En quoi consiste vraiment le métier de data analyst ?

De plus en plus d’entreprises se dotent d’une équipe data aujourd’hui. Le data analyst est le maillon de la chaîne qui rassemble les données pertinentes et les fournit aux équipes qui en ont besoin. Les enjeux sont nombreux pour interpréter, comparer, comprendre et donc ajuster un service ou un produit.

Kévin est data analyst depuis sept mois au sein de la start-up Spendesk. À la croisée entre code, statistiques et business, il nous raconte son métier.

Un profil polyvalent

J’ai un profil un peu atypique dans le domaine de la data. Je me suis d’abord formé comme ingénieur, puis j’ai obtenu un double diplôme avec une école de commerce.

J’ai toujours été attiré par l’informatique et la technologie. Durant mon cursus universitaire, j’ai souvent choisi les options qui s’en rapprochaient le plus.

Mes expériences professionnelles étaient davantage tournées vers la finance, puisque j’ai réalisé des stages dans des fonds d’investissement destinés aux start-up. Plus particulièrement, les start-up qui s’intéressaient justement à la gestion de la donnée.

Mon premier vrai contact avec la data a eu lieu au cours d’un autre stage de quelques mois au sein de la BNP. C’était différent de ce que je fais aujourd’hui, puisque c’était un grand groupe et ma mission en tant que stagiaire était toute relative, mais j’avais néanmoins une position équivalente à celle d’un data architect. 

Ce sont ces stages qui m’ont donné envie de travailler au sein d’une start-up. Je pensais que la data serait un bon moyen de mettre à profit mes capacités d’analyse et les compétences acquises en école d’ingénieur. La data est un secteur en plein essor, les données sont partout, il y en a de plus en plus et c’est un enjeu énorme que de savoir les analyser correctement. Particulièrement pour des jeunes entreprises qui démarrent, qui ont besoin de recul et de références chiffrées. C’est pour cela qu’il y a également des outils de plus en plus puissants qui sont développés, ce que je trouve très intéressant. 

À l’issue de mes études, je tenais donc à travailler au sein d’une start-up. Je voulais vraiment voir croître une entreprise et prendre part à cette évolution. Je cherchais un poste avec un minimum de technique, tout en sachant que je ne suis pas développeur non plus.

Au fil de mes recherches, il est apparu que le métier de data analyst me correspondait bien et que de plus en plus d’entreprises cherchaient à se constituer une équipe data.

C’est la raison pour laquelle je pense que même en tant que junior, et sans trop d’expérience en data, j’ai pu trouver un poste. Le marché est très ouvert actuellement. Même aujourd’hui en étant en poste, il m’arrive de recevoir des offres. Les opportunités se multiplient dans ce secteur.

Des journées au rythme des demandes et des besoins

Depuis sept mois, je suis donc chez Spendesk en tant que data analyst. C’est une start-up qui a été créée il y a un peu plus de trois ans et qui propose aux entreprises de prendre en charge la gestion de leurs dépenses. La mission est de simplifier tout le processus de gestion comptable. À mon arrivée, nous étions 55 employés et aujourd’hui nous sommes plus d’une centaine. La start-up se porte bien et elle est soutenue par un gros fond d’investissement européen. 

Ma principale mission en tant que data analyst est de faire en sorte que les équipes aient accès aux données dont elles ont besoin.

Je travaille donc aussi bien avec l’équipe produit, que l’équipe ventes, l’account manager, l’équipe financière ou même les fondateurs lorsqu’il faut remonter certaines informations générales sur l’entreprise. C’est très transversal. Je me dois de transmettre de la donnée qui soit valable donc vérifiée et pertinente au regard de la problématique de l’équipe qui fait la demande. 

Mon travail s’organise principalement autour de plusieurs axes. 

Tout d’abord, je travaille sur les tableaux de bord des différentes équipes : cela consiste à mettre à disposition des chefs d’équipe les Indicateurs clés de performance (KPI en anglais). Ces indicateurs sont des données, que l’on définit ensemble et qui permettent ensuite de se positionner stratégiquement pour un objectif donné, comme améliorer la satisfaction client, générer du trafic, ou augmenter ses ventes, par exemple. 

En collaboration avec le data ingénieur et le data scientist, nous travaillons aussi sur les infrastructures, pour les optimiser au maximum les outils dont nous nous servons. Il arrive aussi que je travaille sur des analyses plus ouvertes afin de soumettre des rapports aux équipes. Dans ce cas, c’est à moi d’aller chercher la data que je pense pertinente pour essayer de comprendre pourquoi un client n’utilise plus tel outil par exemple, et ensuite faire les recommandations nécessaires. À ce niveau, on croise aussi bien des données qualitatives en interviewant le client et des données quantitatives grâce au GRC (l’ensemble des outils de la gestion de relation client).

Nous sommes une équipe data de cinq personnes : deux data analysts, un data scientist, un data ingénieur qui s’occupe de l’architecture et une personne qui supervise l’équipe qui a aussi un rôle de data architect.

Les journées et les semaines sont assez variables en fonction des projets en cours. Néanmoins, il y a toujours un moment dans la journée que je dédie aux requêtes au sein de l’entreprise.

J’essaye aussi régulièrement d’échanger avec les chefs d’équipe pour discuter autour de leur tableau de bord, voir comment le mettre à jour et l’optimiser. Ensuite, je dois délimiter aussi des temps sans interaction où je me concentre vraiment sur les analyses. 

En ce moment par exemple, nous travaillons à mettre en place un nouveau tableau de bord pour l’équipe support. C’est l’équipe qui répond aux questions des entreprises clients. L’objectif est de savoir si nous sommes suffisamment efficaces dans les retours que nous faisons aux clients, de comprendre pourquoi un outil est plus utilisé qu’un autre, de savoir quel pourcentage de support, d’aide on apporte à nos gros clients par rapport aux plus petits, pour ensuite équilibrer nos services.

Des défis en constante évolution

Le vrai défi dans l’analyse est de conserver un esprit critique et une rigueur dans ce qu’on présente.

Il faut réussir à pousser suffisamment loin pour pouvoir tirer des conclusions qui ont du sens. Dans un deuxième temps, il faut s’assurer que la personne à qui est adressée l’analyse puisse la comprendre et s’y référer. Tout l’enjeu est vraiment de mettre en place les outils nécessaires pour que les équipes puissent ensuite être les plus autonomes possible. C’est la dimension qui est particulièrement enthousiasmante pour moi dans ce métier, car on se doit d’être curieux et de comprendre le métier de chacun pour être le plus pertinent possible et anticiper les besoins. 

Je pense qu’à terme, l’équipe data va grossir et se structurer davantage. Chaque data analyst pourra alors avoir une spécialité, il y en aura un qui travaillera pour la partie produit, un autre pour les ventes par exemple, en ayant un vrai domaine d’expertise chacun. Ce sont les perspectives d’évolution que j’imagine. Comme le métier change beaucoup en ce moment, j’essaye régulièrement de déjeuner avec les équipes data d’autres start-up à Paris. Nous discutons de comment est structurée leur équipe, de nos problématiques communes, ou des nouveaux outils.

Ensuite, au sein de ma boîte, nous prenons aussi le temps de nous former régulièrement aux nouveaux logiciels. Je dirais que c’est finalement la curiosité qui est la qualité principale à cultiver en tant que data analyst, au-delà des exigences techniques du métier.