Peux-tu te présenter ?
Bonjour, je m’appelle Alexandre et je suis arrivé chez Meteors en dernière année de Master en alternance. Cela fait presque 2 ans et demi maintenant.
Quel a été ton parcours scolaire ?
J’ai fait l’ancien Bac qu’on appelait ES. C’était principalement de l’économie et des maths. La suite logique, c’était une licence MASS qui était Mathématiques Appliquées aux Sciences Sociales et Economiques. J’ai ensuite décidé de m’orienter vers tout ce qui était mathématiques et statistiques. Je suis alors parti vers le master ISN qui est Ingénierie Statistique et Numérique, ce qui forme à être Data Scientist.
En quoi consiste ce rôle de Data Scientist ?
Un Data Scientist, il faut le voir comme une personne qui est capable de traiter l’ensemble de la chaîne de données. Il commence par recueillir la donnée et il la structure. C’est tout ce qu’on appelle le data engineering, c’est vraiment du traitement de données, mais pas de l’analyse. Il fait du traitement pur, à savoir la collecte, l’unification et le traitement technique de la donnée.
Après la collecte, il y a l’analyse. Normalement, le Data Scientist doit pouvoir travailler et jouer un rôle sur chaque partie. Souvent, il peut aussi être chef d’équipe avec la gestion de projet…
Quels sont les outils utilisés pour la collecte de données ?
Alors pour la collecte de données, on peut avoir différents outils. Le Data Scientist va souvent travailler avec des data engineers et des architectes de données. Ils vont vraiment s’occuper de toute la partie structuration et collecte de données via des connecteurs, des échanges de fichiers… Tout un tas de choses pour récolter la donnée, la structurer et la nettoyer pour les analyses. C’est là que le Data Scientist peut arriver pour aider à faire des modèles de données ou faire des spécifications techniques…
Utilises-tu la plateforme FourSeeds – développée par les équipes Meteors – dans le processus de traitement des données ?
En ce qui concerne la plateforme FourSeeds, je ne l’utilise pas spécialement parce qu’elle est davantage destinée à nos clients… C’est une plateforme de gestion de données, un outil utilisé par les équipes marketing et les directeurs, et parfois aussi l’IT des marques…
De mon côté, j’utilise plutôt des outils de traitement de données. Il y a SQL (Structured Query Language), les outils un peu Big Data tels que les calculs ou le stockage distribué via Google Cloud Platform… Tous les outils enseignés dans les formations Data Science pour le traitement de la donnée.
Il n’y a pas d’outil approprié à tous les besoins, mais il faut savoir s’approprier les outils en fonction de l’analyse. Il y a tout un tas d’outils sur le marché : Python, SaaS, Google Cloud Platform… Ainsi, ll faut juste choisir l’outil le plus pertinent et sur lequel on se sent le plus à l’aise.
Quelles sont tes principales missions chez Meteors ?
J’ai deux grandes missions : une mission qui est vraiment opérationnelle, c’est-à-dire gérer et effectuer tout ce qui est étude des comportements clients et les analyses. C’est vraiment une mission opérationnelle, puisqu’on est en relation directe avec le client qui nous demande cette étude.
S’accompagne de ça, tout ce qui est tableaux, dashboards… En effet, on met en place des dashboards qui permettent de faire parler la donnée pour avoir une sorte de suivi régulier et opérationnel de ce qui se passe dans les données, dans les comportements…
Par ailleurs, j’ai une mission davantage reliée à la plateforme de gestion de données FourSeeds. J’effectue un travail de recherche et développement pour créer et m’inspirer des nouveautés en termes d’algorithmies et de maths. J’élabore de nouveaux outils et réponds à des enjeux un peu plus d’actualité comme la gestion de la pression commerciale. On va ainsi avoir quelque chose de plus spécifique, de plus précis au niveau du client.
Il y a aussi tout ce qui concerne l’attribution marketing, la gestion des budgets, la compréhension des impacts de toutes les communications sur l’achat…
Je travaille sur tous ces sujets-là pour en faire des outils qui puissent être intégrés à la plateforme et devenir de nouveaux modules, de nouveaux outils. Par exemple, envoyer des emails, créer des segments…
On peut également aller voir la pression commerciale d’un segment, les recommandations produits de ce segment ou au niveau de l’individu. C’est vraiment apporter de nouvelles fonctionnalités. Une fois que les analyses sont faites, le but est de savoir comment on les met en place et quels outils au quotidien nous accompagnent pour mettre en place ces actions. Avoir un côté aussi un peu prédictif et apporter des recommandations pour aider à la prise de décision.
Pour de telles missions, il s’agit d’un véritable travail d’équipe ?
Exactement, comme je le disais, sur cette chaîne de traitement de la donnée, on travaille avec des architectes et des data engineers sur la partie collecte.
