Avec un profil situé entre l’IT et les statistiques, le Data Analyst est rattaché aux Systèmes d’Information de l’entreprise. Sur ce poste, il se consacre à une seule source de données. Dans un univers E-Commerce le Data Analyst se chargera par exemple des données du CRM : il récolte les données produites par les clients sur tous les canaux et les analyse finement pour créer de nouvelles sources de valeur.
Le Data Analyst fait ensuite le pont entre les Systèmes d’Information et le Marketing, qui va se servir des données traitées.
Les missions du Data Analyst
Le Data Analyst crée des bases de données
Le Data Analyst récolte des données de toutes parts, créées par les visiteurs (clients ou non) d’un site Web. Pour cela il organise des bases de données pour les centraliser.
Exemple : Une base de données peut regrouper des informations telles que l’âge, la fréquence d’achat, le moyen de paiement, le canal d’achat (mobile, tablette, desktop), la source d’arrivée du visiteur sur le site (referall, organique…), le taux de rebond, le nombre de clics par visiteur…
Ainsi, chaque client aura son « identité » avec toutes ses actions et son historique répertoriés.
Le Data Analyst commence par concevoir des bases de données pour centraliser les informations
Il doit modéliser les données
Une fois les données brutes structurées, le Data Analyst décèle des corrélations pour leur donner du sens, de la valeur. Il Identifie des entités logiques entre chacune d’elle pour qu’elles ne soient plus isolées.
Les données sont ensuite traduites (rapport, graphique, schéma…) de façon à donner des axes de développement à l’entreprise.
Exemple : Une fois que toutes les informations ont été récoltées et modélisées, le Data Analyst va distinguer des groupes : des femmes âgées entre 20 et 35 ans achètent sur mobile des produits culturels au moyen de leur carte bancaire 1 à 2 fois par mois.
Il effectue la segmentation des données
Après que les données aient été récoltées et structurées elles sont segmentées. A partir de cette phase, Le Data Analyst participe à la prise de décision auprès des équipes stratégiques dans un rôle de conseiller. Segmenter les données lui sert à dégager des tendances (consommation…), des profils de consommateurs…
Le Marketing se servira ensuite de cette data pour développer de nouveaux produits, améliorer le parcours d’achat du site Web, adopter une nouvelle stratégie de relation client, améliorer leur CSP (ciblage, segmentation, positionnement).
Exemple : Dans ce groupe de femmes de 20-35 ans, 60% achètent des livres de littérature classique en milieu de journée le lundi. Cette segmentation n’était pas connue des équipes Marketing et il se trouve que les ventes sont en baisse : une stratégie de ciblage est alors mise ne place pour relancer la gamme.
Le Data Analyst se joint aux équipes Marketing pour trouver de nouvelles stratégies de ciblage et de communication
Dans une grande entreprise, le Data Analyst joue un rôle primordial. L’historique des données qu’il réussit à produire et à mettre en forme, permet de corriger les erreurs ou les oublis du passés pour améliorer les processus, contribuer au bon fonctionnement de l’entreprise et à son développement.
S’il travaille sur une seule source de données, avec l’expérience il évoluera vers le poste de Data Scientist. A la différence du Data Analyst, le Data Scientist croise toutes les données de l’entreprise : sa manière de traiter les données est davantage prédictive. Il anticipe l’historique des données pour élaborer des stratégies qui devanceront le marché.
