Discussion :

[Maximou_80]

Bonjour à toutes et tous,

Ce sujet a pour but, je l’espère, d'orienter tous les salariés, ou étudiants en reconversion, cherchant une formation dans la data.
Cela en partageant mes recherches et en espérant de plus amples information de la part de la commuté de forum.

Passionné par le marketing, les chiffres et les statistiques, mes différentes investigations ont confirmés mon souhait de devenir Data Analyst.
Mon profil est atypique pour quelqu'un souhaitant travaillé dans la data. Salarié des médias depuis plus de 10 ans, je possède un BAC+2 lié uniquement à mon métier actuel.

Les hics?
La majorité des formations sont des masters, hors je ne possède pas le niveau requis.
En reconversion, la formation (pour être payée par TransitionPro), ne doit pas excéder 1 an ou 1200h.
L'alternance en reconversion est possible sur deux ans, mais uniquement dans l'entreprise qui m'emploie actuellement.

Pour palier à ces problèmes j'ai d'ores et déjà commencer du e-learning.

Au vu de mon profil, les formations qui se dégagent sont les suivantes*: Wild Code School, Simplon, M2i, DataScientest.
Éventuellement IA School si en alternance, car ils proposent une mise à niveau pour rentrer en M1 sans BAC+3.

Je vous sollicite donc afin d'avoir votre avis sur les formations Data Analyst ci-dessus.
Je souhaiterais également savoir si vous connaissez d'autres formations, ou des solutions afin de me permettre de réaliser ce projet.

A bientôt !

[Carhiboux]

Salut, la Data, c'est pas vraiment mon dada, mais il y a des règles un peu générales si je puis dire ;

1/ As tu étudié le "marché"? Quels sont les profils recherchés sur les postes que tu convoites? Au culot,tu peux essayer de contacter les RH de ces boites pour recueillir leur avis. En ce moment c'est pas trop possible, mais les salons étudiants c'est une manière assez facile d'avoir accès aux RH.

2/ Une fois que tu as identifié la cible à atteindre en terme de diplôme/certification, il faut voir quelles formations et quels organismes te permettent d'atteindre ce pallier. Idéalement, en alternance pour à la fois avoir une expérience en entreprise (même si c'est à priori déjà ton cas dans un autre domaine) mais aussi pour engranger de l'expérience en condition réelles et non uniquement à l'école. Soyons clairs, la théorie, c'est très bien, mais le découpage des enseignements fait que souvent, on est assez loin de savoir faire un produit "fini".

3/ Comme toujours, les attentes des grandes entreprises seront plus élevées. Les attentes des PME plus faibles, mais la nature des postes y est différente. Dans les grande entreprises, tu as généralement un métier précis. Dans une PME, tu vas avoir plusieurs casquettes.

4/ Tu as aussi la possibilité de faire des projets perso. Et tu pourrais le mettre en avant sur des plateformes comme linkedin ou autre? tu fais ta magie de data analyst, tu postes des beaux camemberts, diagrammes, et autres joyeusetés et tu vas faire saliver tout ton réseau. Bien sur tu ajoutes la terre entière dans tes relations au préalable.

Bon courage à toi!

[olivier50]

Salut,

Alors data tu as plusieurs créneaux:

tout d'abord le marché du BIG data: ça c'est technique: bases de données, cluster etc ... Il y a de l'avenir, c'est porteur et c'est le plus gros créneau des SSIIS.

la data côté analyse:

plus vaste: ça peut aller à celui qui fait de la BI et du requêtage à pus large le machine learning. Le machine learning, même si il y a des polémiques, c'est plus algo et informatique; l'analyse plus mathématique.

Côté analyse la palette est large: ça va du docteur en économie chez HSBC, au chargé d'études stat, économètre etc jusqu'aux départements de recherche?

D'un point de vue technique un profil marketing peut évoluer en entreprise en interne vers la data, mais pour moi les opportunités sont plus internes sinon le marché est plutôt saturé.

A+

[Maximou_80]

1/ As tu étudié le "marché"? Quels sont les profils recherchés sur les postes que tu convoites? Au culot,tu peux essayer de contacter les RH de ces boites pour recueillir leur avis. En ce moment c'est pas trop possible, mais les salons étudiants c'est une manière assez facile d'avoir accès aux RH.

Oui bien sur. J'ai déjà contacté professionnels du secteur, recruteurs, formateurs. Mon projet est assez avancé.
Le sentiment qui se dégage est qu'il faut se former surtout sur des compétences bien précises (Langage R, Python, SQL, DavaViz, bibliothèque de donnée, statistiques descriptives ...).
Dans les annonces, les recruteurs cherchent des niveaux master, mais ils ciblent les compétences citées ci-dessus. C'est la raison pour laquelle je me suis décidé à me lancer.

