On range souvent ces trois métiers dans le même sac étiqueté “la data”. Sauf qu’un data analyst, un data engineer et un data scientist ne font pas du tout le même boulot. Pas les mêmes outils, pas les mêmes journées, pas les mêmes salaires non plus. Les mettre dans la même case, ça revient à ranger le maçon, le plombier et l’architecte sous le mot “bâtiment” : oui, ils bâtissent la même maison, mais pas au même moment, et pas avec les mêmes mains.
Votre entreprise croule sous les données, mais personne ne sait quoi en faire. Les tableaux Excel s’empilent, les rapports mensuels arrivent en retard, et les décisions se prennent encore “au feeling”. La data analyse existe précisément pour résoudre ce problème - transformer des chiffres bruts en décisions éclairées. Reste à savoir quelles compétences acquérir, et dans quel ordre.
Vous travaillez avec des fichiers Excel de 50 000 lignes, vous passez vingt minutes à faire des RECHERCHEV imbriquées, et un collègue vous dit “ce serait plus simple en SQL”. Vous acquiescez poliment sans savoir de quoi il parle. Pas de panique : SQL est probablement le langage le plus accessible de l’informatique, et en une journée de pratique, vous saurez faire des choses qui prendraient des heures dans un tableur.
Vous utilisez Excel tous les jours, mais vous avez l’impression de n’exploiter que 10% de l’outil. SOMME, MOYENNE, peut-être un TCD de temps en temps - et c’est à peu près tout. Le problème, c’est que vos collègues qui maîtrisent les bonnes formules bouclent en 5 minutes ce qui vous prend une demi-heure.
