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 rôle essentiel du Data Analyst dans la prise de décision en entreprise

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 donnée, Nourhène met un point d’honneur à garantir la qualité de celle-ci. C’est pour cela que le rôle de Data Analyst est étroitement lié à la DQA, Data Quality Assurance. 

‍

Le rôle de DQA, garant de la qualité

‍

La Data Quality Assurance" (Assurance qualité des données) est un domaine qui se concentre sur l'assurance de la qualité des données tout au long de leur cycle de vie, de leur collecte à leur utilisation. 

‍

Nourhène intervient aussi au poste de DQA, Data Quality Assurance, et est donc la garante de la qualité des données. Elle identifie les bugs (incohérence par exemple, problème de null ou problème des doublons), le manque de données ou les données erronées afin d’accompagner les Data Engineers à la correction du problème le plus vite possible. 

‍

La qualité est aujourd’hui un prérequis dans la construction d’un socle data fiable. Assurer une haute qualité des données permet de garantir une prise de décisions cohérente, fiable et éclairée en adéquation avec les enjeux stratégiques de l’entreprise. 

L’importance de la qualité des données est un sujet récurrent des épisodes du podcast IA pas que la Data proposé par Flint. 

‍

Boîte à outils du Data Analyst et DQA

‍

En tant que DQA, Nourhène utilise quotidiennement Microsoft Excel, SQL Snowflake, Python et VS Code. Afin de fluidifier les process, Confluence et Jira viennent compléter cette boîte à outils. 

Pour la partie la veille automatisée, elle s’appuie sur Grafana, UC4, SodaSQL. 

Et enfin sur la partie Data Analyst, Power BI et toute la suite Microsoft BI sont ses indispensables. 

‍

Les compétences clés d’un data analyst, dans un environnement où l'intelligence artificielle joue un rôle croissant

‍

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 donnée c’est bien. La faire parler c’est mieux. 

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 curiosité. Être DQA ou Data Analyst nécessite une appétence à la recherche de résolution de problème et donc à la persévérance. Cette curiosité est d’autant plus indispensable aujourd’hui, puisque les outils changent continuellement ; L’arrivée de l’IA ne fait qu’accélérer les choses ! 

‍

“Avoir une culture test and learn est l’un des meilleurs conseils que je peux donner aux lecteurs de cet article, mais aussi à toute leur équipe.” 

‍

L'impact de l'intelligence artificielle sur l'analyse de données

‍

À l’heure actuelle, même si pour un usage personnel, c’est une révolution, l’usage de ChatGPT (ou de ses homologues) en entreprise est clairement décrié. Où vont les données que je lui envoie, quels en sont les usages ensuite ? 

Personne n’a aujourd’hui la réponse, bloquant (à raison) son utilisation dans de nombreuses entreprises. 

‍

Mais l’IA ne va pas seulement révolutionner la manière d’analyser les données, l’IA va peut-être tout simplement remplacer le métier de Data Analyst. D’ici quelques années, un outil saura sûrement collecter les données et les nettoyer, créer des dashboard et les analyser. 

‍

“Si je peux donner une recommandation à tous les Data Analyst : ne manquez pas le train et restez à la page. Suivez de près tout ce qui se passe. 

Amusez-vous à tester !”

‍

Malgré tout, une chose est sûre selon Nourhène, la présence humaine restera l’unique garante de la qualité des données. 

‍

Défis actuels d’un Data Analyst / DQA 

‍

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.

‍

Tendances futures dans le domaine de l’analyse des données et de l’intelligence artificielle. 

‍

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".

‍