2/ Une fois que tu as identifié la cible à atteindre en terme de diplôme/certification, il faut voir quelles formations et quels organismes te permettent d'atteindre ce pallier. Idéalement, en alternance pour à la fois avoir une expérience en entreprise (même si c'est à priori déjà ton cas dans un autre domaine) mais aussi pour engranger de l'expérience en condition réelles et non uniquement à l'école. Soyons clairs, la théorie, c'est très bien, mais le découpage des enseignements fait que souvent, on est assez loin de savoir faire un produit "fini".

On arrive au cœur du problème. Master ou pas, il faut maîtriser des compétences précises. Mais ces compétences s'acquièrent ... en master !
Et quand on a un BAC+2, on est pas éligible.

4/ Tu as aussi la possibilité de faire des projets perso. Et tu pourrais le mettre en avant sur des plateformes comme linkedin ou autre? tu fais ta magie de data analyst, tu postes des beaux camemberts, diagrammes, et autres joyeusetés et tu vas faire saliver tout ton réseau. Bien sur tu ajoutes la terre entière dans tes relations au préalable.

C'est aussi le projet de proposer des études data dédiées à l'analyse du média radio, mais il faut avant cela bien choisir la fameuse formation !

Merci pour tes réponses !

[rayleigh94]

Je te conseille la chaine de défend intelligence il parle du marché actuel de la data science , celui ci commence a être "saturé" ; pas dans le sens ou le nombre de poste diminue , car celui ci est en sans cesse augmentation mais par rapport aux nombres de candidats auto proclamé " data scientist" qui a exploser depuis 1/2 ans .
Actuellement il est très difficile de trouver un poste en data science si l'on a pas au moins 2 ans d'expérience , il y a toujours des centaines de candidat pour un seul poste sur les offres d'emploi.
Pour te donner un exemple le taux d'insertion du master TIDE ( sorbonne) est a seulement 60% depuis l'année du covid et même des amis qui sortent de l'ensae galèrent a trouver depuis le mois de novembre

[Pierre Louis Chevalier]

Quasiment toutes les annonces demandent soit un Master soit une école d'ingénieur.
Donc faire un bootcamp data science vite fait dans une école privée plus ou moins crédible et qui prends n'importe qui en entrée ca ne t'ouvrira pas toutes les portes d'avance.
Après je ne dit pas que ça ne réussira pas mais il faudra peut être compenser par du travail personnel en sus, et du copinage (réseautage, piston etc) pour te caser dans un premier emploi.
Après une fois que tu as de l'expérience sur ton cv tes études ça sera moins un problème bloquant.

Sinon il y a des "peu diplômés" qui ont un poste titré pompeusement "Data science" mais en vrai c'est de la BI et ils ont ce joli titre pour faire chic sinon personne ne veux prendre ce genre de job de BI qui est parfois rien de plus qu'un poste d'assistance bureautique dans beaucoup de cas, et pour certains c'est même pas loin du bullshit job.

[dexter01]

Quasiment toutes les annonces demandent soit un Master soit une école d'ingénieur.
Donc faire un bootcamp data science vite fait dans une école privée plus ou moins crédible et qui prends n'importe qui en entrée ca ne t'ouvrira pas toutes les portes d'avance.
Après je ne dit pas que ça ne réussira pas mais il faudra peut être compenser par du travail personnel en sus, et du copinage (réseautage, piston etc) pour te caser dans un premier emploi.
Après une fois que tu as de l'expérience sur ton cv tes études ça sera moins un problème bloquant.

Sinon il y a des "peu diplômés" qui ont un poste titré pompeusement "Data science" mais en vrai c'est de la BI et ils ont ce joli titre pour faire chic sinon personne ne veux prendre ce genre de job de BI qui est parfois rien de plus qu'un poste d'assistance bureautique dans beaucoup de cas, et pour certains c'est même pas loin du bullshit job.

"bullshit job"... c'est exagéré comme terme je trouve. Les ingénieurs BI sont embauchés majoritairement en bac+5 type master ou école d'ingé et ce n'est clairement pas un métier "d'assistance bureautique". La majorité des postes et des besoins sont dans ce domaine.
La BI ou Décisionnel reste un domaine où l'on traite de la DATA. Les outils BI et la maitrise de ces outils font partie du métier d'un ingénieur en data science.

