Zoom sur le métier de Data Analyst en startup en 2020

rédigé par Chloé Voury - 11 mars 2020
Retour

“Big Data”, “IA”, “Python”, “SQL”, etc. Ces noms vous parlent vaguement ou alors pas du tout ? Pourtant, derrière ces outils et expressions très flous se cachent des métiers essentiels au développement d’une entreprise. Et le premier d’entre eux qui est engagé dans une jeune entreprise, c’est le Data Analyst. Pourquoi ? car il est au cœur de la stratégie globale de la jeune pousse. Partie intégrante de l’équipe opérationnelle, il fait le lien entre les équipes tech et les équipes business. 

Le métier de Data Analyst   

Au carrefour entre les équipes Tech et les équipes business, le Data Analyst c’est celui qui fournit de la visibilité aux équipes en faisant parler les données. C’est celui grâce à qui chacun va pouvoir voir et savoir quelles sont ses forces et faiblesses, quels tests de process ont fonctionné, qui a la méthode la plus efficace et peut l’enseigner aux autres, etc. Mais pas que…

Ses missions 

Quelle que soit l’entreprise, le métier du data analyst se découpe en trois parties : 

  • Récupérer les données : le Data Analyst s’appuie sur ses propres connaissances techniques ainsi que sur les équipes tech de l’entreprise pour extraire la donnée des bases de données et d’autres sources diverses.
  • Sélectionner et visualiser les données :  il doit ensuite proposer un système de sélection et visualisation des données extraites pour que les équipes business puissent les comprendre et les exploiter. 
  • Analyser les données : visualiser les données c’est bien, les analyser pour proposer des solutions business applicables et aider les équipes business à optimiser leurs performances, c’est mieux. Il doit donc connaître et comprendre de manière fine et précise les missions et objectifs de chaque collaborateur. 

Est-ce que le métier change en startup ? 

Ce qui diffère entre une startup et une entreprise plus grande ? Tout simplement la diversité des sujets traités. Si vous êtes le premier Data Analyst d’une startup, vous aurez l’occasion de travailler avec l’ensemble des équipes (Sales, Marketing, Tech, Opérations, etc.). Vous serez en contact avec chaque collaborateur : de cette manière vous aurez une visibilité plus précise sur les objectifs et les résultats des uns et des autres pour proposer des solutions et optimisations justes et détaillées. Enfin, votre périmètre de missions aura tendance à dépasser l’analyse de données et s’étendre à d’autres sujets comme les Opérations ou de la Data Science. 

À noter que c’est un métier de plus en plus recherché en startup car auparavant peu ou mal connu. Pourtant il existe depuis bien longtemps : note à vous-même, c’est le métier de Chandler dans Friends ! 

Les compétences à avoir 

Parlons peu, parlons Tech. 

Les connaissances techniques varient beaucoup selon l’entreprise et les technologies utilisées en interne : SQL, NoSQL, Python, R, etc. Mais d’autres éléments rentrent en compte : Est-ce que ce sont les développeurs qui extraient les données ou bien le Data Analyst qui le fait lui-même ? Comment les données sont-elles généralement visualisées ? De nombreuses variables entrent compte pour savoir si un Data Analyst pourra répondre aux besoins de l’entreprise qu’il rejoint et s’y épanouir sur le long terme. 

En revanche tous les Data Analysts ont un esprit logique et analytique pour comprendre rapidement et finement les liens entre les observations qu’ils peuvent faire et les réalités business qui en découlent. 

Et niveau compréhension business ? 

Pour pouvoir transformer les données en solutions business, le Data Analyst doit comprendre les tenants et aboutissants du business model de son entreprise, les choix stratégiques qui ont été faits et ceux à venir. Il doit être pragmatique pour sortir des statistiques et proposer des solutions concrètes et applicables. 

Par exemple, au cours du développement des KPIs d’une équipe, il s’agit alors de savoir donner du sens et prioriser la mise en place de solutions adaptées à ces KPIs : si on prend la mise en place d’un nouveau call center pour un service après vente, on veut pouvoir monitorer les appels par type, par Customer Success Manager, etc. On commence donc par mettre en place un fichier type Google sheets, puis on set up l’outil d’appel, on le lit avec la plateforme, on met en place un système de ticketing lui aussi à paramétrer, etc.

Ses soft skills

Le Data Analyst est capable de s’adapter à ses interlocuteurs aux profils souvent très variés. Il peut tout aussi bien échanger avec un Sales orienté chiffres et objectifs qu’un Marketing ou Content Manager qui le sera potentiellement moins, et sa mission change alors du tout au tout. Pour l’un il faudra répondre efficacement à une demande précise et souvent complexe : par exemple les détails du funnel d’acquisition de nouveaux clients après l’étape de prospection en fonction du commercial. Pour l’autre, il faut accompagner le projet dès le tout début et être beaucoup plus pédagogue pour répondre efficacement à une demande très large du type “Comment puis-je observer mes résultats sur la communauté suite à un événement ou une newsletter ?”.

Ce qui fait donc la différence ? Sa résilience et son orientation solutions. Curieux et patient il fait les 10% en plus pour répondre aux questions que ses résultats posent ou à celles qui ne l’ont pas encore été.

Comment bosser avec un Data Analyst

Dans une équipe, vous pouvez tout à fait voir le Data Analyst comme l’un de vos meilleurs alliés pour vous aider à trouver des solutions. Mais pour utiliser au maximum ce potentiel attention à ne pas trop le surcharger : analyser prend du temps et c’est souvent la première chose qui passe à la trappe lorsque l’on a un emploi du temps chargé. Autre conseil, avant de le solliciter, prenez le temps de vous mettre bien au clair sur la direction dans laquelle vous souhaitez avancer pour qu’il puisse être plus efficace et plus précis dans son analyse. Dire que vous souhaitez comparer les efficacités de chaque personne dans vos équipes pour que les uns apprennent des autres, est en effet beaucoup plus pertinent que d’indiquer que vous souhaitez observer les performances de vos équipes : la dernière peut être interprétée comme une volonté d’observer l’équipe en tant que groupe et non chaque partie de celle-ci.

Inscrivez-vous sur elinoï
Partagez cet article sur vos réseaux sociaux