Tout le monde veut devenir DATA ANALYST !

Mes amis, bien le bonjour. Rien que cette semaine, nous sommes quoi ? Nous sommes mardi. Je suis déjà à 5 ou 6 personnes qui me contactent pour me dire je vais me convertir dans le data science. Je vais devenir data scientist. Bon, je n'ai rien contre le data scientist. Encore une fois, je vais faire une vidéo où on aura l'impression que je suis contre, mais je ne suis pas contre. Je veux juste vous ouvrir les yeux sur quelque chose, sur une erreur que vous pouvez faire sur le data science ou même sur autre chose. Client suivant. Parfois, il y a un engouement. Il y a un engouement. Par exemple, à la fin des années 2020, on est juste avant le Covid, il y a eu cette ruée vers l'or. L'or, c'était le data. le data, les données, les données des gens. On a découvert soudainement que les données, si on va miner dedans, si on prend des trépans, un petit peu façon pétrole, et puis on va aller dedans et on va miner les choses, les données, on va trouver des trucs qui permettent de faire de l'argent. On va par exemple découvrir des intentions d'achat. Moi je travaillais dans une boîte, on avait une data analyst, Elle arrivait tous les jours. C'est pas tous les jours, c'est une fois par semaine, elle venait. Et puis on avait une réunion d'une heure, elle nous expliquait. Voilà, tant de clients sont venus sur le site web, tant nous ont contactés, on leur a répondu en moyenne en 7 minutes, tant ont répondu à la première e-mail, tant ont répondu aux deuxièmes, tant ont voulu un appel, tant ont acheté. Je peux te dire, c'était assez soporifique. Je te garantis que si tu tenais au bout d'une heure, moi, je dis, tu mérites une place assise dans les bus. C'est vraiment un truc particulier. Il fallait s'accrocher. C'est un job au milieu, juste entre nous, ce que je cherche à dire. Donc. D'accord, je comprends, la nana faisait son travail, mais. Ce qui s'est passé, c'est qu'on a vu, sur le plan du business maintenant, sur le plan des finances, il a été perçu que les données sentent le nouvel Eldorado et en réalité, en grande partie, elles le sentent. les données privées, détecter des intentions d'achat, essayer de piloter son business par des données comme ça. Quoique certains dirigeants n'y comprennent pas grand chose et voient un petit peu le data scientist comme une sorte de magicien. Il fait tout avec les données, il fait de la magie, il va nous dire des choses. C'est une sorte d'oracle, c'est une sorte de quelqu'un qui va s'asseoir devant sa boule magique Et puis il va regarder les données comme ça, puis il va nous dire qu'en réalité, beaucoup de data analystes passent leur temps à gérer des bases de données complètement pourries, à vouloir s'en sortir ou survivre à des décisions d'organisation de données qui ont été prises longtemps, mais selon une rationnelle qui n'a aucun sens. Ils galèrent avec les tâches les plus basiques, alors qu'ils font face à des patrons qui ont des demandes irréalistes. Maintenant, c'est quoi le problème ? C'est que, je disais, vers la fin des années 2010, on s'approche de l'année 2020, comme on a perçu que c'était le nouvel Eldorado, il y a eu beaucoup de business angels, il y a eu beaucoup de banques qui ont consenti, peut-être un peu trop facilement, des investissements en masse sur ce qu'on appelait le Big Data. On entend moins un peu le mot Big Data de nos jours, mais voilà les données. Donc, ils ont commencé à investir, distribuer de l'argent. Ça marche comme ça. Malheureusement, en informatique comme ailleurs, d'ailleurs, mais en informatique, ça marche souvent comme ça. Il y a un super engouement pour quelque chose. Comme si vous vous rappelez, il y a deux ans, on avait eu trois ans, on avait eu l'engouement pour les NFT. Ça se vendait à des millions de sites Web sur les NFT. Tout le monde voulait se mettre dans les NFT. Des gens disaient on va devenir riche sur les NFT. Vous entendez beaucoup parler du NFT ces derniers temps ? Combien de fois vous avez entendu le mot NFT en février ? Combien de fois vous l'avez