Et sur la partie Analyse, c’est là où je me focalise le plus, je travaille avec d’autres Data Analysts et puis des chargés d’études. Nous travaillons également avec les clients, qui peuvent être des responsables marketing, des directeurs ou directrices, des personnes qui prennent les décisions dans les marques pour justement nous indiquer l’orientation de l’étude. On réalise ces études en fonction de ce que les clients veulent. Ils ont un rôle très important.
On travaille aussi en tant que Data Scientist avec le pôle commercial parce que les nouveaux outils qui sont créés et pensés, viennent d’eux en recueillant les demandes des clients via les appels d’offre, via les réunions avec les clients… On recueille alors de nombreuses demandes, c’est plus un rôle de product owner, c’est un peu mon deuxième rôle.
Mon rôle principal, c’est vraiment Data Scientist, mon deuxième rôle de product owner consiste à recueillir les nouveaux besoins qui émergent et essayer de traduire ça en termes de nouvelles fonctionnalités ou de nouvelles possibilités. L’idée, c’est de comprendre comment on peut répondre à ces nouveaux besoins, surtout s’ils sont récurrents. Donc en plus du travail avec les architectes, la partie commerciale, les clients, je travaille aussi avec les développeurs Web. On créé des nouvelles interfaces, et on pense l’utilisation métier de l’interface, ce qu’on appelle l’expérience utilisateur.
De ton point de vue, quelles compétences faut-il avoir pour être un bon Data Scientist ?
Je pense que pour devenir Data Scientist, il n’y a pas besoin d’avoir un profil type. On peut devenir Data Scientist avec différents profils. Mais ce qu’il faut toujours garder en tête, c’est qu’il faut s’intéresser à ce qu’il se passe dans tous les domaines. Aujourd’hui, on travaille beaucoup dans tout l’aspect marketing. Mais ce qui se fait en biologie, en géographie, en économie, ce sont des informations qui peuvent parfois servir pour notre domaine.
Effectivement, les algorithmes qui sont développés, les idées et les applications qu’il y a dans les autres domaines, peuvent correspondre à des cas similaires dans notre domaine. Souvent, quand on fait de la recherche et développement, on va lire des articles qui s’appliquent à tel et tel domaine, le rôle du Data Scientist va être d’essayer de transposer ça à son domaine à lui.
Il y a donc une partie de curiosité, mais aussi forcément un côté organisé, il faut être précis et ordonné. Quand on va faire une étude ou un tableau de bord, il y a une démarche à suivre et il faut faire les choses dans le bon sens pour ne pas perdre du temps.
Le traitement de données, ce n’est pas non plus quelque chose de simple et il faut y faire attention. Il faut être assez rigoureux pour ne pas sortir des chiffres et des indicateurs faux. En fait, un chiffre peut être interprété de plusieurs manières. Il faut alors qu’il soit adéquat en fonction de la demande du client. La rigueur et la curiosité sont pour moi les deux aspects les plus importants. Et puis forcément, un Data Scientist ne travaille pas tout seul. Il faut donc apprécier le travail en équipe.
Qu’est-ce qui te plaît dans ton métier ?
Ce qui me plaît dans mon métier, c’est d’entendre un besoin, le comprendre et essayer de le traduire de manière technique pour y répondre avec une analyse, un algorithme, ou un tableau de bord… Et en fait, la partie la plus plaisante, c’est celle où on fait l’analyse et on développe le dashboard. De voir que ce qu’on a construit répond aux attentes du client et qu’il est satisfait. C’est ce qui est gratifiant, j’ai réussi à comprendre la problématique et à y répondre.
On ne peut pas parler de journée type, il y a toujours un renouvellement permanent ?
C’est ça, il n’y a pas forcément de répétition dans les tâches et les objectifs. Il y a toujours de nouvelles demandes, de nouveaux besoins. Et même quand il y a des besoins similaires entre les clients, on ne va pas y répondre de la même manière parce que la façon d’y répondre ne sera pas forcément adaptée aux 2 clients. Il faut toujours adapter la façon dont on communique nos résultats.
Quels conseils donnerais-tu à de futurs Data Scientists ?
Je pense qu’il ne faut pas sous-estimer le marketing. En tant que Data Scientist, on doit trouver les moyens de répondre aux enjeux des marques qui évoluent et apportent de nouvelles solutions. Cela permet de concilier le business et d’autres enjeux, comme l’amélioration de la communication avec les clients. C’est bénéfique pour la marque, mais aussi pour les clients.
C’est un peu mon point de vue, dans le marketing il y a plein de nouveaux besoins qui émergent, et c’est justement là le rôle des Data Scientists d’y répondre… Le but est de concilier : notoriété de la marque, enjeux sociétaux et enjeux environnementaux.
Il faut aussi être force de proposition, être inventif… Notre rôle de Data Scientist, c’est de proposer parce qu’on a un rôle de traducteur. Nos clients qui sont des marques, ont des données, mais ne savent pas forcément comment les exploiter. Il faut prendre en compte leurs besoins, et c’est notre rôle de les initier sur ce sujet. Il y a vraiment beaucoup de choses à faire dans le marketing, il ne faut vraiment pas hésiter à rentrer dans ce domaine !
