Data Analyst est un travail créatif (si, si)
#26 Ou pourquoi vous faites de l’art sans le savoir.
Bienvenue dans l’édition #26 de cette newsletter !
Aujourd’hui, on souffle une bougie : ça fait tout juste 1 an que je partage ici mes réflexions et expériences autour de la Data.
Et vous êtes désormais 2 300 abonnés à me lire chaque semaine. Merci du fond du cœur ❤
En ce moment, je travaille sur un accompagnement pour aider les Data Analysts à créer des projets portfolio vraiment impactants.
Si ça vous intéresse et que vous voulez être tenus au courant du lancement, laissez-moi votre email via ce lien.
J’ai donc poursuivi mes entretiens exploratoires avec des Data Analysts de la communauté, pour comprendre ce qui les bloque et concevoir une solution pour les aider. Un grand merci à Merveille et François cette fois-ci!
A part de lire du contenu dans cette édition, vous pouvez:
télécharger ma cheat sheet gratuite SQL (+1.2k téléchargements) qui recense 90 % des commandes essentielles pour travailler dans la Data, chacune illustrée par un exemple concret.
lire les éditions précédentes.
me suivre sur Linkedin.
Introduction
Beaucoup de gens pensent qu’être Data Analyst, c’est faire un boulot de chiffres, de maths et de stats.
Mais derrière tout ça, il s’agit d’un processus créatif. Avec le temps, je trouve que mon travail ressemble plus à celui d’un peintre que celui d’un comptable.
Dans cette édition, je vous explique pourquoi je pense que Data Analyst est un travail créatif, et l’impact qu’il peut avoir sur votre quotidien — que vous soyez en poste ou en recherche d'emploi.
Sans comprendre cela, vous serez rigide dans votre processus, et votre travail perdra la moitié de sa valeur.
Voir le travail de Data Analyst comme une création se reflète dans ces 4 étapes du processus d’analyse :
Idéation et cadrage
Recherche de matières premières
Combinaison, transformation, création
Mise en valeur et présentation
Idéation et cadrage
La conception d’un projet Data ou d’une analyse commence souvent par un besoin métier.
On ne mène pas de projets s’il n’y a pas un besoin réel. Et c’est ici que beaucoup de projets déraillent. Parce qu’on passe trop vite à l’exécution, sans prendre assez de recul.
Souvent, les stakeholders viennent nous voir avec une demande soit ultra vague, soit ultra précise. Et si nous ne posons pas les bonnes questions — sur le challenge à relever, les problèmes à résoudre, les actions prévues à la suite de l’analyse — on risque de passer à côté de la plaque.
Dans le Produit, par exemple, j’ai souvent des demandes de Product Managers qui veulent évaluer le succès d’un lancement de fonctionnalité. Leur vision est souvent biaisée par une volonté de confirmation : si les ventes augmentent après le lancement, c’est que c’est un succès. Mais que se passe-t-il si, en même temps, une campagne marketing fait exploser le trafic ?
Être créatif ici, c’est poser les bonnes questions :
Quel était l’objectif produit ?
Quels sont les KPIs prioritaires ?
Si le succès est confirmé, comment le suivre durablement ?
Ces questions, on les crée. On les formule avec intention, grâce à notre compréhension du domaine et des enjeux business.
✅ Points à retenir :
L’idée doit répondre à un besoin réel.
Le cadrage est indispensable pour éviter un déraillement.
Notre valeur se trouve dans la formulation des bonnes questions.
Recherche de matières premières
Pour faire une analyse, nous avons besoin de données. Et il faut aller les chercher.
Non, on n’est plus à l’époque où il fallait broyer ses pigments pendant 10h. Mais la préparation reste essentielle.
Identifier les matières fait partie intégrante de l’analyse. Même imparfaites, elles permettent de démarrer. Attendre que tout soit prêt, c’est souvent attendre pour rien.
Souvent, on combine plusieurs sources, on crée des indicateurs, des KPIs, des variables qui n’existent pas à la base. Exactement comme un peintre qui mélange ses couleurs.
✅ Leçons à retenir :
La matière première est brute. Sans elle, rien ne se crée.
Nettoyer, croiser, enrichir les données : c’est ça le vrai terrain du Data Analyst.
Pour les apprenants : savoir nettoyer les données, c’est faire 80% du travail réel d’entreprise.
Combinaison, transformation, création
Il s’agit maintenant de transformer la matière en une œuvre cohérente.
Quand vous faites une analyse, il ne s’agit pas juste de sortir des chiffres, mais de créer une structure logique : définir les bons KPIs, interpréter les résultats, tirer les bonnes recommandations.
Souvent, on a une intuition du résultat attendu, mais aucune métrique ne l’exprime directement. Il faut alors la construire.
Par exemple : une entreprise veut améliorer la fidélisation client. Mais comment la mesurer ? Est-ce le nombre de commandes répétées ? La fréquence d'achat ? Sur quelle durée ? Cette métrique ne sera pas la même chez Carrefour ou chez Tinder.
Pareil pour un dashboard : on pense la structure, on agence les visuels, on choisit les représentations. Créer un tableau de bord, ce n’est pas appliquer un template, c’est penser une expérience.
Et quand les objectifs business changent ? Il faut tout revoir. Repartir de zéro. Et recommencer.
✅ À retenir :
Créer, c’est modéliser, interpréter, recommander.
La créativité se trouve dans la façon de structurer et de traduire les besoins en solutions actionnables.
Un bon Data Analyst sait repartir de zéro si besoin. C’est aussi ça, être créatif.
Mise en valeur
Enfin, la dernière étape : mettre en lumière le travail réalisé.
Aucune œuvre ne touche sans un récit. Aucun produit ne se vend sans histoire. Et aucune analyse ne change quoi que ce soit si elle reste silencieuse.
Notre travail n’est pas fini tant qu’il n’a pas été compris, reçu, adopté.
Trop souvent, les Data Analysts passent des heures sur les KPIs, les visualisations, les calculs, mais oublient la présentation et l’adaption de son language en fonction de son audience.
Pourtant, c’est souvent là que tout se joue.
✅ À retenir :
La mise en valeur permet de vendre.
Parler de son travail est aussi important que le faire.
Conclusion
Voir la data analyse comme un processus de création permet d’être plus créatif dans ses solutions. Tester, explorer, sortir des sentiers battus.
C’est ça, pour moi, être Data Analyst :
Faire des liens
Proposer de nouvelles voies
Répondre de manière unique à des problèmes complexes
Si vous voulez avancer dans votre carrière, faire simplement ce qu’on vous demande, c’est exécuter à la chaîne. Penser différemment, c’est apporter de la valeur.
Être créatif, c’est être caméléon : s’adapter, proposer, construire.
Et si ça, ce n’est pas un travail créatif... Alors je ne sais pas ce que c’est!
Si vous avez aimé cette édition, faites-moi savoir en mettant un petit coeur! Cela fait toujours plaisir.
A la prochaine!
Merci bien phuong, ça fait toujours plaisir de vous lire. Grâce à vous je commence à voir la data d'une autre manière.