entendu le mois dernier ? NFT, moins zéro. Alors qu'il y avait une époque où je l'entendais 12 fois par jour. Vous voyez ce que je veux dire des engouements. Ces engouements vont attirer du monde, vont attirer des investisseurs, attirer du blé. Et l'argent devient un peu trop facile dans ce secteur. Et donc, ce qui s'est passé avec les données, c'est que des compagnies ont créé soit des départements d'analyse de données, soit des boîtes d'analyses de données ont été créées de A à Z, ex nihilo, avec l'argent facile. Le problème, c'est que beaucoup de ces boîtes ou beaucoup de ces départements n'ont jamais délivré de la valeur, n'ont jamais tenu les promesses ésotériques qui avaient été formulées à l'époque. Je veux dire, il n'y a pas de magie, quoi. Ça reste opaque. Je veux dire, les données, bon, il y a des techniques, il y a des machins, mais au bout d'un moment, il y a des limites à ce qu'on peut voir, à ce qu'on peut comprendre, à ce qu'on peut anticiper. Aujourd'hui, il y a peut être un petit peu de réveil quelque part. Et moi, ce qui me fait peur, ce qui me fait peur, c'est que je vois une personne me dire je veux devenir data analyste. Après une deuxième, une troisième, une quatrième, une cinquième. Parfois la même journée. Je pense quoi, moi ? Je pense quoi ? Je me dis, est-ce qu'il n'y aurait pas une bulle quelque part ? Est-ce qu'il n'y aurait pas genre un engouement ? Je sais que les données sont importantes. Je sais ça. Mais je me demande s'il n'y a pas une bulle. Une bulle, ça veut dire quoi ? C'est-à-dire qu'il y a plein de jeunes et moins jeunes auxquels on fait de la publicité, on les démarche pour leur dire devenez data analyst parce que ça réglera tous vos problèmes. Travail garanti, bien payé, machin. Les gens vont aller financer une formation. Il faut savoir que la financiarisation, tout a été financiarisé. Donc quand ça a été financiarisé, ça a été transformé en service, ça a été transformé en machine à profit. Donc qu'est-ce qu'on fait ? On va t'attirer, un miroir aux alouettes, on va t'attirer dans une formation data science ou data analyst ou data whatever. Tu arrives, tu payes. Là, ils ont réalisé leur profit, c'est bon. Après, ils s'en fichent que toi, tu as des débouchés ou pas. Tu fais ta formation, tu sors, tu vas sur le marché du travail. Je regardais sur LinkedIn tout à l'heure, j'ai un LinkedIn premium. À propos de LinkedIn, tout à l'heure, quelqu'un m'a choqué. La personne m'a dit, cherche du travail, je n'ai pas de LinkedIn. S'il vous plaît, on est en 2024, je ne veux pas entendre, je n'ai pas de LinkedIn. Vous devez non seulement avoir un LinkedIn, mais avoir un LinkedIn bien complet parce que je devrais faire une vidéo sur ça. Les recruteurs ont un accès payant à LinkedIn et avec un moteur de recherche qui permet de trouver les candidats. Et donc, si vous avez un profil bien rempli et bien complet et bien précis, ils vous trouveront plus facilement. Si vous n'avez pas de LinkedIn, vous n'existez pas. Revenons au sujet. Donc, je disais, J'étais sur LinkedIn, j'ai fait une recherche de travail, Data Analyst. J'ai trouvé un job, il n'y en a pas beaucoup, j'en ai trouvé une dizaine grosso modo qui sont sortis. Il y en avait un où il y avait 1300 candidats, ce qui te dit combien de candidats ont appliqué dans 250 hier. Vous voyez ce que je veux dire ? J'en ai trouvé un autre 480 applications, un autre 750. C'est énorme. Et si vous avez LinkedIn, regardez-vous aussi dans votre région. Moi, j'ai regardé au Royaume-Uni. Mais regardez dans votre région, regardez dans votre pays, vous allez voir. Alors s'il y a, mettons, s'il y a 100 annonces, mettons il y en a 100, mais que chacune a en moyenne 1300 ou 1000 ou 700 demandes, ça veut dire quoi ? Il y a une saturation du marché. Ça veut dire qu'il y a trop de gens qui veulent faire ce travail par rapport à l'offre. Donc, on est dans un phénomène de bulle. Comment ça va être perçu du côté de l'employeur ? L'employeur, lui, il travaille avec l'offre et la demande. Il va voir qu'il met une annonce, il