée dans son travail d'UX La première étape évidemment, ça va être de créer ou de trouver la data. Et la bonne nouvelle, c’est qu’aujourd'hui il y en a partout et sur tous les sujets. Entre les avis, l’UGC, les parcours, … Alors franchement si on ne trouve pas...je me dis qu’il est temps de faire un tour chez l’ophtalmo. Il y a toujours de la donnée disponible. Si on me rétorque que le produit n'existe pas encore et qu’il est unique, et bien tu vas voir ce que fait la concurrence. (concurrence élargie: pour ceux qui n’ont pas de concurrents “directs”). On peut aussi créer sa propre donnée. Une fois que la donnée est récupéré il est souhaitable de s'entourer d'un data scientist compétent. Le travail en binome va commencer. On va déméler et donner du sens au données. Pour les plus motivées et ceux qui sont à l’aise avec R, Anaconda, Python.. Ils peuvent être autonomes.
- merci! Utile
- Pas utile
- Pas sûr