[Pierre Louis Chevalier]

Ça dépends concrètement des postes au cas par cas.
Certains ont un vrai poste BI, d'autres c'est juste des Bac+2 avec un titre BI et qui font de la bureautique, et certains ont un poste avec un titre BI ou Data science et ont en vrai un bullshit job, ça dépends ce qu'on leur fait faire, ou surtout pas faire.
Mais quand sur une annonce on demande un Master ou un ingénieur pour un vrai poste de Data science c'est qu'il y a une raison, comme par exemple d'avoir de vrais connaissances utiles en maths, et donc un non diplômés qui a juste fait un boot camp ça va clairement pas le faire, alors qu'on le prendra sans problème en BI.
Tout ça pour dire que souvent le titre ne veux rien dire, parce qu'il y a eu une surenchère sur les titres pour attirer des candidats, c'est à dire concrètement des bureauticiens se trouvent parfois désormais avec un titre BI et des postes de BI se retrouvent avec un poste de Data scientist, et tout ça c'est bidon. Certains ont un job très intéressant, et d'autres ont juste un bullshit job très bien payé.

Donc concrètement :
- Master ou école d'ingénieur -> vrai poste de Data science possible.
- école privée bidon / bootcamp -> poste de BI ou bureautique avec un titre bidon "Data science".

Sache que maintenant imprimer des données qui sortent d'Access avec un générateur d'états et bien c'est de la "data science" pour certains, c'est plus chic que de faire de la "bureautique"

Après c'est pas toujours le cas mais j'ai simplement constaté et je ne suis pas le seul cet état de fait maintes et maintes fois, et de plus en plus...

Les outils BI et la maitrise de ces outils font partie du métier d'un ingénieur en data science.

Tu ne fais que confirmer mes propos et je connais très bien le sujet. Quand ces outils ont été créés on a fait ces outils BI parce que les utilisateurs ne peuvent pas utiliser directement SQL, ces outils sont destinés aux utilisateurs finaux, donc a des employés lambda.
Créér un modèle mathématique complexe puis l'implémenter par exemple en Python ça c'est un vrai job de Data scientist.

Installer un outil BI puis former un utilisateur lambda ça c'est de l’assistance bureautique, cela n’a rien à voir.

Mon propos est de t'expliquer qu'un titre c'est rien de fiable, cela reflete des réalités totalement différentes, suivant les postes et les boites.

[olivier50]

Donc faire un bootcamp data science vite fait dans une école privée plus ou moins crédible et qui prends n'importe qui en entrée ca ne t'ouvrira pas toutes les portes d'avance.

Je confirme les propos de Pierre: sur Linkedin plein de jeunes mettent des Cvs en espérant trouver une alternance: ils mettent ensae et le contenu de la formation open classrooms car le partenariat est avec l'ensae, mais la formation est presque plate. En gros tout le monde a un petit vernis regression, regression logistique avec un mini projet "appétence, score de clientèle, segmentation" mais le problème c'est qu'on a des produits tout faits pour régler ces problèmes.

Concernant l'aspect "bullshit" de certains jobs, en fait le principal écueil va être la pérennité des tâches et le taux d'occupation: personne ne peut imaginer avoir une ressource qui va faire des "analyses" toute l'année.

Pour cela, c'est mieux soit d'avoir des fonctionnels et chargés d'étude ou bien on revient à la "vieille" acivité BI et requêtage.

Les seuls qui peuvent espérer tirer leur épingle du jeu ce sont ceux qui ont des compétences informatiques réelles et donc on couple avec le "Big data" et Hadoop etc ...

Donc là c'est bien plus large que ce que proposent certains masters entièrement dédiés aux aspects mathématiques et analyse, mais les universités commencent à le comprendre et proposent des formations moins théoriques et plus axés produit, ce qui rend la compétition plus âpre.

[dexter01]

Tu ne fais que confirmer mes propos et je connais très bien le sujet. Quand ces outils ont été créés on a fait ces outils BI parce que les utilisateurs ne peuvent pas utiliser directement SQL, ces outils sont destinés aux utilisateurs finaux, donc a des employés lambda.
Créér un modèle mathématique complexe puis l'implémenter par exemple en Python ça c'est un vrai job de Data scientist.

Installer un outil BI puis former un utilisateur lambda ça c'est de l’assistance bureautique, cela n’a rien à voir.

