Interview d'une data analyst chez blablacar | Jedha

Hello Candice, peux-tu nous présenter ton parcours ?

Originellement, je n’avais pas un profil très technique ou orienté Data : j’ai une formation en commerce et en affaires publiques. La Data était néanmoins un sujet qui m’intéressait, j’ai donc effectué des stages en tant que business analyst dans des entreprises du CAC40 et en start-up.

Aujourd’hui, je suis Strategy Analyst, la combinaison de la stratégie d’entreprise et de la data analyse.

C'est justement ce qui me plaît et qui rend mon métier passionnant. Au quotidien, j’utilise ma capacité à mener des analyses quantitatives et à manier les chiffres pour émettre des recommandations sur la stratégie globale de l’entreprise, que ce soit côté opérations, produit ou marketing.

Quelles sont tes missions chez Blablacar ?

Mon poste est à la croisée entre la Data Analyse pure (requêtes SQL et de dashboards sur Tableau), et la stratégie globale de développement de BlaBlaCar.

Mon équipe est en effet rattachée au département finance : nos analyses portent aussi bien sur des données d’activité et de performance que sur des données financières et comptables. Avoir accès à cet éventail de données et être au fait de la stratégie globale de l’entreprise nous permet de situer nos analyses dans un contexte plus global et nous inspire à challenger nos “clients internes” sur les analyses qu’ils veulent mener.

Ces deux casquettes nous aident donc à prendre du recul et à prioriser ce qui a le plus d’impact pour BlaBlaCar en tant qu’entreprise.

Au quotidien, je travaille avec divers interlocuteurs, qui vont des country managers aux product managers et aux équipes marketing. Sur les thématiques produit, par exemple, j’analyse l’impact de nouvelles fonctionnalités ou de décisions produit sur nos principaux KPIs et, à plus long terme, sur l’activité de la marketplace et nos comptes de résultat.

Je travaille également avec des Data Scientists, qui déploient des modèles de Machine Learning sur la plateforme. Mon rôle est d’accompagner le développement de ces algorithmes en analysant leur impact sur la marketplace via des A/B tests. Cela permet de formuler des recommandations pour les itérations suivantes des modèles.

Comment est organisé le département data au sein de BlaBlaCar ?

Nous avons 3 équipes de Data Analysts :

• Stratégie & Business Intelligence, celle dans laquelle je travaille
• Marketing, qui s’occupe d’analyser la performance et d’automatiser les campagnes marketing 
• Produit, dédiée à l’accompagnement des product managers qui introduisent de nouvelles fonctionnalités
  

Comment t’es-tu formée à la Data Analyse?

Quand je suis arrivée chez BlaBlaCar, j’ai été rapidement formée par ma manager qui m’a accompagnée dans la maîtrise des bases de SQL et Tableau. Il y a énormément de ressources en ligne, MOOCs, forums d’aide etc... qui m’ont ensuite permis de monter en compétence rapidement. J’ai appris sur le tas !

Est-ce que tu peux nous parler d’un projet que tu as aimé mener ?

Un projet intéressant que j’ai mené cette année - très orienté business intelligence -a été le suivi de la reprise post-confinement en mai-juin dernier.

Nous avons eu une baisse d’activité massive, accompagnée d’une bonne dose d’incertitude sur la reprise. Beaucoup d’équipes avaient besoin de suivre de manière fine ce “reboot” de l’activité, pour pouvoir adapter leurs actions presque en temps réel ! Il fallait donc rassembler à un même endroit une multitude d’informations, de manière granulaire et facile à utiliser, en self-service, pour que les différentes équipes concernées puissent être autonomes dans leurs analyses.

Après avoir discuté des besoins des différentes équipes, notamment des country managers qui gèrent les opérations au quotidien, j’ai structuré un rapport Tableau sous forme de questions-clé qui synthétisent l’ensemble du funnel et des dynamiques de la marketplace (Comment évolue l’acquisition de nouveaux utilisateurs ? Qui sont ceux qui reviennent le plus vite sur la plateforme ? Comment les prix évoluent-ils ? etc...)

Le but était d’avoir une réponse globale très visuelle, qui saute aux yeux dès l’ouverture du dashboard, puis de pouvoir creuser les datas grâce à divers filtres et paramètres.

Comment avez-vous su gérer cette crise autour du Covid ?

Comme je le disais, début mars, nous avons subi une chute brutale de l’activité. Nous avons suivi la reprise avec attention et très vite, nous avons constaté que l'activité reprenait fortement car les gens ont toujours envie de voyager. La demande est particulièrement forte côté passagers, puisque le covoiturage est un mode de transport qui limite les contacts.

Nous avons également fait évoluer le produit pour encourager les conducteurs à ne proposer qu’une place dans leur voiture pendant la période de semi-confinement en juin. Enfin, nous avons beaucoup communiqué sur le respect des gestes barrière et le port du masque auprès de nos utilisateurs. Le deuxième confinement a été vécu “en connaissance de cause” ! On a d’ailleurs vu que le trafic ne baissait pas aussi drastiquement qu’au printemps.

‍

Comment vois-tu le domaine de la Data Analyse évoluer ? 

Je pense que c’est un domaine qui va gagner en importance dans les années à venir. Les entreprises veulent être de plus en plus “data-driven”, et pour cela il est crucial de recruter, ou de former, des personnes à la fois aptes techniquement et capables d’avoir une vision business. Il ne s’agit pas simplement d’extraire des données ou de produire des dashboards, des tableaux ou des graphiques à la chaîne : encore faut-il pouvoir en tirer des insights et des recommandations pertinentes.

Surtout dans un contexte de crise sanitaire, réaliser des analyses au jour le jour sur ces activités, sa performance, devient vital.

Quelles sont les compétences que doit avoir un Data Analyst selon toi ?

Outre les qualités techniques habituelles (requêtes SQL, analyses et manipulation avec Tableau), il faut s’astreindre à une certaine discipline quand on manie de la data, et faire preuve d’honnêteté intellectuelle.

Cela implique de toujours vérifier la qualité du code que l’on utilise pour extraire des données, et d’être très transparent vis-à-vis de ses interlocuteurs sur les partis pris qu’on a pu choisir dans l’analyse que l’on présente. Enfin, il faut être conscient du fait que, lorsque l’on se lance dans une analyse, on a forcément des préjugés sur le résultat final. La tentation peut être grande de ne pas chercher plus loin dès lors qu’on trouve des insights qui sont en ligne avec notre premier instinct. Mais on court alors le risque d’occulter tout un pan de l’analyse. Même si ce n’est pas forcément facile, il faut être systématique et rigoureux !

Je dirais aussi qu’en tant que Data Analyst, ce qui est vraiment valorisé est la capacité à communiquer les informations de manière claire et structurée. ll faut pré-digérer la data pour n’en présenter que la substantifique moelle de manière concise et “utile” : toujours préférer ce qui est actionnable à ce qui est descriptif. Une bonne manière de prendre le pli est de se demander “et alors ? (so what ?)” à chaque tableau ou graphique qu’on s’apprête à mettre présenter.

Si vous souhaitez acquérir les compétences en Data recherchées des recruteurs, n'hésitez pas à regarder les formations Data que Jedha Bootcamp propose.