Data Analytics, la nouvelle passion du 21e siècle

image-data-visualisaiton

On vit quand-même dans une belle époque où la data est plus accessible, manipulable et exploitable que jamais ! Je me souviens d’une ancienne étude lue durant mes études, affirmant qu’une grande majorité des élèves de l’époque allaient exercer un métier qui n’existait pas encore. La Data Analytics n’en faisait peut-être pas partie car elle existait déjà. Cependant, la Data Analytics dans sa nouvelle forme du 21ème siècle et ses nouveaux outils ; certainement oui ! Et le sujet devient de plus en plus passionnant.

Quand on y réfléchit :

Créer un tag de suivi pour suivre un événement sur un site internet prend aujourd’hui 3 clics. Sur des outils gratuits comme Tag Manager, ou toute solution de gestion de balises, créer un plan de taggage devient de plus en plus un jeu d’enfant, là où tout devait passer par le code du site il y a quelques années.

On se rappelle encore des explications fastidieuses qu’il fallait faire aux développeurs pour suivre un petit clic sur un bouton.

Collecte & stockage de données

Les smartphones deviennent une extension de nous-même, ainsi que des objects connectés à gogo pour tous les domaines et activités.

Bref, la collecte de donnée n’est plus réellement un souci. Sauf bien entendu quand elle est collectée sans autorisation explicite de celui qui la produit. Mais ça c’est un autre sujet !

Ensuite, suivre les performances de ce fameux bouton sont rendus de plus en plus ludiques avec les outils Analytics, notamment un Google Analytics 4 (anciennement GA App + Web), qui propose des insights assez poussées en matière d’analyses, une rapidité de chargement sans précédent, et une flexibilité imbattable dans la création de dashboards.

Ce même GA4 peut être connecté à un BigQuery, un data warehouse à la demande, où l’on paye uniquement ce que l’on consomme. Tout en profitant des prix bas que permet de réaliser l’économie d’échelle de l’outil, hébergé dans le cloud. On peut alors connecter non seulement des données de notre site web, mais aussi des données de solutions tierces (de publicité en ligne ou de CRM par exemple), ou encore tout un tas de ressources online et offline inimaginables, rendues possibles avec l’explosion des objects connectés.

À ce moment-là, on atteint un niveau de maturité qui devient accessible à tous, là où peu d’entreprises pouvaient se permettre la lourdeur technique et technologique que demandaient le stockage de data à l’époque. La preuve ? ci-dessous un graphique de l’évolution du coût de stockage par gigabyte depuis 1980. Je n’ai pas trouvé plus récent que ça. Probablement parce que personne ne comptait plus après 2015.

coût par gigabyte - stockage de données
Évolution du coût par gigabyte depuis 1980

Préparation & exploitation des données

Les nouveaux outils de data processing permettent également d’exécuter vos opérations à une vitesse éclair, là où un data engineer des années 80 devait partir en vacances en attendant le résultat de son opération. Non seulement car c’était lent, mais aussi car il fallait s’éloigner au maximum tellement ça chauffait côté machines :). Évidemment, on parle toujours de volumes conséquents de data à traiter.

Blagues à part, c’est là où toute la magie peut opérer ! Combiner toutes les sources de données pour en tirer une information si précieuse pour mieux connaître sa cible, développer de nouveaux produits, internationaliser son activité, améliorer la qualité de l’eau, améliorer la productivité, réduire le gaspillage, créer des personnages (gaming, film), etc. Les domaines d’application sont aussi multiples que les problématiques que peuvent rencontrer les sociétés & les individus.

D’ailleurs, ces mêmes outils de Big data permettent aujourd’hui de répondre directement aux questions qu’on leur pose, en utilisant tous les data set qu’on leur fournit. SQL, Python, ou tout autre langage technique ne deviendront plus indispensables à termes pour manipuler toutes ces données. Ce n’est qu’une hypothèse 🙂

J’ai fait une passe sur la partie cleaning et préparation de la data. La partie la plus fastidieuse pour que les données soient exploitables. Pour celle-ci, beaucoup de data analysts reposent sur la patience et le génie de data engineers. Là aussi, l’intelligence artificielle intervient de plus en plus pour comprendre les misspelled words, les abréviations, les différents formats de valeurs données (dates, chiffres, etc.), pour rendre encore la mission d’un data engineer ou d’un data analyst plus fluide.

Data analytics : nouveaux enjeux

Les qualités d’un data analyst ou d’un data scientist résideront de moins en moins dans leurs connaissances techniques. C’est leur capacité à poser les bonnes questions qui fera la différence, si ce n’est pas déjà le cas. C’est l’ampleur des problématiques qu’ils ont résolu dans le passé qui fera leur légitimé. Enfin, c’est leur habileté à repérer et architecturer les sources d’information nécessaires pour y répondre qui confirmera leur efficacité.

De surcroît, mon point de vue est qu’une entreprise qui embauche un data analyst/scientist ne sait pas toujours pourquoi elle le recrute, où au mieux, elle croit le savoir (sauf bien entendu pour de rares mastodontes du business mondial). Et même quand elle le sait, cela ne peut pas limiter pas les missions de la recrue. Il devrait avoir carte blanche et circuler dans tous les services de l’entreprise, essayant de dénicher une nouvelle opportunité de développement.

Ce post est une simple ode à une époque où l’on peut finalement dire sincèrement qu’on est « passionné de data ». Une expression qui ne pouvait exister selon moi avant tellement la tâche était pénible et le socle très large, dans la technique, le temps et l’énerge.

Enfin, j’envie ces anciens combattants de la data ayant survécu à cette époque, suivi le développement de leur métier au fil du temps, vécu chaque innovation comme une délivrance, si ce n’était pas eux qui l’ont rendu possible 🙏🏼.

Ce blog n’a pas d’orientation précise, à part partager quelques informations sur la data analytics, basés sur mon champs de connaissance, les tendances et les évolutions dans le domaine, ainsi que des tips & tutoriels plus précis sur mes outils préférés de data analytics.

Si vous êtes intéressé par les prochains billets, abonnez-vous à ma newsletter 😉

Image de l’article  Designed by stories / Freepik

1 thought on “Data Analytics, la nouvelle passion du 21e siècle”

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *