Interview de Laëtitia Deken – Data Analyst chez Numericoach

Après avoir exercé les métiers de professeure des écoles puis chargée de communication, Laëtitia rejoint l’aventure Numericoach en tant que Data Analyst après une reconversion. Elle nous explique son parcours, ses missions ainsi que ce qui lui a donné envie d’exercer ce métier en tension.

Bonjour Laëtitia, comment vas-tu ?

Bonjour ! Je vais très bien, merci pour l’invitation !

Pour ceux et celles qui ne te connaissent pas, pourrais-tu te présenter et nous dire en quoi consiste ton job de Data Analyst ?

Bien sûr, avec plaisir ! Je suis née et j’habite toujours à Dunkerque, dans le Nord de la France. J’ai commencé ma carrière en tant que professeure des écoles. J’ai enseigné dans les trois cycles (en France, l’enseignement à l’école est réparti en trois cycles, en fonction des apprentissages visés, NDLR), entre la maternelle et le CM2. Je suis ensuite devenue chargée de mission puis chargée de communication pendant cinq ans, toujours à Dunkerque, suite à des opportunités. J’étais ce que l’on appelle “un couteau suisse” (rires) : il m’arrivait très souvent de devoir sortir quelques chiffres et/ou pourcentages pour valoriser les structures (lors de la rédaction du rapport annuel, par exemple), les actions ou les projets pour lesquels je travaillais, et bizarrement, cela me plaisait beaucoup ! 

En 2020, pendant la pandémie de COVID, j’ai pris la décision d’aller plus loin dans mon envie d’exploiter les données. C’est à ce moment que j’apprends qu’il existe un métier spécifique à cela : Data Analyst. J’ai donc décidé de suivre une formation en 2021 car j’y ai vu une complémentarité entre mon passé de communicante et ce métier Tech très recherché. Je souhaitais me démarquer car la concurrence est très forte dans la communication. Je me suis lancée et c’est à la suite de cette formation que j’ai rejoint Numericoach en juin 2022. Le but principal du Data Analyst est de manipuler et analyser les données d’entreprise pour aider les équipes à prendre des décisions pertinentes.

Chez Numericoach, j’ai gardé mon côté couteau suisse puisque je réalise, par exemple, des tableaux de bord sur Looker Studio pour nos clients. Je suis en parallèle formatrice sur des outils Google comme Looker Studio, BigQuery ou encore Connected Sheets. J’écris également pas mal d’articles pour Numeriblog sur ces sujets et je suis aussi rédactrice en chef du magazine (rires) !

Pourquoi dis-tu “bizarrement” ?

Je n’étais pas la meilleure élève en mathématiques pendant mon cursus scolaire, je le reconnais. En fait, j’ai découvert sur le tard que j’avais une certaine appétence pour les chiffres. Un comble pour moi qui ai fait des études littéraires (rires) ! J’ai d’abord pensé qu’il fallait être très bon en maths pour pouvoir exercer ce métier…

Est-ce vraiment le cas ? Et pourquoi ce métier est-il important aujourd’hui ?

Contrairement à ce que peuvent dire les clichés, auxquels j’ai cru moi-même, non pas du tout. Bien sûr, il faut quand même avoir certaines bases en maths, je pense notamment aux matrices ou aux calculs, par exemple. Pas besoin non plus d’être bilingue en Anglais, ce n’est pas mon cas même si j’ai tout de même, je pense, un bon niveau.

Pour être un bon Data Analyst, selon moi, il faut surtout de la logique, de l’organisation, ainsi qu’une certaine forme de curiosité. Ce métier prend de plus en plus d’ampleur depuis dix ans dans les pays anglo-saxons et commence à peine à émerger en France. Il y a un réel besoin de talents car les entreprises récoltent de plus en plus de données chaque année (il y a un terme pour désigner cela, le Big Data, NDLR) et il n’y a pas assez de professionnels pour l’instant pour toutes les traiter, ce qui cause des pertes et des pépites ne sont parfois jamais découvertes… Et malheureusement, on manque cruellement de profils féminins, comme dans de nombreux métiers de la Tech d’ailleurs, car trop de personnes pensent encore que ce sont des métiers masculins. En plus, les femmes se pensent naturellement moins bonnes en mathématiques, ce qui n’arrange rien et alimente au contraire le cliché que j’évoquais précédemment ! Venez me rejoindre les filles, on est bien (rires) ! 

