Venez assister au webinar de présentation de notre formation Data Science le 03 avril à 18h30
Je m'inscris à l'évènement

Devenir Data analyst chez Criteo après une carrière d'auditeur financier

Mis à jour le
30/5/2023
-
Alumni du batch 7, Constantin intègre l’équipe de Criteo en tant que Data Analyst Junior après sa formation DataBird. Il raconte son parcours et son premier job data !

Ton parcours, tes expériences et pourquoi cette volonté de se former à la data ?

J’ai fait une classe prépa ECE avant de rejoindre une école de commerce - NEOMA Business School où je fais plusieurs stages en business development. Je poursuis en master spécialisé en audit financier, en passant par un échange à la Hong Kong Polytechnic University : je découvre quelques notions de data analyse là bas.

En césure, j’intègre le cabinet de conseil digital français Wavestone. Dans le cadre du déploiement d’Office 365 au sein d’un grand groupe Français, je commence à utiliser Excel et PowerBI pour monitorer l’avancement de la mission. Dans l’équipe Growth de Brigad, startup de staffing de freelance dans la restauration et l’hôtellerie, je participe au suivi de la croissance des utilisateurs via Google Analytics.

Une fois diplômé, je deviens auditeur financier chez PwC, pendant 2 ans et demi. Ce que j’aime en particulier, c’est la partie analytique du métier, mais il me manque la connaissance d’outils data plus poussés pour avoir plus d’impact dans mon métier.

Plus problématique encore, le métier d’auditeur consiste plus à corriger des écarts comptables qu’à faire des recommandations business. Je réalise qu’il me faut à la fois une brique technique additionnelle, et un métier dont l’objectif est d’aider directement le business à prendre de meilleures décisions. Pour ces raisons-là, je décide de démissionner, et de faire la formation de Databird.

Au cours de ces semaines de training, le vrai challenge a été sans doute de monter en compétence sur Python. J’avais du mal à comprendre la logique, et un weekend, j’ai décidé de remettre tout à plat en reprenant l’intégralité des exercices. On entend souvent ça sur Python, et c’est vrai : pour y prendre goût, il faut voir ça comme une succession d’énigmes à résoudre ! Ce que je retiens, c’est qu’il faut de l’entrainement, apprendre à chercher soi même les réponses, et qu’il n’y a  jamais de « bonne » réponse. Je conseille aussi de se lancer dans des cas pratiques durant son temps personnel pour progresser plus rapidement.

Un autre challenge a aussi été de mener à bien le projet final, que j’ai eu plaisir à réaliser auprès d’une ONG. L’objectif était d’analyser le churn des donateurs sur une période donnée. Nous avons du faire une analyse de cohortes complexe qui nous a donné du fil à retordre.

Mon projet de fin de formation DataBird en quelques mots :

  • Beaucoup de données à nettoyer et structurer, puis une analyse de cohortes sur Python. C’était la partie technique la plus complexe, et nos connaissances en Python ont été ici centrales.
  • Faire des itérations, des analyses graphiques et des analyses de tendances. En commettant des erreurs, et en recommençant à plusieurs reprises, nous avons fini par trouver des tendances intéressantes à présenter.

J’en retiens qu’il vaut mieux avoir en tête les graphiques d’arrivée pour gagner du temps dans la construction des analyses. Remettre en question la pertinence des graphs obtenus a aussi permis d’affiner les analyses.

  • Donner nos résultats et nos recommandations. Ici, nos analyses venaient confirmer les hypothèses de l’ONG : le churn des donateurs augmente après la fin de la période fiscale.

Au même moment, je passais déjà plusieurs entretiens d’embauche. J’étais notamment jugé sur mon esprit analytique et sur des use cases techniques alors que la formation n’était pas encore terminée.


Comment as-tu abordé ta recherche d’emploi ?


J’ai commencé à postuler dès la moitié du bootcamp. Je ne touchais pas le chômage car j’avais démissionné de mon ancien poste. J’ai rapidement eu beaucoup de réponses à mes candidatures. Les posts sur LinkedIn durant ma formation m’ont permis d’avoir de la visibilité et d’attirer les recruteurs. J’ai été chassé par 5 entreprises par ce biais là.