a 500 réponses. Ça va peser sur les salaires. Il va se dire, bon, voilà, ça devient une commodité, data scientist, il n'y a que ça. Voilà, quoi. Maintenant, comme toujours, il y aura toujours du travail pour des gens qui tapent très haut, pour des gens qui vont vraiment loin. L'année dernière, je connais une personne qui a été recrutée en tant que data analyst, qui touche un très bon salaire, ou data scientist. La personne a un doctorat en mathématiques. Or, comme la science des données est une bonne partie basée sur les statistiques, donc, Ça a très bien marché. Elle a trouvé un travail, cette personne. Je suis un grand groupe et très bien payé et tout ça. Donc, quand on tape au niveau de l'excellence, quel que soit le secteur, il n'y a pas de crise, vraiment. Vous voyez ce que je veux dire ? Quand vous tapez très haut, il n'y a pas de crise. Le problème, c'est que lorsque vous faites une formation de 6 mois, une formation d'un an, vous payez 6 000 euros, vous payez 10 000 euros, vous sortez, vous avez zéro expérience. Et puis, on vous a appris, souvent, ils vous apprennent que par le bout de la lorgnette, ils vont vous en prendre parce qu'il ne faut pas se leurrer. Ils veulent maximiser, ils vous prennent de l'argent, mais à un moment donné, ils vont faire quoi ? Ils veulent maximiser le revenu. Comment ils maximisent le revenu ? Ils vont vous donner le minimum d'heures, ils vont vous donner le minimum d'instructeurs, le minimum de variété sur le contenu. Donc, quand vous sortez, vous avez été exposé peut-être aux grandes lignes du métier, mais il y a plein de choses qui vous échappent. Vous avez zéro expérience. Et donc vous allez sur le marché du travail, et puis l'employeur lui, il cherche peut-être un senior, il cherche peut-être quelqu'un avec 3 ans, 4 ans d'expérience, et il va voir que des CV arrivant avec 0, 0 expérience, 0 expérience, 0 expérience. Et même dans l'entretien, pour ceux qui arriveront à décrocher un entretien, ils vont très rapidement se retrouver en train de patauger parce qu'ils réalisent que c'est beaucoup plus grand que ce qu'on les a formés. Vous voyez ce que je veux dire ? Voilà, mes amis. C'est tout. Je voulais vous dire, faites très attention, faites vraiment attention. Analysez où vous mettez les pieds. Ne suivez pas les phénomènes de mode. Parce que Data Analysis, ça me semble aujourd'hui être une véritable bulle, une véritable... On verra dans les années qui viennent, bien sûr. Il va falloir qu'on confirme ou qu'on infirme cela. Mais à ce stade vraiment de la situation, j'ai l'impression qu'il y a trop de gens qui vont dedans en considérant ça comme un secteur facile, un secteur de reconversion, un secteur Eldorado, tu y vas et ça va marcher. alors que ça semble un peu plus nuancé que cela quand on regarde dans la réalité. Autre chose, autre chose, je voulais arrêter la vidéo ici, mais juste un petit détail. Vous savez que ce qu'on appelle l'intelligence artificielle, je ne crois pas au moins l'intelligence, mais ce n'est pas grave, passons leur le mot. L'intelligence artificielle, une de ses forces, c'est traiter de grandes quantités de données, traiter des masses et des masses de données et les structurer, les sortir et sortir des résultats. Ça vaut ce que ça vaut, on est d'accord. Mais le fait est que les compagnies aujourd'hui commencent toutes à s'intéresser à l'intelligence artificielle, à voir comment elles peuvent l'intégrer dans leur process. Et une des choses qui peuvent, qui est évidente d'ailleurs, c'est de se dire pourquoi on aurait besoin d'un data analyst. Si on en avait cinq, pourquoi n'en virer pas quatre, en garder un seul ? Il prend des abonnements payants sur l'intelligence artificielle et puis il va taper là-dedans et puis voilà quoi. C'est tout. Et il nous sort ce qu'il peut nous sortir. Il y a ce risque malheureusement. Donc c'est l'un des métiers qui, à mon sens, peut être exposé à ce genre d'évolution technologique. Merci d'avoir suivi cette vidéo jusqu'ici et puis on se voit dans une prochaine. A très bientôt.