Scorecard Head of Data
Voici comment évaluer un Head of Data en entretien : les compétences à noter, les questions à poser et les signaux d'alerte. Une grille de base, à ajuster selon votre contexte et vos priorités.
Un exemple à adapter. Cette scorecard est un modèle, pas une grille à appliquer telle quelle. Gardez les critères qui correspondent à votre poste et à votre équipe, ajustez ou retirez les autres. Le bon profil dépend de votre contexte.
Head of Data
La mission en une phrase
Une feuille de route data alignée sur le business
Le profil pose en quelques mois une vision data partagée avec le comité de direction, priorise les chantiers selon leur impact sur le chiffre d'affaires et les coûts, et arbitre clairement entre les demandes des métiers.
Une équipe data structurée et autonome
Il organise les rôles entre analysts, engineers et scientists, recrute les profils manquants, installe des rituels de delivery et fait monter chacun en compétence sans devenir le goulot d'étranglement.
Une donnée fiable et gouvernée
Il met en place les standards de qualité, de documentation et d'accès, clarifie la propriété des données par domaine et réduit le temps passé à fiabiliser des chiffres incohérents entre les services.
Des décisions métier nourries par la data
Les directions opérationnelles s'appuient réellement sur les indicateurs produits, les cas d'usage à valeur sont livrés et mesurés, et la data devient un argument dans les arbitrages plutôt qu'un reporting subi.
✗ Faible · Reste sur une logique d'outillage ou de projets isolés, peine à expliquer en quoi la data sert la stratégie globale.
✓ Excellent · Sait relier la donnée aux enjeux de l'entreprise, formaliser une feuille de route sur plusieurs trimestres et la défendre devant un comité de direction.
✗ Faible · A surtout managé un petit groupe homogène ou des individus, sans avoir structuré les rôles ni piloté la montée en charge.
✓ Excellent · A déjà recruté et fait grandir une équipe pluridisciplinaire, sait répartir analysts, engineers et scientists et installer un cadre de delivery clair.
✗ Faible · Voit la gouvernance comme une contrainte administrative, n'a pas de méthode pour fiabiliser durablement les chiffres.
✓ Excellent · Met en place propriété des données, standards de qualité, documentation et règles d'accès, et sait embarquer les métiers sur ces sujets peu spectaculaires.
✗ Faible · Multiplie les analyses et tableaux de bord sans relier l'effort à un résultat concret pour le business.
✓ Excellent · Identifie les cas d'usage à fort impact, sait les chiffrer, les prioriser et démontrer le retour obtenu une fois livrés.
✗ Faible · Reste dans l'entre-soi technique, communique en jargon et subit les demandes au lieu de les arbitrer.
✓ Excellent · Traduit les sujets techniques en langage de décision, négocie les priorités avec les directions opérationnelles et porte la voix de la data en comité.
✗ Faible · Ne maîtrise plus les briques techniques actuelles et délègue tout choix sans recul.
✓ Excellent · Comprend l'architecture data, les pipelines, le stockage et les outils analytiques assez pour challenger les choix techniques de l'équipe.
✗ Faible · N'a jamais réellement produit d'analyse ou de modèle, ce qui fragilise sa crédibilité auprès de l'équipe.
✓ Excellent · Garde une aisance personnelle sur la requête, la modélisation ou le machine learning et peut mettre les mains dans la donnée si besoin.
Leadership et capacité à embarquer
✗ Faible · Impose ou subit, peine à créer l'adhésion et laisse les chantiers s'essouffler.
✓ Excellent · Fédère l'équipe et les métiers autour d'une ambition data commune, donne du sens et tient le cap dans la durée.
Sens de la priorisation et de l'arbitrage
✗ Faible · Veut tout traiter, disperse l'équipe et laisse les sujets stratégiques se diluer dans l'opérationnel.
✓ Excellent · Tranche entre des demandes contradictoires, sait dire non en l'expliquant et concentre les efforts sur ce qui compte.
Pédagogie et acculturation
✗ Faible · Réserve la data aux initiés et n'investit pas dans la montée en compétence des autres directions.
✓ Excellent · Rend la donnée accessible aux non-spécialistes, forme les métiers à s'en servir et installe une culture du chiffre partagée.
Rigueur et exigence sur la fiabilité
✗ Faible · Se contente d'approximations, laisse circuler des données non vérifiées et perd la confiance des métiers.
✓ Excellent · Tient un niveau d'exigence élevé sur la justesse des chiffres et n'avance pas un indicateur dont il doute.
Compétences techniques
Comment avez-vous mis en place la gouvernance et la qualité de la donnée dans un contexte où les chiffres se contredisaient entre services ?
→ Repérez une méthode concrète : propriété des données, standards, documentation, et la manière d'embarquer les métiers.
Sur quels critères challengez-vous aujourd'hui les choix d'architecture ou d'outils proposés par votre équipe ?