J’ai également profité de l’accompagnement DataBird pour adapter mon CV et mon LinkedIn à mon nouveau profil data. J’ai pu me mettre en avant facilement auprès des entités que je visais : les scale-up et les cabinets de conseil en digital à Paris - Ankorstore, Criteo, Contentsquare, Pathe Gaumont, Elevate - au poste de Data Analyst Junior.

En entretien il m’a été demandé de connaitre Python et SQL. Tableau et les notions sur GA et GTA ont aidé à faire la différence. J’ai pu répondre du tac au tac et montrer que j’avais des compétences en web analytics.

J’ai signé chez Criteo !




Quel est ton rôle et tes missions dans ton nouveau job ?

Je suis maintenant Data Analyst chez Criteo, depuis avril 2022. Criteo fournit des solutions de publicité online personnalisées à des entreprises du monde entier, pour répondre à des besoins d’acquisitions ou de rétention des visiteurs et acheteurs online. Je travaille plus particulièrement avec des grands comptes français et Benelux.

En bref, mon rôle consiste à construire des analyses pour répondre aux besoins clients, résoudre un problème lié aux campagnes marketing, ou faire un état des lieux de la campagne marketing dans le cadre d’un reporting à présenter. L’objectif à terme est d’optimiser les revenus générés par les campagnes marketing des clients.

Je dispose d’une base de données immense, et l’enjeux est de répondre aux différents besoins de manière structurée, optimale et claire. Dans mes analyses, j’utilise souvent l’évolution des KPI's du client (conversion rate, return on investment etc.), des données web diverses (clics, visites, conversions etc.), mais aussi une multitude de données internes à Criteo : audience des campagnes marketing, attribution des ventes, performance des bannières etc.

In fine, les analyses débouchent souvent sur la réalisation de graphs qui seront ensuite présentés au client. Exemple d’analyse : identifier le top catégories vendues durant le Black Friday 2021 (selon le click-through rate, ou le conversion rate par exemple), pour aider le client à mettre en avant les produits des catégories les plus pertinentes sur le Black Friday 2022.

Chez Criteo, j’utilise en moyenne une quinzaine d’outils data : SQL, Python, mais aussi DataFlow, Tableau, Guerit etc. J’utilise aussi des outils développés en interne, très riches techniquement avec une interface qui facilitent les analyses et la compréhension business.

Je dirais qu’il est vital de bien comprendre l’architecture des données - comment sont construites les tables dans les bases de données. Databird m’a beaucoup aidé dans cette compréhension en me permettant de développer une certaine logique, mais aussi en me donnant des bases SQL solides.


Comment s’organise ton temps de travail ?

Je n’ai pas vraiment de journée type. En fait, je reçois des tickets clients via le commercial qui m’expose sa problématique. Comme je le disais, l’enjeu est vraiment d’être structuré, logique et clair, en gardant une vision business pour apporter des recommandations et des graphiques compréhensibles. Il est aussi crucial de toujours garder un esprit critique. L’interprétation du client ou de l’équipe commerciale n’est pas toujours la bonne !

Certains tickets sont parfois traités en quelques heures, alors que d’autres peuvent prendre plusieurs jours. Je travaille aussi sur un “side project” qui occupe 15 à 20% de mon temps de travail. L’objectif de cette mission annexe est de fournir un Dashboard utilisable par les équipes commerciales qui permettra d’analyser la performance de certaines bannières.

Pour la suite, j’aimerais faire mon chemin, toujours chez Criteo. Une option serait d’évoluer en data science pour avoir un profil encore plus technique, et travailler au coeur du produit. Autre option, me tourner davantage du côté du business et marketing en me spécialisant sur une solution développée par Criteo.

Nos derniers articles sur

La culture de la data

Dans cet article on récapitule comment un data analyst peut se servir de ChatGPT pour analyser des données et gagner un du temps avec quelques tips.
Dans cet article nous vous donnons 4 concurrents à ChatGPT à connaître en 2024 pour son analyse de données et sa propre veille techno !
Dans cet article on fait le points sur les 10 outils incontournables à utiliser quand on est Data Analyst.
Notion

Devenir Data analyst chez Criteo après une carrière d'auditeur financier

Culture Data

Alumni du batch 7, Constantin intègre l’équipe de Criteo en tant que Data Analyst Junior après sa formation DataBird. Il raconte son parcours et son premier job data !

