Top 3 des meilleurs outils pour les data product managers en 2024

Occuper le poste de data product manager chez Sicara était pour moi la promesse d’effectuer une grande variété de tâches au quotidien.

Après plusieurs mois de pratique et plusieurs projets de différentes tailles et natures, la promesse a été tenue ! J’ai pu définir des problèmes utilisateurs, établir une stratégie produit, définir le scope de mon produit, prototyper, définir des plans de développement, mener des phases de delivery…

Pour jongler au mieux entre mes différentes tâches quotidiennes, je me suis mis en quête des meilleurs outils pour les data product managers en 2024 avec 3 principaux critères de sélection :

• L’outil est data-driven et/ou contient des fonctionnalités IA : il permet notamment au data product manager de prendre des décisions s’appuyant sur des informations concrètes et objectives
• L’outil s’intègre facilement aux outils classiques des data product managers (Jira, Trello, Notion, Slack…)
• L’outil est accessible financièrement : abonnement payant aux alentours de 20$ par mois par user, pour ne pas trop alourdir les coûts de son entreprise déjà portés par d’autres outils IT.

Par cet article j’espère faire découvrir et adopter des pépites technologiques aux data product managers, bonne lecture !

1. Leanbe pour la priorisation

Tout bon data product manager se doit de maîtriser l’art de la priorisation des features pour maximiser la valeur de son produit. Cette tâche peut s’avérer très complexe en raison de la multitude de stakeholders à considérer lors de la conception d’un produit.

C’est précisément ici que leanbe intervient : c’est un outil d’aide à la priorisation qui s’appuie sur les données de votre entreprise. Pour leanbe, les bonnes idées peuvent venir de partout et doivent toutes être prises en compte. Trois sources principales sont identifiées :

• Les utilisateurs : leanbe permet de collecter leurs retours notamment via une intégration à vos chatbots (intégration avec l’outil Intercom) et un customer feedback portal
• Les collaborateurs : par exemple le tech lead, dont l’opinion sur la qualité des données est essentielle pour un data product manager, l’intégration entre leanbe et Slack permet de collecter les idées de ses collaborateurs très rapidement
• Les concurrents : leanbe mène une veille concurrentielle pour l’utilisateur (analyse marketing, pricing, de recrutement)

leanbe rassemble les données qualitatives et quantitatives issues de ces trois sources et permet d’ajouter d’autres données telles que le profil et l’activité du client avec une possibilité d’automatisation.

leanbe s’appuie entièrement sur l’IA pour la priorisation des features de votre produit

Ensuite, l’IA entre en scène ! À partir de ces données, leanbe génère pour chaque idée de feature des modificateurs (association avec les features déjà existantes, efforts de développement nécessaires, customer lifetime value…) qui servent à calculer un score de priorisation de la feature de 0 à 100. Plus le score est élevé, plus le développement de la feature est jugé prioritaire par leanbe.

Il est également possible de créer des roadmaps produits sur leanbe, afin de représenter visuellement à tous ses stakeholders la priorisation recommandée par la feature IA.

leanbe vous permet de créer des roadmaps produits à partir des features priorisées

2. flowmapp pour le design

En tant que data product manager, en particulier lors des phases de cadrage, j’ai été marqué par la difficulté d’apporter une touche de design à mon produit. En effet, contrairement à une application web ou mobile, il est assez complexe de réaliser des visuels de son produit data pour ses utilisateurs (en particulier pour une audience non tech).

Prenons l’exemple d’un modèle de recommandation d’IA pour un site de e-commerce. Il est assez simple de comprendre l’output d’un tel produit : je souhaite mettre un article en vente sur mon site et le modèle me donne une prédiction oui/non sur les chances de succès (ex : taux de conversion de mon article). Toutefois, en phase de discovery, il est assez difficile pour l’utilisateur (généralement un profil non tech) d’avoir une représentation visuelle d’un tel outil :

Est-ce que je dois rentrer mon article et sa description dans une plateforme dédiée qui me donne un go/no go ?

Est-ce que le modèle d’IA est directement intégré à mon site e-commerce et me donne sa recommandation au moment où je m’apprête à mettre mon article en vente ?

C’est ici que le design prend son importance et que flowmapp peut aider les data product managers. Contrairement à Streamlit qui nécessite des compétences en Python, flowmapp est un outil no-code qui leur permet de réaliser un design simple, efficace et rapide sur leurs idées de produit et ainsi faire leurs premiers pas dans des problématiques d’UX/UI. Via ses nombreux templates de Wireframes, flowmapp permet de créer des prototypes visuels pour vos projets data ou IA en quelques minutes, le tout avec un aspect similaire à une véritable page web ou application.

flowmapp permet un design rapide et no-code d’une application front

Cet outil est ainsi très utile pour les data product managers qui souhaitent itérer rapidement sur les phases de design et de prototypage.

