Est-ce que tu pourrais présenter ton équipe ? Pourquoi cette volonté de te former à la data analyse ?
Notre équipe était formée de 3 personnes qui souhaitent devenir Data Analyst (Clément, Guillaume et Jean-Marc) ainsi que moi (Joana) qui venait plutôt chercher à acquérir une compétence supplémentaire pour compléter mon profil de Responsable Marketing.
Peux-tu nous expliquer le déroulement du projet ? Pourquoi l’avoir choisi ? Sur quoi et avec qui travaillais-tu ?
J’ai choisi de travailler sur ce projet parce que l’entreprise présentait les caractéristiques des sociétés que je cible dans ma recherche d’emploi. C’est une PME à échelle humaine, positionnée sur un marché en expansion qui a une bonne maturité business mais où il y a beaucoup à faire en matière de marketing et de data. Nous avons travaillé sur un extract de leur logiciel de CRM mis en place depuis 5 ans, fusionné avec 10 ans de datas antérieures collectées avec d’autres outils. Nous n’avions cependant aucune donnée financière sur les habitudes de consommation des clients.
Quelles ont été les difficultés à surmonter lors du projet ?
Les difficultés principales rencontrées lors de ce projet étaient liées aux données. Mais au-delà du fait que beaucoup de données étaient manquantes dans la base, nous n’avions pas le contact de l’entreprise qui aurait pu nous donner les informations qui nous manquaient. Par ailleurs, nous n’avions à notre disposition aucune information financière sur leurs habitudes de consommation de clients. Cela a malheureusement beaucoup limité la finesse des analyses réalisées.
Comment vous-êtes-vous organisés ?
Organisation de l’équipe : Forts de nos expériences vécues tout au long de la formation nous avons tout de suite jugé nécessaire de nommer un chef de projet qui, en plus de réaliser des analyses, devait s’assurer du respect du timing, mais aussi et surtout qui devait « trancher » lorsque l’équipe ne trouvait pas de consensus sur un sujet. Nous avons désigné Guillaume qui avait œuvré pour que nous puissions disposer des données de l’entreprise. Afin d’éviter le manque de préparation pour la présentation finale, nous avons décidé dès le jour 1 de consacrer dans le planning une demi-journée complète aux répétitions et, dès l’entame de la 2ème semaine nous avons bâti le plan de notre présentation Powerpoint. Nous avons également opté pour l’utilisation de la méthode Kanban (avec l’aide de l’outil Trello) pour suivre la progression de chaque tâche, et commencé chaque journée de travail par un point rapide sur l’état d’avancement de chaque analyse. Toutes ces décisions ont fortement contribué à la qualité de notre présentation finale.
Déroulé du projet : Après avoir pris connaissance du marché de l’entreprise et passé pas mal de temps à « cleaner » les bases, nous avons ensuite listé les analyses que nous voulions réaliser et décidé quels outils seraient les plus pertinents pour y arriver (Python, Tableau, Excel). Nous avons ensuite dispatché les analyses au sein de l’équipe. Certaines analyses ont été réalisées en solo et d’autres en binôme, mais avons à chaque fois pris soin de les présenter à l’ensemble du groupe afin de valider nos hypothèses. Cette organisation a permis à l’ensemble de l’équipe d’être au courant de l’ensemble du projet.
Qu’est-ce que tu as aimé dans ce projet et qu’est-ce que tu en retires ?
Nous avions déjà travaillé en groupe durant la formation mais sur les durées très courtes et sur des « faux datasets ». C’était donc appréciable d’avoir cette fois-ci plus de temps pour pouvoir réellement structurer le travail d’équipe. J’ai également particulièrement aimé pouvoir travailler sur des analyses qui débouchent sur des vraies recommandations et de pouvoir les présenter à un dirigeant de l’entreprise qui nous avait gentiment mis à disposition ses données. Par ailleurs, à l’issue de notre présentation devant le jury, c’était très valorisant de recevoir des feed-back très positifs et constructifs.
Un conseil à donner pour ceux qui voudraient postuler à DataBird ?
Il y a super ambiance ! On apprend le matin, on applique l’après-midi. Ça va à 1000 à l’heure mais on n’en revient pas (enfin c’est mon cas) d’arriver au bootcamp en n’ayant jamais écrit une ligne de code, et de pouvoir coder en Python au bout de 8 semaines.
- Ce n’est pas fait pour toi si tu cherches une formation au format traditionnel et que tu n’aimes pas le travail en équipe.
- C’est fait pour toi si tu aimes la data et faire bouillonner ton cerveau (fournis toi en vitamines, parce que ça va pulser 😉 !).