Devenir Data analyst chez Criteo après une carrière d'auditeur financier

Constantin Xynopoulos a participé au batch 7 en janvier 2022. Après une expérience en audit financier dans un Big4, il ressent le besoin d’ajouter une brique technique à son profil en choisissant de se former au métier de Data Analyst. Pari gagnant, il est aujourd’hui en poste chez Criteo et atteint les objectifs professionnels qu’il s’était fixés avant sa formation DataBird.

Table des matières

Ton parcours, tes expériences et pourquoi cette volonté de se former à la data ?

J’ai fait une classe prépa ECE avant de rejoindre une école de commerce - NEOMA Business School où je fais plusieurs stages en business development. Je poursuis en master spécialisé en audit financier, en passant par un échange à la Hong Kong Polytechnic University : je découvre quelques notions de data analyse là bas.

En césure, j’intègre le cabinet de conseil digital français Wavestone. Dans le cadre du déploiement d’Office 365 au sein d’un grand groupe Français, je commence à utiliser Excel et PowerBI pour monitorer l’avancement de la mission. Dans l’équipe Growth de Brigad, startup de staffing de freelance dans la restauration et l’hôtellerie, je participe au suivi de la croissance des utilisateurs via Google Analytics.

Une fois diplômé, je deviens auditeur financier chez PwC, pendant 2 ans et demi. Ce que j’aime en particulier, c’est la partie analytique du métier, mais il me manque la connaissance d’outils data plus poussés pour avoir plus d’impact dans mon métier.

Plus problématique encore, le métier d’auditeur consiste plus à corriger des écarts comptables qu’à faire des recommandations business. Je réalise qu’il me faut à la fois une brique technique additionnelle, et un métier dont l’objectif est d’aider directement le business à prendre de meilleures décisions. Pour ces raisons-là, je décide de démissionner, et de faire la formation de Databird.

Au cours de ces semaines de training, le vrai challenge a été sans doute de monter en compétence sur Python. J’avais du mal à comprendre la logique, et un weekend, j’ai décidé de remettre tout à plat en reprenant l’intégralité des exercices. On entend souvent ça sur Python, et c’est vrai : pour y prendre goût, il faut voir ça comme une succession d’énigmes à résoudre ! Ce que je retiens, c’est qu’il faut de l’entrainement, apprendre à chercher soi même les réponses, et qu’il n’y a  jamais de « bonne » réponse. Je conseille aussi de se lancer dans des cas pratiques durant son temps personnel pour progresser plus rapidement.

Un autre challenge a aussi été de mener à bien le projet final, que j’ai eu plaisir à réaliser auprès d’une ONG. L’objectif était d’analyser le churn des donateurs sur une période donnée. Nous avons du faire une analyse de cohortes complexe qui nous a donné du fil à retordre.

Mon projet de fin de formation DataBird en quelques mots :

  • Beaucoup de données à nettoyer et structurer, puis une analyse de cohortes sur Python. C’était la partie technique la plus complexe, et nos connaissances en Python ont été ici centrales.
  • Faire des itérations, des analyses graphiques et des analyses de tendances. En commettant des erreurs, et en recommençant à plusieurs reprises, nous avons fini par trouver des tendances intéressantes à présenter.

J’en retiens qu’il vaut mieux avoir en tête les graphiques d’arrivée pour gagner du temps dans la construction des analyses. Remettre en question la pertinence des graphs obtenus a aussi permis d’affiner les analyses.

  • Donner nos résultats et nos recommandations. Ici, nos analyses venaient confirmer les hypothèses de l’ONG : le churn des donateurs augmente après la fin de la période fiscale.

Au même moment, je passais déjà plusieurs entretiens d’embauche. J’étais notamment jugé sur mon esprit analytique et sur des use cases techniques alors que la formation n’était pas encore terminée.


Comment as-tu abordé ta recherche d’emploi ?


J’ai commencé à postuler dès la moitié du bootcamp. Je ne touchais pas le chômage car j’avais démissionné de mon ancien poste. J’ai rapidement eu beaucoup de réponses à mes candidatures. Les posts sur LinkedIn durant ma formation m’ont permis d’avoir de la visibilité et d’attirer les recruteurs. J’ai été chassé par 5 entreprises par ce biais là.

