Product Owner Data : La reconversion de Thaïs dans le luxe

En bref : Ancienne experte Business & Supply Chain, Thaïs Schallbroch a réussi sa reconversion en Product Owner Data & BI dans le secteur du luxe. Après une formation intensive chez DataBird sur SQL, Power BI et Python, elle pilote aujourd'hui des projets data stratégiques. Découvrez son retour d'expérience sur l'importance de la conduite du changement et l'alliance entre expertise métier et technique.

Rencontre avec Thaïs Schallbroch : de l'expertise Excel à Product Owner Data & BI dans le luxe

Ancienne apprenante DataBird, formée aux parcours Data Analytics Champion et Power BI, Thaïs est aujourd'hui Product Owner Data & BI.  Avec plus de 20 ans d'expérience dans la supply chain, commercial et CRM, elle incarne une reconversion réussie vers un rôle stratégique dans la data. Retour sur un parcours où l'expertise métier rencontre une montée en compétences techniques (SQL, Power BI, Python), dans l'univers exigeant du luxe.

‍

Comment as-tu découvert la data et quel a été ton premier contact avec cet univers ?

Thaïs : Mon parcours a commencé de manière assez classique avec une formation universitaire en économie, spécialisée en marketing et commercial. J’ai ensuite accumulé plus de 20 ans d’expérience dans des secteurs très variés, comme l’agroalimentaire, l’hôtellerie, la cosmétique et le luxe. Ce qui m’a réellement propulsée dans la data, c’est une mission dans une agence immobilière, où j’ai développé une base de données complète sur Excel pour gérer les locations saisonnières. C'est là que j'ai vraiment pris goût à la data analyse.

‍

‍

Pourquoi avoir choisi de suivre une formation Data Analyst, et plus particulièrement chez DataBird ?

Après quinze ans passés en business analyse et en prévision des ventes, j’ai décidé de me réorienter vers la data analyse. Quand j’ai postulé pour un poste de Data Analyst CRM, il me manquait deux compétences clés : SQL et une expertise approfondie sur Power BI. C’est là que j’ai choisi DataBird. La formation correspondait parfaitement à mes besoins, notamment grâce à son format 100 % à distance, ce qui m’a permis de gérer mon emploi du temps avec mes responsabilités familiales et professionnelles. Ce que j’ai particulièrement apprécié, c’est la possibilité de choisir l’outil de data visualisation : j’ai opté pour Power BI, que je trouvais plus adapté à mes besoins que Tableau. Et puis, j’ai eu Python en bonus, ce qui m’a beaucoup aidée à dialoguer avec les développeurs sans peur des lignes de code.

‍

Quel est ton rôle actuel, et comment es-tu passée à ce poste de Product Owner Data & BI ?

Depuis quatre mois, je suis effectivement Product Owner Data & BI dans le secteur du luxe, un vrai tournant dans ma carrière. Initialement, je postulais pour un poste de chef de projet Dataviz, mais j’ai finalement évolué vers une Business Unit de production au sein de la DSI, un grand changement dans mon parcours !Aujourd’hui, mon rôle consiste à prioriser le backlog pour livrer des produits data à des utilisateurs métiers très matures. Il peut s’agir de la mise à disposition de datasets, comme de la création de rapports complexes. J’ai rejoint un Data Office très structuré avec des data ingénieurs, des analystes et des change managers. C’est un défi à la fois technique et stratégique, car je dois aussi m’intéresser à l’intégration des données. Je suis d’ailleurs en train d’envisager une formation complémentaire sur dbt et Snowflake pour approfondir cette partie.

‍

Quelle place occupe la conduite du changement dans vos projets data ?

La conduite du changement est cruciale dans tous nos projets. En mode agile, nous avons des responsabilités partagées : le data ingénieur se charge de l’intégration des données, l’analyste présente les résultats, mais si le change manager échoue à convaincre les utilisateurs d’adopter l’outil final (par exemple, faire passer la finance d’Excel à Power BI), tout le travail de la chaîne tombe à l’eau. Nous devons travailler en synergie avec notre Business Unit pour garantir une adoption fluide des nouvelles solutions. En gros, sans conduite du changement, même les projets les plus technologiques échouent.

Quel est l'impact de l'IA sur ton métier et comment l’utilisez-vous aujourd’hui ?

Dans le secteur du luxe, l’utilisation de l’IA est très encadrée. On l’utilise principalement pour des tâches techniques et répétitives, mais avec beaucoup de prudence pour préserver l’intention créative, qui est au cœur de notre métier.Pour ma part, je vois l’IA comme un véritable outil de support, permettant de gagner du temps, mais elle ne remplace en aucun cas les professionnels de la data. À mon avis, nous sommes encore loin d’une IA capable de remplacer l’analyse qualitative et la pensée stratégique propres à l’humain.

‍

‍

Quels conseils donnerais-tu à quelqu'un qui souhaite se reconvertir dans la data ?

Je dirais qu’il faut se former en continu. La technologie évolue à une vitesse folle et rester à jour est essentiel. Ensuite, il vaut mieux devenir expert sur un outil plutôt que de vouloir toucher à tout (Data Science, Data Analyse, Python…). Il est important de choisir un outil comme Power BI ou dbt et d’y devenir vraiment excellent. Enfin, il faut valoriser son expérience passée. Le marché de la reconversion est très compétitif, et pour sortir du lot, il faut absolument exploiter ses compétences précédentes. Par exemple, si tu viens du commerce ou du contrôle de gestion, utilise cette expertise pour enrichir ta pratique de la data.

‍

En résumé, qu’est-ce qui a marqué ton parcours et ton évolution vers la data ?

Mon parcours montre qu’il est possible de passer d’une carrière non-technique à un rôle stratégique dans la data. Mon expertise en business analyse et en CRM m’a permis de m’orienter vers un rôle de Product Owner Data, où les compétences techniques se mélangent avec une forte vision produit. Et surtout, je pense que l’avenir de la data réside dans la combinaison de compétences techniques et humaines, où l’analyse se fait toujours par des personnes et pour des personnes.

Conclusion

Le parcours de Thaïs démontre qu'une reconversion réussie dans la data est parfaitement possible, même avec un background non-technique. À travers une formation comme celle de DataBird, et avec une expertise en business analyse, elle a su se réorienter vers un rôle stratégique dans une entreprise de luxe. Ce chemin est une belle illustration de l’importance de se former en continu et de valoriser son expérience professionnelle passée dans la data.

‍