Rejoignez-nous le jeudi 02 mai dès 18h30 pour notre Journée Portes Ouvertes en live. Explorez le bootcamp Databird ainsi que nos programmes de formation data.
La data est un secteur en pleine croissance et de plus en plus d’entreprises souhaitent mettre l’analyse de données au cœur de leur stratégie. C’est le cas d’Agicap, start up dans la gestion de trésorerie pour les PME.
Ainsi, nous avons pu interroger Julia, data analyst dans cette entreprise et ancienne alumni de la formation Data Analyst à Paris de DataBird, sur son parcours, sa reconversion et son quotidien au sein de cette structure.
Après le bac, j'ai effectué deux années de classe préparatoire en biologie. A vrai dire, je ne savais pas vraiment ce que je voulais faire dans la vie. J'ai donc suivi un parcours classique en école d'ingénieure puis j’ai occupé un poste qui ne me plaisait guère. Je n’avais jamais eu l'occasion de me poser les bonnes questions.
Cependant, j'ai pris conscience assez rapidement de mon attrait pour les tâches dites de "logique" en utilisant différents outils comme Excel par exemple. C'est à ce moment là que j'ai décidé de tout quitter pour entrer en master entrepreneuriat durant 6 mois et acquérir des compétences business. J’ai ensuite effectué un stage auprès d’une start-up, Japhy. Stage qui m’a permis de faire mes premiers pas avec SQL.
C'est vraiment à partir de ce moment là où j'ai eu envie d'en apprendre davantage sur l'analyse de données et d'acquérir des connaissances plus techniques, orientées business. C'est pourquoi, je me suis naturellement dirigée vers la formation intensive en présentiel de DataBird à Paris, durant 8 semaines.
Dès mon premier jour dans le bootcamp, j’ai très vite compris que j’avais fait le bon choix. On a commencé la formation par du SQL et c’est personnellement ce qui m’a le plus stimulé. On a également appris du Python et des logiciels de datavisualisation. Coder c’est un challenge et une grande satisfaction une fois le code terminé.
La formation est hyper complète, on ratisse la data de fond en comble. A la fois du côté technique avec les langages de programmation tels que SQL et Python mais aussi de côté business avec des logiciels de visualisation tels que Tableau Software, Google Analytics, Google Data Studio.
Avec toutes ces connaissances accumulées, on a pu réaliser un projet final durant deux semaines. Pour notre projet final, nous avons mis les pieds dans des sujets de Data Engineering puisque nous avons créé des connexions entre l’e-shop de Ho Karan et un data warehouse. Mon camarade Cyril, avec qui j'ai réalisé le projet, en parle très bien dans cet article. Ce fut vraiment l'aboutissement de tout ce que nous avions appris lors de ces deux mois de formation.
Enfin, c’était aussi une très belle expérience humaine car j’ai rencontré des gens géniaux avec qui je suis encore en contact aujourd’hui.
On en arrive à cette histoire de tremplin : car oui, après la formation, est venu le temps de chercher du travail ! J’avais des critères très précis en termes de géographie, de missions, de taille de boîte etc. Et pourtant, il ne m’a pas fallu plus d’un mois pour trouver le job de mes rêves. Après deux entretiens et un cas pratique, j’ai rejoint l’équipe data d’Agicap à Lyon en tant que data analyst. Honnêtement, je n’y serais jamais parvenue sans toutes les clefs qui m’ont été offertes par Databird. Je continue, chaque jour, à apprendre énormément auprès des meilleurs (objectivement!).
Tout d’abord, la particularité de mon poste est qu'il est plutôt "full stack" et que je travaille quotidiennement avec les data engineers. Après 6 mois, je pense avoir utilisé 99 % des outils/business tips abordés pendant la formation. Certaines journées sont consacrées purement au dashboarding (on utilise Looker qui est très proche de Tableau), d'autres à des sujets plus techniques qui nécessitent du SQL (Big Query) ou du Python (comme l'automatisation de tâches rébarbatives pour l'équipe finance).
De plus, Il y a un aspect très business avec des analyses complètes comme par exemple analyser les campagnes de publicités payantes dans tel pays à un moment précis et savoir pourquoi elles ont bien fonctionné ou non.
Enfin, j’ai eu l’occasion de créer des petits algorithmes de machine learning dans le cadre d’un projet où je devais réaliser un score de santé client. Il s'agissait d'identifier des features pertinentes, au travers des données d’utilisation de l’app, des données d’intéraction et bien d’autres encore, et de créer un modèle robuste permettant d'alerter le métier en cas de risque de décrochage.
Sans hésitation, je recommande vivement Databird pour les gens qui, comme j’ai pu l’être, sont en quête d’une reconversion/spécialisation vers le métier passionnant de data analyst.
.webp)