Je pense que d’ici dix ans, les entreprises ne pourront plus se passer de la data science (science des données, dont fait partie la data analyse, NDLR), tout comme de l’IA d’ailleurs. Imaginez les capacités d’analyse et d’automatisation des données si ces deux domaines s’allient ensemble. En réfléchissant, cela a déjà commencé ! Quand on voit que ChatGPT peut nous filer du code Python en quelques secondes à peine… Cela ne peut que s’améliorer (rires) !

L’appel aux femmes est entendu ! Quel est le quotidien d’un Data Analyst ? Quelle est sa journée type ?

Une journée type n’existe pas, et c’est cela qui me plaît ! La routine ne peut pas s’installer. La journée commence en général par un “daily scrum”, où chaque membre de l’équipe présente rapidement aux autres ce qu’il a fait la veille et ce qu’il compte faire de sa journée, les succès et les difficultés qu’il a parfois. 

Ensuite, il vaque à ses occupations. Un Data Analyst passe du temps à examiner les données collectées, en utilisant des outils tels que Python, SQL et des logiciels de traitement de données comme Google Sheets ou des plateformes plus avancées comme Looker Studio ou BigQuery. Son travail consiste principalement à extraire, nettoyer et analyser ces données pour en tirer des insights significatifs. Il collabore également étroitement avec les autres membres de l’équipe et/ou les clients pour comprendre leurs besoins en matière de données et les aider à prendre des décisions éclairées. Une grande partie de sa journée est consacrée à la création de rapports et de visualisations pour communiquer ses résultats aux parties prenantes. 

Enfin, il reste constamment à l’affût des nouvelles méthodes et technologies dans le domaine de l’analyse de données pour améliorer les processus et reste à jour avec les dernières tendances. Effectuer une veille est indispensable pour ne pas être largué (rires) et cela m’aide beaucoup lorsque je rédige mes propres articles ! 

Dans le cadre de mes autres missions chez Numericoach, je prépare également les formations et coachings personnalisés que je donne à mes apprenants, j’effectue ma veille pour écrire mes articles, je suis également chargée de la relecture de textes pour l’équipe et d’autres choses encore…

Intéressant, tout ça ! Tu utilises de nombreux outils pour parvenir à tes objectifs. J’imagine qu’il faut en maîtriser beaucoup ?

Il y a beaucoup d’outils qui tournent autour de la data analyse, oui, et de nouveaux sortent très régulièrement. Après, quelques outils comme BigQuery, les langages Python et SQL, un tableur comme Sheets et un outil de dataviz comme Looker Studio permettent de réaliser environ 80 % du boulot, donc ce n’est pas insurmontable ! Le reste, ce n’est que du bonus et certains outils nous servent d’une manière plus irrégulière pour gagner du temps.

Justement, tu nous parles depuis tout à l’heure de Sheets, Looker Studio et BigQuery. Les outils Google permettent à une Data Analyst comme toi de réaliser chaque étape de ton travail…

Oui, Google est notre ami et a pensé à tout (rires) ! Il existe ce que l’on appelle un cycle de vie des données, qui commence à la collecte et qui se termine par la restitution des données sous forme de rapport aux acteurs de l’entreprise (chaque étape de ce cycle est résumé dans le dossier spécial Data inclus également dans ce numéro, NDLR). Il existe un outil Google pour chaque étape, c’est fascinant. 

