Parcours d'un Data Engineer - Inès @Papernest

Hello Inès, peux-tu nous présenter ton parcours ?

J'ai commencé par une Licence en informatique, puis j’ai continué dans cette voie avec un master informatique en spécialisation Data, apprentissage et connaissance. Ce master englobe le Machine Learning, l'Intelligence Artificielle, le Data Engineering et la Data Analyse. J’ai effectué des stages en Data Science et en Data Analyse, cependant j’étais à la recherche d’un poste plutôt orienté Data Enginerring, afin d’acquérir des compétences plus techniques. A la fin de mon stage de fin d’études, j’ai eu l’opportunité de travailler chez Papernest. Maintenant, cela fait plus d’un an et demi que je travaille au sein de cette entreprise en tant que Data Engineer. Nous sommes trois Data Engineer chez Papernest. L'équipe Data Engineer est dans l'équipe tech en compagnie d'autres développeurs et qui ont chacun leur projet. Nous avons aussi des Data Analysts qui sont répartis dans l'équipe marketing et dans l'équipe opération.

Quelles sont tes missions chez Papernest ?

La mission la plus importante au sein de Papernest est de récupérer toutes les données pouvant être utiles à l’entreprise et d’ensuite les mettre à disposition dans un entrepôt pour tous ceux voulant y avoir accès. Notre entrepôt est sur bitcory et nous construisons tout cela sous forme d’un star schéma. L’ensemble de ces données sont très concrètes. Nous aurons par exemple des informations clients à suivre. Ces données nous servent à suivre notre chiffre d’affaires. A l’inverse nous avons des partenaires et ces données serviront à leur sortir des rapports , à suivre le processus établi et à échanger à ce sujet. Ces rapports peuvent pareillement être automatisés.

Comment est-ce que tu travailles sur la partie automatisation avec les Data Analysts sur les besoins qu'ils ont ?  

Les Data Analysts nous font des demandes et ce principalement par ticket Jira. Une fois la demande faite, nous rentrons ces données dans le sprint et les déplions lorsqu'elles sont priorisées.

Quel type de typologie de données extraits-tu chez Papernest ? Des contrats ?

Nous avons des contrats, mais également un grand nombre de données clients et de données fournisseurs. Les fournisseurs nous font des retours sur les données et vice-versa. Nous disposons de nombreuses données marketing, dont les données de Google, Facebook ou encore Bing. Finalement les données RH sont tout autant à notre disposition.

Comment mettez-vous chacune de ces données à disposition ?

Au niveau des technologies nous utilisons Air Flow où toutes les données sont en Python. A partir de là nous stockons toutes ces données dans une base bitgrey. Une partie de nos données sera stockée dans une base postgre et à partir de cette base, ce sont des cores SQL qui construirons tout notre modèle.

Comment présenter vous ces données aux équipes RH et marketing?

Ce sont ces équipes qui nous expriment un besoin. Notre rôle est d’une part de comprendre leur besoin et apporter une solution. Par exemple, je leur fais des brouillons de table, tant que ce ne soit pas automatisé, afin que les équipes puissent y voir plus clair. Notre équipe Data s’occupe des documents utilisateurs, car ces documents recensent un très gros volume de données. Nous essayons de recenser toutes ces données, afin que les autres équipes puissent y trouver les informations par elles-mêmes, par exemple notre équipe RH.

Quels éléments te plaisent dans ton métier de Data Engineer ?

J’apprécie ce côté de la recherche de compréhension du besoin, la partie où il faut coder, comment exploiter les données, afin qu’elles correspondent au business.

Une fois tes études terminés et tes premiers pas sur le marché du travail, y avait-il un gap au niveau du métier auquel tu t’attendais ?

La vision du travail était un mélange de Data Engineering et de Data Analyse. Ce n’était pas uniquement du Data Engineering et il n'y a pas eu de gros temps de latence, car j'étais diplômé en septembre et début septembre j'ai été embauchée en tant que Data Engineer chez Papernest.

Les compétences requises pour le métier de Data Analyst et Data Engineer sont distinctes. Comment as-tu justifier tes compétences chez Papernest ?

La partie Data Analyse ne m’intéressait pas plus que ça. Lors de mes stages en Data Science j’avais touché au domaine de la Data Ingénierie. Je m’étais rendu compte que c’était cette partie qui m’intéressait le plus. L’argument portant sur ma motivation était assez importante, mais j’avais des compétences en la matière. Par ailleurs, je n’avais pas forcément les expériences en Data Engineering, mais j’avais les compétences techniques.

J’ai pu développer ces compétences techniques en pratiquant sur Python. Par ailleurs, je ne connaissais pas l'outil Air Flow et j’ai découvert tous ces outils Data sur le tas.

Comment fais-tu la différence entre la Business Intelligence et les autres domaines ? 

Pour moi la Business Intelligence sera plus orientée business et servira au business. Le star schéma que nous construisons est utilisé par les Data Engineers, car ce sont eux qui vont faire remonter l’information.

Quelle est la différence entre les Data Engineers et les Data Analysts ?

Les Data Analysts construisent les rapports. De notre côté nous mettons à disposition la donnée telle qu’elle est. Les Data Analysts vont également extraire la donnée et refont des tables derrières répondant à des problématiques précises. Par exemple, pour un nombre de prospect par jour en ayant le maximum d’infos, les Data Analysts vont faire une table pour accueillir un dashboard dessus. Pour nous, en tant que Data Engineer nous travaillons sur différentes tables.

Comment as-tu vu le métier de Data Engineer évoluer ? Selon toi les métiers de la Data deviendront de plus en plus hybrides ou de plus en plus polarisés ?

De plus en plus de postes en Data Engineer sont à pourvoir. Nous sommes en train de créer de nouveaux métiers comme le BI ingénieur. Je pense que toutes les équipes Data recherchent des nouveaux métiers selon les spécificités du business ou encore de la taille des entreprises. Par exemple, nous devons donner un nom de poste aux Data Ingénieurs qui travaillent sur des projets complètement différents. Je pense sincèrement que toutes les entreprises et les employés dans la Data essayeront de trouver leur propre poste. Des nouveaux noms voient le jour, tout comme de nouveaux rôles et postes. A mon avis, les limites de nouveaux postes ne sont pas figées.
‍

Les métiers de la Data seront selon moi polarisés. Dans le domaine de la Data nous avons souvent tendance à être séparés des autres équipes. Nous allons arriver vers un fonctionnement où les équipes Data seront regroupées et nous les mettrons par projet. Par exemple, si nous montons une équipe de projet sur un sujet donné, nous formerons une équipe avec un Data ingénieur, un Data Analyst et un Data Scientist. Ce projet sera très valorisant, car les compétences de chacun de ces métiers se complètent.

Si vous souhaitez acquérir les compétences du Data Engineer tout comme Inès, n'hésitez pas à regarder la formation Data Engineer proposée par Jedha