→ Mesurez la culture technique réelle, suffisante pour décider sans tomber dans le micro-management.
Réalisations & expérience
Décrivez une équipe data que vous avez structurée. Quelle était la situation de départ, comment l'avez-vous organisée et quel était le résultat un an plus tard ?
→ Cherchez une vraie trajectoire de structuration : composition des rôles, recrutements, rituels installés, et pas seulement une description de poste.
Racontez un cas d'usage data qui a réellement changé une décision business. Comment l'avez-vous identifié, mené et mesuré ?
→ Validez la capacité à relier la donnée à un impact concret et à en démontrer le retour, pas à empiler des tableaux de bord.
Mise en situation
Deux directions vous réclament en urgence des chantiers data incompatibles avec vos moyens. Comment arbitrez-vous et comment l'annoncez-vous ?
→ Évaluez la priorisation, le courage de dire non et la qualité de la communication vers le haut et les pairs.
Motivation & fit
Pourquoi un poste de direction data plutôt qu'un rôle plus technique ou plus opérationnel à ce stade de votre parcours ?
→ Vérifiez que l'attrait porte sur la stratégie et le management, pas seulement sur le titre ou la rémunération.
Savoir-être & collaboration
Comment avez-vous diffusé une culture de la donnée auprès de directions qui n'en voyaient pas l'intérêt ?
→ Appréciez la pédagogie, la patience et la capacité à créer l'adhésion au-delà du cercle technique.
Parle de technologies et d'outils mais jamais d'impact business
Un profil de direction data se juge sur la valeur créée. L'absence de lien avec le chiffre d'affaires ou les coûts trahit une posture d'exécutant.
Aucune expérience réelle de recrutement ou de montée en charge d'équipe
Structurer et faire grandir une équipe pluridisciplinaire est le cœur du poste. Sans cela, le profil risque de rester un excellent contributeur individuel.
Considère la gouvernance et la qualité comme secondaires
Sans fiabilité de la donnée, tout le reste s'effondre. Négliger ce socle annonce des chiffres contestés et une perte de confiance des métiers.
Incapable de dire non ou de prioriser
Une direction data croule sous les demandes. Un profil qui veut tout traiter dispersera l'équipe et n'avancera sur aucun sujet stratégique.
Communique en jargon et reste entre spécialistes
Le poste exige de dialoguer avec le comité de direction et d'acculturer les métiers. Un profil qui n'embarque pas les non-initiés restera isolé.
Lecture du score
Notez chaque compétence et savoir-être de 1 à 5. Repère de décision : moyenne supérieure ou égale à 4 sur les must-have et aucun red flag majeur = go ; 3 à 4 avec réserves = à challenger en second tour ; un must-have sous 3 ou un red flag majeur = no-go. Un nice-to-have faible ne doit jamais éliminer un bon profil.
Qu'est-ce qu'une scorecard pour recruter un Head of Data ?
Une scorecard head of data est une grille d'évaluation structurée : elle liste les compétences et savoir-être à noter de 1 à 5, les questions d'entretien à poser et les signaux d'alerte. Elle permet de comparer les candidats sur des critères objectifs plutôt que sur une impression. On parle aussi de scorecard responsable data, scorecard directeur data, scorecard lead data.
Comment utiliser cette scorecard Head of Data ?
Téléchargez-la en PDF, Excel ou Notion, notez chaque critère de 1 à 5 pendant l'entretien, puis additionnez les scores du panel pour décider sur des faits. La version Excel calcule la moyenne et la décision automatiquement.
Quelle différence entre un Head of Data, un Data Manager et un CTO ?
Le Data Manager pilote l'exécution au quotidien : delivery des analyses, suivi des projets, animation d'une équipe souvent restreinte. Le Head of Data se situe un cran au-dessus : il porte la stratégie data devant la direction, structure l'organisation, arbitre les priorités et répond de la valeur créée. Le CTO, lui, couvre l'ensemble de la technologie et du produit. La data n'est qu'une partie de son périmètre, et il s'appuie justement sur un Head of Data pour cette dimension. On recrute un Head of Data quand la donnée devient un sujet de direction à part entière, pas seulement une fonction support.
À quel moment une entreprise a-t-elle vraiment besoin d'un Head of Data ?
Le signal n'est pas le volume de données mais le moment où la data devient un enjeu transverse et un levier de décision. Concrètement, quand plusieurs équipes data existent sans coordination, quand les chiffres se contredisent d'un service à l'autre, quand les demandes métier saturent et qu'il faut arbitrer, ou quand la direction veut faire de la donnée un avantage compétitif. Tant que les besoins restent opérationnels et cantonnés à une équipe, un Data Manager suffit. Dès qu'il faut une vision, une gouvernance d'ensemble et un interlocuteur au comité de direction, le poste de Head of Data se justifie.