Au sein du pôle Data ou Tech, le Data Analyst intervient après le travail du Data Scientist et du Data Engineer. Il manipule des données pour leur donner du sens et en tirer des insights et des tendances. Ces analyses serviront aux managers pour prendre des décisions stratégiques mais aussi aux équipes business et marketing.
On retrouve aussi le métier de Data Analyst sous les noms de Data Miner Business Analyst, Business Intelligence (BI) Analyst et BI Manager.
Toutes les entreprises collectent volontairement ou non des données. À travers leur activité commerciale, marketing et opérationnelle, elles récupèrent chaque jour un volume de données proportionnel à l’intensité de leur activité : CRM, objets connectés, réseaux sociaux, moteurs de recherche, d’un service par l’utilisateur, etc.
Depuis une petite vingtaine d’années et avec la croissance exponentielle des technologies, elles apprennent à les valoriser, en interne pour améliorer leur produit/service, accompagner à la décision, automatiser à travers l’IA, mesure, etc ou en externe en le revendant à d’autres entreprises.
Maintenant que tout le monde a compris l’importance de la data, il ne s’agit plus d’en perdre une seule goutte. C’est la nouvelle richesse du XXIe siècle : pendant que les réserves de pétrole se vident, les réserves de données se remplissent … et elles n’ont pas de limites.
Il a pour objectif d’exploiter et valoriser les données massives récoltées et traitées par le Data Engineer qui a besoin d’un technicien hautement qualifié : le Data Analyst.
Le Data Analyst sera recruté par tous types d’entreprises souhaitant s’appuyer sur la collecte de données traitées pour accompagner leurs prises de décisions stratégiques, marketing et business.
Partout où il y a de la data, il peut amener du conseil basé sur des données qu’un humain ne saurait traduire. Son travail permet à l’entreprise et aux managers de prendre des décisions appuyées sur leurs données.
Plus concrètement, sa valorisation se traduit par la traduction de données en reportings, dashboards et outils de visualisation pour présenter ses résultats et les rendre compréhensible par tous.
Il évolue dans tous types d’entreprises de différents secteurs d’activité brassant un grand volume de données.
À l’heure actuelle, le numérique occupe une telle place que les entreprises reçoivent au quotidien une quantité phénoménale d’informations leur permettant d’optimiser leurs stratégies. Pour exploiter les données massives recueillies, elles ont besoin d’un technicien hautement qualifié : le Data Analyst.
La tâche de ce dernier consiste à traiter les différentes données concernant les clients, les produits ou les performances de l’entreprise afin de dégager des indicateurs utiles aux décideurs.
Ainsi, les informations fournies par le Data Analyst permettent aux entreprises de définir les produits à proposer aux clients en fonction de leurs besoins, la stratégie marketing à adopter ou les améliorations à apporter au processus de production.
Le Data Analyst est un expert en statistiques et en analytique. Il a pour rôle de faire parler les données. Son rôle est de manipuler des données dites “propres” pour constater et comprendre des phénomènes et des comportements.
Ces données peuvent être de sources internes (CRM, DB) qui auront été préalablement préparées par le Data Engineer, mais peuvent aussi provenir de sources externes (web, fournisseurs de données).
Le Data Analyst produit ensuite des reportings, des dashboards et des outils de visualisation pour présenter ses résultats et les rendre compréhensible par tous. Son travail permet à l’entreprise et aux managers de prendre des décisions.
Bref, tableaux, graphiques bilans, tel est son quotidien !
Dans une petite équipe tech, il peut porter la responsabilité d’un pôle data en confondant les métiers de Data Engineer et Data Analyst. Il aura ainsi la main sur tout le cycle de valorisation de la donnée sans pour autant pouvoir aller profondément dans ses sujets.
Cela nécessite une connaissance horizontale des problématiques data sans pouvoir développer une expertise verticale.
Dans une grande équipe tech, il travaille sous la responsabilité d’un Manager Data (Head of Data, CDO, Lead Data Manager), en collaboration le Data Engineer qui lui fournit un volume de données dites “propres” prêtes à être utilisées.
Le Data Scientist qui peut être amené à travailler sur les mêmes problématiques de prise décisions mais avec un rendu différent. Le Data Analyst développera des outils visuels (dashboard) et de reporting, là où le Data Scientist mettra en place des modèles prédictifs.
Hors pôle data, il peut également être rattaché à la direction d’une équipe métier afin de travailler sur leurs problématiques en contact direct avec les équipes (Très souvent marketing, mais aussi business, financière ou RH selon l’orientation de l’entreprise).
Voici son travail au quotidien :
Par exemple : un opérationnel demande au Data Analyst "Peux-tu me donner le nombre de courses VTC qu’il y a eu hier dans telle zone ?"
Par exemple : Comparer des comportements utilisateur : quel comportement adopte celui qui vient depuis recherche google et celui qui vient depuis cette publicité que nous finançons ?
Autre exemple : Spécifique sur étude poussée : quel apport de ce partenaire ? Était-ce une bonne décision de mettre en place un partenariat ? Quelles évolutions depuis sa mise en place ?
Ils utilisent aussi des outils de reporting et de data visualisation comme :
Il va utiliser les langages et framework suivant :
Techniquement, il maîtrise des langages tels que R, Python ou SQL qui servent à la manipulation de bases de données. Une bonne maîtrise d’outils pour la visualisation de données est essentielle, tels que Plotly, Tableau, Dataiku ou Qlik Sense Qlik View et bien sûr Excel.
Des compétences analytiques sont indispensables pour interpréter et produire des résultats. Il est aussi à l’aise avec le requêtage et le data mining qu’avec la synthèse de résultats.
En plus de compétences en mathématiques et statistiques, le Data Analyst est capable de vulgariser la technique pour présenter et expliquer ses résultats à des équipes non techniques.
Le Data Analyst possède un fort esprit d’analyse et de synthèse. Il a le sens du détail et sait garder un oeil critique sur les résultats pour tirer les informations clés qui se cachent dans la masse de données.
Une bonne communication est aussi importante chez ce profil puisqu’il est amené à présenter ses résultats à des managers et équipes profanes en data.
Il est nécessaire pour un Data Analyst d’avoir de solides compétences et une appétence forte pour les statistiques, les probabilités et les mathématiques appliquées à l’informatique.
Voici les salaires envisagés selon votre expérience :
Ce métier permet de poursuivre une carrière en tant que : Lead Data Analyst, Data Manager, Data Scientist, Expert Big Data.
December 8, 2020
À lire aussi :