J’ai également profité de l’accompagnement DataBird pour adapter mon CV et mon LinkedIn à mon nouveau profil data. J’ai pu me mettre en avant facilement auprès des entités que je visais : les scale-up et les cabinets de conseil en digital à Paris - Ankorstore, Criteo, Contentsquare, Pathe Gaumont, Elevate - au poste de Data Analyst Junior.

En entretien il m’a été demandé de connaitre Python et SQL. Tableau et les notions sur GA et GTA ont aidé à faire la différence. J’ai pu répondre du tac au tac et montrer que j’avais des compétences en web analytics.

J’ai signé chez Criteo !




Quel est ton rôle et tes missions dans ton nouveau job ?

Je suis maintenant Data Analyst chez Criteo, depuis avril 2022. Criteo fournit des solutions de publicité online personnalisées à des entreprises du monde entier, pour répondre à des besoins d’acquisitions ou de rétention des visiteurs et acheteurs online. Je travaille plus particulièrement avec des grands comptes français et Benelux.

En bref, mon rôle consiste à construire des analyses pour répondre aux besoins clients, résoudre un problème lié aux campagnes marketing, ou faire un état des lieux de la campagne marketing dans le cadre d’un reporting à présenter. L’objectif à terme est d’optimiser les revenus générés par les campagnes marketing des clients.

Je dispose d’une base de données immense, et l’enjeux est de répondre aux différents besoins de manière structurée, optimale et claire. Dans mes analyses, j’utilise souvent l’évolution des KPI's du client (conversion rate, return on investment etc.), des données web diverses (clics, visites, conversions etc.), mais aussi une multitude de données internes à Criteo : audience des campagnes marketing, attribution des ventes, performance des bannières etc.

In fine, les analyses débouchent souvent sur la réalisation de graphs qui seront ensuite présentés au client. Exemple d’analyse : identifier le top catégories vendues durant le Black Friday 2021 (selon le click-through rate, ou le conversion rate par exemple), pour aider le client à mettre en avant les produits des catégories les plus pertinentes sur le Black Friday 2022.

Chez Criteo, j’utilise en moyenne une quinzaine d’outils data : SQL, Python, mais aussi DataFlow, Tableau, Guerit etc. J’utilise aussi des outils développés en interne, très riches techniquement avec une interface qui facilitent les analyses et la compréhension business.

Je dirais qu’il est vital de bien comprendre l’architecture des données - comment sont construites les tables dans les bases de données. Databird m’a beaucoup aidé dans cette compréhension en me permettant de développer une certaine logique, mais aussi en me donnant des bases SQL solides.


Comment s’organise ton temps de travail ?

Je n’ai pas vraiment de journée type. En fait, je reçois des tickets clients via le commercial qui m’expose sa problématique. Comme je le disais, l’enjeu est vraiment d’être structuré, logique et clair, en gardant une vision business pour apporter des recommandations et des graphiques compréhensibles. Il est aussi crucial de toujours garder un esprit critique. L’interprétation du client ou de l’équipe commerciale n’est pas toujours la bonne !

Certains tickets sont parfois traités en quelques heures, alors que d’autres peuvent prendre plusieurs jours. Je travaille aussi sur un “side project” qui occupe 15 à 20% de mon temps de travail. L’objectif de cette mission annexe est de fournir un Dashboard utilisable par les équipes commerciales qui permettra d’analyser la performance de certaines bannières.

Pour la suite, j’aimerais faire mon chemin, toujours chez Criteo. Une option serait d’évoluer en data science pour avoir un profil encore plus technique, et travailler au coeur du produit. Autre option, me tourner davantage du côté du business et marketing en me spécialisant sur une solution développée par Criteo.

équipe DataBird formation data analyse
Tu souhaites devenir data analyst

Notre formation intensive en présentiel ou à distance en data analyse est ouverte à tous types de profils. Tu es intéressé(e) pour rejoindre notre communauté ? Postule pour en savoir plus.

A lire également :
Venez assister au Webinar sur nos formations tous les mercredis à 18h
S'inscrire