Quand tu es ingénieur BI tu ne fais pas que de l'installation d'outil, c'est trop réducteur. Analyser le besoin utilisateur, rédiger des specs fonctionnelles et techniques, faire les développement en fonction du besoin, animation d'atelier, accompagnement etc.. c'est pas un bac+2 qui le fait majoritairement mais bien des bac+5. Et bien sûr il y a l'aspect formation utilisateur c'est normal. 90 % du taf c'est de l'extraction, de l'intégration de données que cela soit au sein de datawarehouse ou dans des data lakes puis restitutions avec des outils de BI/Dataviz. Mais cela reste un taf ou l'on traite de la data. Le machine learning à base de python ou R, tu peux le faire aux travers de certains outils de business analytics. La plupart des algo d'ailleurs sont déjà bien implémentés dans les outils, il ne reste plus à qu'à lancer les processus de machine learning via une interface graphique. Sinon le machine learning tu le fais surtout au sein d'un laboratoire de recherche, en start-up ou au sein d'un département R&D d'une grande entreprise. Ce n'est pas si répandu que ça dans la majorité des entreprises car le besoin n'est relativement pas encore là. Et ce sont souvent des POC. (proof of concept), des cas d'expérimentation le plus souvent.

[Maximou_80]

Merci pour l'info de la chaine de défend intelligence, hyper intéressante en effet !

La terminologie des métiers de la data n'est en effet pas clairement identifiée par les recruteurs.

Un data analyst n'est pas data scientist., qui n'est pas un data engineer etc ...
La frontière entre les métiers est parfois importantegrande. Notamment pour les raisons que vous évoquez plus haut, la principale étant le machine learning.
Mon but n'est pas de devenir data scientist mais data analyst.

Il est évident que pour avoir toute ses chances de retrouver un emploi, le cursus parfait serait un DUT STID suivi d'un master MIAGE.
Dans le cas d'une reconversion pro, c'est impossible, il faut clairement avoir conscience que notre profil ne sera pas idéal.
La formation en datacamp doit de toute manière être accompagnée par énormément de travail personnel, type e-learning, stage d'insertion, bénévolat ...
Maintenant, les connaissances métiers, l'expérience pro et le savoir être sont les forces d'un profil en reconversion.

Un premier poste de data analyst à la sortie d'une formation privé de 7 mois me parait impossible. Celui de Data Miner ou Data controller, faisant appel à une partie précise des compétences de la formation éventuellement.
Etant basé sur Lyon, j'ai espoir qu'un recruteur me donne ma chance, peut être suis-je trop utopiste.
Je serais moins convaincu si je n'étais pas mobile et si je n'habitais pas une grande métropole.

Qu'en pensez vous ?

[Invité]

après je connais bcp de gens qui font BI et qui gagnent autant / + que DS donc dire que avec un bac+2 t'as accès aux postes d'ingénieurs BI / décisionnel c'est super réducteur.. je vois mal un non bac + 5 maitriser des outils dataviz/BI (tableau, powerBI, excel avancé, possiblement du python, ELK, etc)

il y a énormément de "bullshit job" comme tu le dis mais c'est partout, d'autant plus que OP veut se tourner vers BI/Data analysis pas data science donc je pense qu'on s'égare là

@op tu peux nous donner ton âge ? c'est un grand facteur qui peut déterminer les réponses qu'on peut te donner. faire un dut+master à 35-40 ans ça va être compliqué car tu finiras à 40-45 ans et je pense en toute honnêteté que ça risque d'être bcp + difficile qu'un jeune diplômé d'avoir un taf que tu convoites et ca serait très dommage après plusieurs années de formation

[Maximou_80]

@op tu peux nous donner ton âge ? c'est un grand facteur qui peut déterminer les réponses qu'on peut te donner. faire un dut+master à 35-40 ans ça va être compliqué car tu finiras à 40-45 ans et je pense en toute honnêteté que ça risque d'être bcp + difficile qu'un jeune diplômé d'avoir un taf que tu convoites et ca serait très dommage après plusieurs années de formation

J'ai 32 ans.
Il y a des paramètres importants à prendre en compte.
Pour que ma reconversion soit intégralement prise en charge, elle doit durée 1 an OU faire 1200h. Pendant cette reconversion mon salaire sera maintenu par mon employeur.
Si on effectue une reconversion en alternance, on peut éventuellement faire valider un dossier sur 2 ans. En revanche, l'entreprise qui m'accueil doit forcément être celle dont je suis actuellement le salarié. Ce ne sera malheureusement pas possible.

Si je souhaite réaliser un DUT par exemple, ce sera à ma charge, sans aide (hors CPF) et surtout, sans salaire. A 32 ans, autant vous dire que ce n'est pas possible.
Je suis donc dans l'obligation de trouver une formation certifiante en jonglant avec ces contraintes.
Ce qui explique le sujet initial de la discussion !

