Nourhène, experte Data Analyst et Data Quality, nous partage son parcours passionnant. Nous avons eu le plaisir de discuter avec elle de ses multiples rôles et de l'impact de l'intelligence artificielle sur son métier.
Nourhène, experte Data Analyst et Data Quality, nous partage son parcours passionnant, de ses débuts chez Brightway à son poste actuel chez Disneyland Paris. Plongeons dans son expertise et sa vision de l'avenir de l'analyse de données et de l'intelligence artificielle.
Après avoir suivi une solide formation en ingénierie de l’information, avec une spécialisation en ERP BI, Nourhène a commencé sa carrière chez Brightway en tant qu'Analyste de données. Par la suite, elle a rejoint Disneyland Paris via Flint, où elle occupe actuellement le poste de Data Analyst / Data Quality Assurance.
Son expérience diversifiée lui a permis d'acquérir une expertise pointue en intégration de données, analyse, dashboarding et bien d'autres domaines liés à l'analyse de données. Nous avons eu le plaisir de discuter avec elle de ses multiples rôles et de l'impact de l'intelligence artificielle sur son métier.
‍
‍
Le Data Analyst joue un rôle crucial dans la collecte, le nettoyage, l'analyse et l'interprétation des données pour fournir des informations exploitables et des recommandations éclairées pour la prise de décision. Nourhène souligne l'importance de cibler les besoins métier en premier lieu, puis d'utiliser l'analyse des données pour identifier des tendances et des modèles significatifs, facilitant ainsi la prise de décision proactive.
Chez Disneyland Paris, par exemple, Nourhène a utilisé l'analyse des données pour améliorer l'expérience client dans les parcs et les hôtels, démontrant ainsi l'impact concret du Data Analyst sur les opérations commerciales.
‍
“J’aime parler à la data, partir de rien, d’un cumul de données, pour finir avec des graphes permettant des prises de décisions éclairées.”
‍
Lorsque l’on travaille avec la donnĂ©e, Nourhène met un point d’honneur Ă garantir la qualitĂ© de celle-ci. C’est pour cela que le rĂ´le de Data Analyst est Ă©troitement liĂ© Ă la DQA, Data Quality Assurance.Â
‍
‍
La Data Quality Assurance" (Assurance qualitĂ© des donnĂ©es) est un domaine qui se concentre sur l'assurance de la qualitĂ© des donnĂ©es tout au long de leur cycle de vie, de leur collecte Ă leur utilisation.Â
‍
Nourhène intervient aussi au poste de DQA, Data Quality Assurance, et est donc la garante de la qualitĂ© des donnĂ©es. Elle identifie les bugs (incohĂ©rence par exemple, problème de null ou problème des doublons), le manque de donnĂ©es ou les donnĂ©es erronĂ©es afin d’accompagner les Data Engineers Ă la correction du problème le plus vite possible.Â
‍
La qualitĂ© est aujourd’hui un prĂ©requis dans la construction d’un socle data fiable. Assurer une haute qualitĂ© des donnĂ©es permet de garantir une prise de dĂ©cisions cohĂ©rente, fiable et Ă©clairĂ©e en adĂ©quation avec les enjeux stratĂ©giques de l’entreprise.Â
L’importance de la qualitĂ© des donnĂ©es est un sujet rĂ©current des Ă©pisodes du podcast IA pas que la Data proposĂ© par Flint.Â
‍
‍
En tant que DQA, Nourhène utilise quotidiennement Microsoft Excel, SQL Snowflake, Python et VS Code. Afin de fluidifier les process, Confluence et Jira viennent complĂ©ter cette boĂ®te Ă outils.Â
Pour la partie la veille automatisĂ©e, elle s’appuie sur Grafana, UC4, SodaSQL.Â
Et enfin sur la partie Data Analyst, Power BI et toute la suite Microsoft BI sont ses indispensables.Â
‍
Aujourd’hui, et d’autant plus dans cet environnement changeant, il est essentiel de développer un ensemble de compétences en continu : il ne faut jamais arrêter de monter en compétence sur les technologies et méthodologies actuelles.