L’utilisation de flowmapp pour les data product managers ne se limite pas au design de prototypes, elle est également idéale pour la création du parcours utilisateur via la fonctionnalité “User flow” ou pour tracer un data lineage. Au-delà de son modèle visuel intuitif (possibilité de glisser-déposer des éléments très facilement), flowmapp met l’accent sur la collaboration avec le partage de modèles et les modifications en temps réel par plusieurs utilisateurs. Enfin, la plateforme permet le design des conditions de passage d’une étape à l’autre (action à réaliser, état de l’utilisateur) dans le flux utilisateur. Cette feature est par exemple utile pour tracer le user flow d’un assistant vocal ou d’un chatbot.

Le design sur flowmapp pour retracer le parcours de ses utilisateurs

Enfin, par son intégration avec Slack, flowmapp est idéal pour le travail collaboratif au sein d’une équipe projet : par exemple, le data product manager peut être directement notifié lorsque son tech lead modifie le data lineage.

3. Zapier pour l’automatisation

Pour terminer, je tiens à vous présenter Zapier. Sa force repose sur son intégration avec plus de 6000 applications compatibles. Zapier permet l’automatisation de workflows (appelés Zaps sur l’outil) entre différentes applications.

L’automatisation de certaines tâches peut se révéler très utile pour les data product managers lors des phases de delivery.

Par exemple, lors du lancement d’un projet, le data product managers est garant de la bonne tenue des rituels scrum et du set up des différents canaux de communication, des tâches pouvant s’avérer chronophages. Zapier permet l’automatisation de ces formalités, voici un exemple de workflow à mettre en place pour le début de son projet :

• Je crée manuellement le board de mon projet dans Notion en y précisant une date de démarrage et les noms des participants
• Zapier envoie automatiquement une invitation Gmail pour le kick off du projet
• Zapier crée automatiquement un canal Slack portant le nom du projet et incluant les membres de mon équipe.
• Zapier crée automatiquement des créneaux pour les rituels scrum dans les agendas des membres de mon équipe (daily meetings, backlog refinement…)
  
  
  

Automatiser le lancement de son projet avec Zapier

L’automatisation via Zapier peut également être très utile aux data product managers sur une tâche cruciale : la résolution des incidents. Voyons un exemple concret de worfklow possible grâce à Zapier :

• Bugfender détecte un bug sur mon application
• Un ticket est automatiquement créé sur mon board projet Notion (selon un format que j’ai prédéfini) et est placé dans une colonne prioritaire
• Un message slack m’informe (ainsi que mon tech lead) de l’incident et de la création du ticket de support
• Je peux également créer un workflow entre Bugfender, Notion, OpenAI et Slack : une fois que le ticket de support est créé, OpenAI rédige un résumé clair de l’incident et l’envoie sur Slack à mes stakeholders (client, directeur du projet…) pour donner un maximum de visibilité

Ainsi, en cas de bug, le data product manager peut utiliser Zapier pour l’automatisation de la création de tickets de support permet un gain de temps, l’équipe peut alors se concentrer sur l’essentiel : résoudre le bug.

Si vous voulez en savoir plus sur les bonnes pratiques de gestion des bugs lors de la création d’un produit data, je vous invite à découvrir l’article passionnant de Nicolas de conseil product owner ! Vous y trouverez 3 conseils primordiaux pour réussir le passage d’une phase de build à une phase de run.

Enfin, les features d’IA proposées par Zapier peuvent être utiles sur les projets long terme. Sur ces projets, il n’est pas rare d’observer un changement de data product manager ou bien le renforcement de l’équipe avec de nouvelles personnes. Pour faciliter l’onboarding de ces personnes, Zapier peut par exemple générer automatiquement une description textuelle de chacun de vos Zaps (via l’IA). Zapier automatise ainsi la documentation de vos workflows.

Pour conclure, je tiens à rappeler, les outils que j’ai présentés n’ont pas vocation à se substituer au data product manager mais à l’assister au quotidien pour lui permettre de gagner en efficacité et créer les meilleurs produits data possibles !

C’est d’ailleurs l’objectif des bons outils d’IA : être très performants sur des tâches très précises et encadrées. Si vous souhaitez en apprendre davantage sur ce qui fait un bon produit d’IA, je vous encourage vivement à lire l’article de Gaspard Produit d’IA ! Il y aborde notamment les problèmes que l’IA peut résoudre.

Si vous souhaitez créer un produit data pour votre entreprise ou vos clients, n’hésitez pas à nous contacter !