[Glutinus]

après je connais bcp de gens qui font BI et qui gagnent autant / + que DS donc dire que avec un bac+2 t'as accès aux postes d'ingénieurs BI / décisionnel c'est super réducteur.. je vois mal un non bac + 5 maitriser des outils dataviz/BI (tableau, powerBI, excel avancé, possiblement du python, ELK, etc)

il y a énormément de "bullshit job" comme tu le dis mais c'est partout, d'autant plus que OP veut se tourner vers BI/Data analysis pas data science donc je pense qu'on s'égare là

1/ Très clairement, il y a beaucoup de data engineers, data analysts et data scientists parce qu'il faut des métiers de la data quand le Big Data est apparu il y a 10 ans. Faut bien faire marcher les marketeux, les RH aussi il y a même des data ninjas et des data evanglists allez, moi je suis un data shark, je vais vous "cruncher vos data"

Mon avis, et il ne regarde que moi, c'est que tous les data whatever sont créés pour donner un second flow à tous les datawarehouses / datamarts qui ont été créés depuis les années 2000 et sont dans la panade, hyper lents, etc. et les charlatans continuent à penser qu'il y aura des recettes miracles pour sauver un projet qui date de 2010 (et j'en ai participé à des masses, où on s'est dit "on va changer ETL A par ETL B et ça va aller plus vite". Bah oui, on appelle ça le retour sur expérience, le Snyder's Cut, ça marche aussi parce qu'on sait ce qui a foiré dans le Whedon's Cut...)

2/ Malgré des dénominations, les utilisateurs/clients/ou même société de consulting twisteront toujours ce qu'ils veulent pour faire rentrer des ronds dans des trous carrés. J'ai déjà vu des AMOAs lancer des chaines Unix... Donc la frontière ténue entre les jobs, en théorie on les connait, dans les faits il y aura toujours un peu de fébrilité...

3/ On donne trop d'importance sur les métiers de Data Analyst, ou de "ingénieur reporting" si on prend le step d'avant en décisionnel classique. En tout cas sur toutes les banques et assurances parisiennes j'ai vu que :

- comme le dataviz c'est un métier de communiquant, on envoie beaucoup de juniors se former sur le tas. Et honnêtement, la base des outils de dataviz est suffisamment simple (et généralement, les utilisateurs demandent rarement plus que des tableaux... Même pas des camemberts, même pas des histogrammes... ils veulent des tableaux !)

- les juniors ne savent pas exactement QUOI demander aux utilisateurs et reviennent au mieux avec des demandes rocambolesques sans se renseigner plus (déjà vu des AMOA sortir d'une mission banque sans savoir ce qu'est un IBAN...). Résultat il y des allers-retours incessants qu'on masque sous le bon "On travaille plutôt en AGILE ici..."

- Mais on leur donne quand même les clés pour modéliser des bases n'importe comment. Spoiler alert : mieux ton datamart/datawarehouse est modélisé à la base, plus souples sont les évolutions et les corrections, sauf qu'évidemment un seul pet de travers et tu te retrouves avec des temps de traitements faramineux et des coups de clés à molette à donner en permanence (mais ça, vous allez me dire, c'est pareil dans applis type Java, je vous le concède). Et des pets de travers, y en a pas souvent qu'un seul, mais une grosse boîte de flageolets. Pourquoi ? Parce qu'on refile la modélisation au seul gars qui n'a jamais ouvert un Kimball de sa vie...

[professeur shadoko]

(mais ça, vous allez me dire, c'est pareil dans applis type Java, je vous le concède).

tout à fait en dehors du sujet (mais pour ma gouverne personnelle)... ces problèmes seraient dû à l'outil lui-même ou au massacre qu'en font certains programmeurs?
(je dis ça parce que perso j'ai participé à un très (très) gros projet Java et ça gaze du feu de dieu ... d'accord c'était pas de la gestion qui ne sait pas par quel bout prendre les données dans une base relationnelle )

[Glutinus]

Peut-être qu'il est plus simple de designer une appli java en tout cas.

Je pense qu'il y a un peu de tout :

- La plupart des ETL, outils de reporting et de dataviz sont graphiques, avec des formations "vous serez opérationnels en 30 minutes". Donc forcément on va envoyer des juniors, mais il faut des expertises pour débuguer, et ça malheureusement, c'est pas en envoyant un mec en formation une semaine sur DataStage qu'il va être bon pour débuguer de l'Oracle (pour rester sur de la BI classique).

- Mais encore une fois, la conception et le modèle devrait être, AMHA, fournie à quelqu'un qui a une expertise dedans ou qui représente 50% ou 80% de ses tâches. Ce n'est pas le cas, les décideurs doivent se dire que c'est une économie, ou que ça fait partie des compétences d'un chef de projet. Et généralement, même quand ça pêche un peu de dans, ça vire souvent à la catastrophe par la suite.