Spécifiquement pour le métier de Data Analyst, il faut évidemment avoir des compétences en statistique et en mathématiques, cette capacité à comprendre les données.
‍
Savoir comprendre la donnĂ©e c’est bien. La faire parler c’est mieux.Â
Nourhène travaille quotidiennement avec des profils qui ne sont pas techniques ; Elle doit alors créer un pont entre le monde de la data et leur monde grâce à des représentations claires des données.
‍
Le dernier point, et pas le moindre, la curiositĂ©. ĂŠtre DQA ou Data Analyst nĂ©cessite une appĂ©tence Ă la recherche de rĂ©solution de problème et donc Ă la persĂ©vĂ©rance. Cette curiositĂ© est d’autant plus indispensable aujourd’hui, puisque les outils changent continuellement ; L’arrivĂ©e de l’IA ne fait qu’accĂ©lĂ©rer les choses !Â
‍
“Avoir une culture test and learn est l’un des meilleurs conseils que je peux donner aux lecteurs de cet article, mais aussi Ă toute leur Ă©quipe.”Â
‍
‍
Ă€ l’heure actuelle, mĂŞme si pour un usage personnel, c’est une rĂ©volution, l’usage de ChatGPT (ou de ses homologues) en entreprise est clairement dĂ©criĂ©. OĂą vont les donnĂ©es que je lui envoie, quels en sont les usages ensuite ?Â
Personne n’a aujourd’hui la rĂ©ponse, bloquant (Ă raison) son utilisation dans de nombreuses entreprises.Â
‍
Mais l’IA ne va pas seulement rĂ©volutionner la manière d’analyser les donnĂ©es, l’IA va peut-ĂŞtre tout simplement remplacer le mĂ©tier de Data Analyst. D’ici quelques annĂ©es, un outil saura sĂ»rement collecter les donnĂ©es et les nettoyer, crĂ©er des dashboard et les analyser.Â
‍
“Si je peux donner une recommandation Ă tous les Data Analyst : ne manquez pas le train et restez Ă la page. Suivez de près tout ce qui se passe.Â
Amusez-vous à tester !”
‍
MalgrĂ© tout, une chose est sĂ»re selon Nourhène, la prĂ©sence humaine restera l’unique garante de la qualitĂ© des donnĂ©es.Â
‍
‍
Nourhène évoque les défis auxquels les Data Analysts sont fréquemment confrontés, notamment la gestion du volume massif de données et la complexité de leur interprétation.
Assurer la qualité des données constitue un défi majeur. Cela nécessite un apprentissage continu des techniques et des méthodes modernes, telles que Pytest, Sélénium ou encore Unitest.
Un autre défi réside dans l'interprétation parfois complexe des données. Le simple fait d'avoir accès à une grande quantité de données ne garantit pas leur compréhension précise. Nourhène recommande aux équipes impliquant des Data Analysts et des DQA de renforcer leur compréhension métier en organisant un onboarding dédié, impliquant le partage d'expériences avec les Product Owners, les Project Managers et les équipes métier.
‍
‍
Il est essentiel de promouvoir le développement d'une intelligence artificielle éthique et responsable. Bien que l'IA offre des opportunités incroyables, son plein potentiel ne peut être réalisé que si des normes claires sont en place pour protéger les données des clients.
Un autre aspect important concerne l'énorme croissance des données en temps réel, notamment avec la prolifération des objets connectés (IoT). Cette expansion ouvre de nouvelles perspectives pour la surveillance en temps réel, les prises de décision instantanées et la personnalisation des expériences client.
‍
Cette conversation met en lumière l'importance cruciale du Data Analyst et du DQA dans un monde de plus en plus axé sur les données, tout en soulignant les défis et les opportunités liés à l'évolution rapide du métier et de l'intelligence artificielle.
Si vous souhaitez aller plus loin, nous vous conseillons la lecture de l'article "Jusqu'où peut aller l'IA ? État des lieux et perspectives".
‍