DataBird | Formation bootcamp en data analyse | Paris

webinar à venir : présentation du bootcamp | webinar en replay : initiation à SQL

webinar à venir : présentation du bootcamp | webinar en replay : initiation à SQL

Chris Mugnier, alumni DataBird : diplômée de l'EDHEC Business School et Data Analyst chez Decathlon 

La vie sur le Bootcamp DataBird

Illustration

Quel a été ton parcours avant le Bootcamp ?

J’ai suivi le parcours classes préparatoires pour entrer en école de commerce et j’ai intégré l’Edhec Business School en 2015. Parcours assez classique et général avec une petite spécialisation au cours de mon année de césure en marketing. Après un passage en Autriche au siège de Red Bull en marketing événementiel puis la concrétisation de mon rêve d’enfance au travers d’un stage chez Salomon en marketing produit à travailler main dans la main avec les ingénieurs et les designers pour développer les plus belles gammes de ski, j’ai ressenti le besoin d’augmenter la part analytique dans mes projets. J’ai donc terminé mes études en Norvège (double diplôme en partenariat avec mon école) et j’ai pu allier le plaisir de vivre dans un environnement me correspondant parfaitement et le plaisir de commencer à coder, mener des analyses quantitatives sur les durées de vie des clients etc...
Suite à cette année à Oslo j’ai eu l’opportunité extrêmement stimulante de rejoindre la team europe au sein de Bird, société de micro mobilité en plein essor (trottinettes électriques) et surtout fondée et créée autour de la donnée (data driven company). J’ai quitté mon poste de marketing spécialiste au sein de Bird en Avril 2020 (timing pouvant être remis en question) avec la volonté de progresser techniquement et pouvoir me reconvertir en tant que data analyste et vraiment baser mes prises de décisions sur des analyses quantitatives et non plus qualitatives.

Qu'as-tu appris et quels ont été tes ressentis durant cette formation intensive de 8 semaines ? 

J’ai donc rejoint les bancs de Data Bird aux côtés d’apprentis extrêmement motivés et talentueux. Pendant ces huit semaines j’ai démultiplié mes connaissances sur les architectures de données, le fonctionnement des APIs, les bases des langages SQL ou Python en passant par les premières requêtes de scrapping ou les premières ébauches de machine learning tout en approfondissant la maîtrise de tableau, l’outil de dataviz. 
Tout au long du bootcamp, les connaissances s’accumulent et j’ai eu le ressenti d’ouvrir les portes d’un nouveau monde, avec énormément de personnes passionnées et des quantités d’informations et de nouveautés à maîtriser.

Quel projet t'a le plus plu durant le bootcamp ?

Comment ne pas parler de notre projet final mené avec Loris et Stéphane pendant lequel on a supporté une station de ski dans l'analyse de ses données. Cette station de ski dormait sur une quantité impressionnante de données depuis des années et ne les exploitait pas vraiment plus que des analyses journalières au cours des saisons. On s’est donc penchés sur trois axes principaux :
- Fournir une vue exhaustive des caractéristiques des skieurs du domaine en précisant leur lieu d’évolution sur le domaine en fonction de leur type de forfait (forfait une heure, forfait journée, forfait saison…) ainsi que de leur typologie (Adulte, enfant,...). Cette étude nous a permis de nous pencher sur l’optimisation des flux de skieurs dans la station pour améliorer l’utilisation de certaines remontées, de recommander des adaptations et des créations de certaines aires spéciales (snowpark, piste pour enfant…). 
- La création d’un dashboard automatisé qui leur permet de suivre les performances et les passages aux remontées mécaniques au jour le jour durant la saison tout en ayant l’information météorologique ainsi que la comparaison à l’année précédente. 
- Et enfin un petit algorithme qui permettait d’estimer le nombre de passages par remontée pour la saison à venir. Je ne vous cache pas que l’algorithme n’a pas été l’outil le plus utile pour cette année.

Une anecdote à nous raconter sur les 8 semaines ?

On peut être extrêmement pédagogue et très compétent techniquement et statistiquement parlant, mais être incapable de reconnaitre une chanson lors d’un blindtest…. Petit clin d'œil à notre super prof de SQL! Eh oui le bootcamp était intense en apprentissage, mais c’était surtout des beaux moments de partage, de rigolades et d’échanges - l’avantage d’un bootcamp en présentiel! Nos professeurs, jeunes et dynamiques regorgeaient d’idées pour nous divertir tout au long du bootcamp.

Comment as-tu abordé ta recherche d'emploi post Bootcamp ?

J’ai abordé cette période avec appréhension au vue de la situation actuelle et du marché du travail peu dynamique. Mais j’ai surtout abordé cette période très enjouée des nouveaux skills techniques appris et très excitée à l’idée de découvrir si ces skills et mon profil originellement business correspondaient aux attentes des recruteurs. J’ai donc passé quasiment une trentaine d’entretiens, en trois semaines mais avec 5 offres à la clef, donc un investissement récompensé. Les processus incluaient souvent des tests techniques sur divers sujets (Analyses de données + recommandations business, Data visualisation, statistiques) pour lesquels j’avais été bien formée chez DataBird et qui n’ont pas été des points de blocage de mon côté.

Tu es heureuse dans ton nouveau job ?

J’ai l’immense plaisir de pouvoir lier mon grand intérêt pour l’univers sportif ainsi que mon intérêt pour le côté analytique au sein de mon rôle de Data Analyste au sein de Décathlon. Je suis rattachée à une équipe extrêmement compétente composée de data scientists, de data engineers et de data analystes avec une organisation inspirée des product managers en sprint. Nous traitons les sujets liés à l’offre plutôt du côté retail, c'est-à-dire à l’optimisation des produits mis en rayon tant sur le type des produits mis en rayon que sur les dates de mise en rayon.[.....]

Comment utilises-tu les connaissances que tu as apprises chez DataBird ?

Le bootcamp m’a formée techniquement au niveau SQL et Python que j’utilise quotidiennement pour aller chercher les bonnes données dans les millions de données collectées dans le monde entier au sein de Décathlon, pour les nettoyer, les formater en fonction de mes besoins.[.....]

Made with