Après tout dépend des besoins du client en face. Les outils utilisés varieront en fonction, par exemple, du volume de données à analyser. Certaines étapes, comme le nettoyage, sont obligatoires. D’autres, un peu moins, on peut se permettre d’y passer un peu moins de temps. Tout est une question de dosage en fonction des besoins. Par exemple, pour de petits ensembles de données, j’utilise Google Sheets. Pour des gros volumes de données, je passe plutôt par BigQuery. Et chaque outil se connecte facilement aux autres, c’est pratique et cela facilite grandement la réalisation de mes tâches !

Quel est ton outil Google préféré parmi ceux que tu utilises au quotidien ? Et pourquoi ?

Looker Studio, sans hésiter, car il s’agit de l’outil que j’utilise le plus dans le cadre de mon métier et il est très apprécié d’après les retours que j’ai en formation ou de la part des clients. 

En fait, lors de ma reconversion, j’ai eu la chance de pouvoir essayer de nombreux outils et j’ai vite compris qu’il fallait se spécialiser car il est impossible de tout maîtriser tant le domaine de la data science est vaste. Certains de mes camarades ont choisi, par exemple, de se spécialiser dans le Machine Learning après avoir retourné la bibliothèque Scikit-Learn sur Python. Moi, je suis tombée amoureuse de tout ce qui touche à la data visualisation. J’ai été formée sur les concurrents de Looker Studio (qui s’appelait encore Data Studio à l’époque, NDLR) : Tableau et PowerBI. Ensuite, j’ai appris à dompter Looker Studio en arrivant chez Numericoach. J’ai été fascinée par sa simplicité d’utilisation comparé à ses concurrents. J’ai envie de transmettre aux autres ce que je sais sur cet outil, ce sont des restes de mon passé d’enseignante sans doute (rires)…

As-tu des conseils pour créer un bon rapport Looker Studio ?

Première chose à connaître selon moi : son interface. Si vous connaissez déjà les outils Google Workspace, vous serez en terrain connu. Vous verrez, elle est facile à prendre en main. 

Le vocabulaire spécifique à la dataviz, également.

Après oui, j’ai plein de petits conseils comme ça que je peux donner à la volée et que j’explique lors des formations que je donne à mes apprenants : définir les objectifs du rapport, écrire une liste de KPI à l’avance, organiser son rapport dès le départ (mise en page), choisir un thème, ne pas utiliser trop de couleurs au risque de perdre le message, vérifier que chaque graphique construit apporte une information au lecteur, raconter une histoire avec les données, ne pas faire trop compliqué (pensez aux lecteurs non-initiés), placer les informations les plus importantes en haut de la page, etc.

Je dirai surtout que la pire chose à faire est de se lancer à corps perdu dans la création d’un rapport sans réflexion en amont !

Et surtout, documentez la création de votre rapport à chaque étape. C’est très important ! Google Docs est votre allié pour cela…

As-tu un conseil à donner à une personne qui souhaiterait devenir Data Analyst ?

Si vous avez envie de vous lancer, alors foncez ! Il existe de nombreuses écoles qui proposent des Master en Data Science. Si vous n’avez pas envie de rester plusieurs années à l’université, passez par un bootcamp de six mois, c’est une bonne porte d’entrée pour découvrir le domaine. 

Mais attention, il faut rester en veille en permanence ! Il est impossible de rester sur ses acquis car le métier évolue très vite. Je me forme encore beaucoup aujourd’hui et je le ferai encore dans les mois et les années qui viennent.

Merci pour ce témoignage enrichissant Laëtitia ! Un dernier mot avant de nous quitter ?

Merci encore pour l’invitation. Si vous souhaitez avoir des conseils sur le métier de Data Analyst ou si vous envisagez une reconversion, envoyez-moi un message sur LinkedIn, j’y répondrai avec plaisir !

C’est la fin de cet article. Pour vous former sur des outils de le suite Google Workspace, rendez vous dans notre catalogue de formations. Pour plus d’informations, n’hésitez pas à nous contacter ! Notre super équipe de formateurs vous accompagne dans votre montée en compétence.