Une réflexion sur un changement de carrière vers les data.

On m’a souvent posé cette question. «Qu’est-ce qui ne va pas avec le marketing numérique?» «Pourquoi ne pas simplement faire du marketing général?» «Qu’est-ce qui est si excitant à propos des data?» 

 

UN PREMIER QUESTIONNEMENT APPARAÎT

Avant d’être en data numérique, j’étais dans un emploi où j’avais des questions sur ce qui pouvait ou ne pouvait pas être mis à jour sur le site Web de l’entreprise. Les TI diraient continuellement «non» sans donner de raisons. Je voulais vraiment savoir pourquoi, alors j’ai décidé de prendre des cours et de le découvrir moi-même. À la NYU , j’ai suivi toutes sortes de cours en HTML, en développement Web et en multimédia. Ce que j’ai appris a complètement changé l’orientation de ma carrière, car je suis devenu le trait d’union entre l’informatique et les départements partenaires. Ce changement m’a lancé en data numérique.

 

UN AUTRE QUESTIONNEMENT IMPORTANT

Les années ont passé. Je suis passé à un nouvel emploi et plusieurs années ont passé par la suite. Finalement, j’ai rejoint une équipe d’analyse, où nous avons été chargés de rechercher des moyens de mieux capturer et analyser les efforts en data numérique. C’est ici que j’ai commencé à penser aux data plus qu’avant. Une question m’est venue à l’esprit et m’a harcelée parce que je n’avais pas de réponse à cela. Je me suis demandé si quelque part dans les data, aucune histoire ne pourrait mieux m’aider à répondre à cette question.

Nous avons eu un problème de ressources qui nous a obligés à nous concentrer uniquement sur nos produits les plus vendus ou sur de nouveaux produits nécessitant un lancement préliminaire. Cela signifiait que nos produits de milieu de gamme avaient très peu d’attention, voire aucun. Cela peut arriver souvent à cause de ressources limitées. Lorsque vous produisez beaucoup de produits, vous devez définir des priorités en fonction de l’argent et de la main-d’œuvre. Mais je me demandais… et je me demandais beaucoup. Y a t-il quelque chose qui me manque dans les data qui pourrait aider à tirer parti de ces produits sans affecter les ressources? Et comme cela arrive souvent quand des questions me harcèlent, je surf beaucoup sur google beaucoup, puis je finis à l’école.

Dans ce cas, un de mes employés m’a envoyé des informations sur un atelier en data science qu’elle était intéressée d’organiser à l’ Assemblée générale (AG) . Lorsque j’ai lu les autres options disponibles à l’école, l’expression «modélisation prédictive» m’a intriguée. C’était dans la description d’un atelier Data Science. J’avais besoin d’y assister.

Role des data scientist

L’atelier a présenté les bases de ce que font les data scientist et les outils qu’ils utilisent dans leur métier: ils analysent et communiquent des informations basées sur des données à l’aide de la modélisation et de l’apprentissage automatique. C’était juste une infime information, mais c’était suffisant. Je voulais en savoir plus.

Un outil qu’ils ont évoqué était le python et je ne l’avais jamais utilisé auparavant. Je voulais voir à quoi ça ressemblait alors j’ai pris Introduction to Python Bootcamp de GA . De là, j’ai fait un pas en arrière et réfléchi. Je me sentais comme si les outils étaient là pour m’aider à comprendre les histoires que les data essayaient de me raconter davantage. Mais je n’étais pas encore sûr de la prochaine étape à franchir. J’ai recherché mes options. Entre temps, j’ai suivi d’autres ateliers de GA, notamment la cartographie de la stratégie des médias sociaux et le marketing numérique . J’avais encore des compétences en marketing numérique à entretenir après tout…

 

UNE FORME D’IDÉE

Le sujet de la data science et de l’approfondissement de ces connaissances me tenait à l’esprit, un peu comme un ver d’oreille. Je ne pouvais pas avoir l’idée d’explorer des histoires dans des data et de résoudre ses énigmes de ma tête. J’ai fait des recherches sur les écoles en ligne et je me suis retrouvé à revenir à GA, qui commençait à me sentir comme une deuxième maison pour moi. GA avait deux programmes de data science, un à temps partiel et un à temps plein. Bien que je ne sois pas prêt à quitter mon travail et à me lancer dans le programme immersif, cela l’intriguait. Alors, je suis allé à une session de questions-réponses à ce sujet et je suis tombé en amour avec tout le concept et l’approche. Utiliser une salle de classe interconnectée m’a fasciné, à un point tel que l’idée de me laisser hanter. Cependant, quitter mon travail semblait si risqué. Vaut-il vraiment la peine de quitter mon emploi juste pour essayer de me procurer les outils nécessaires pour m’aider à répondre à une question.

Il y avait beaucoup de choses à penser ici. J’ai pesé le pour et le contre et dressé des listes ultérieures de chaque partie à examiner. Ensuite, j’ai eu l’idée que je devrais peut-être voir si je pouvais entrer dans le programme en premier, puis m’inquiéter de la grande décision qui en découlerait. Donc c’est ce que j’ai fait. J’ai postulé et j’ai été accepté. Seulement, j’ai retardé l’entrée pour pouvoir y réfléchir plus longuement. Mon plan était aussi de prendre ce temps pour me rafraîchir la mémoire sur les mathématiques que j’avais apprises il y a très longtemps.

 

L’INTERRUPTION

 

Tandis que je réfléchissais à cette grande décision, un changement radical s’est produit dans ma vie professionnelle. Mon entreprise a traversé une restructuration et mon département a été fermé. Ces choses arrivent. Et vous penseriez, hé, un timing parfait. Plongez dans la data science. Le truc, c’est qu’il me fallait un moment. 

Je travaillais dans l’entreprise depuis plus de douze ans et j’avais créé le service à partir de rien. Et je devais aussi penser aux employés. Bien que je comprenais la décision commerciale de consolider, j’ai porté plainte pour ce qui était perdu.

J’ai pris quelques mois pour réfléchir à ce que je voulais vraiment que mon chemin de carrière soit. Pendant que je faisais cela, je suis tombé dans ma zone de confort de prendre des cours. Oui, plus de cours. Vous sentez un motif? J’ai pris un tas à travers Coursera . Mes favoris étaient une série de cours sur le leadership des personnes et des équipes et le référencement.. Au cours de cette période, j’ai également pris le temps de méditer, de faire de la randonnée et de réfléchir à la vie. De plus, j’ai installé mon camp à la bibliothèque locale et fait beaucoup de recherches. En fin de compte, je revenais sans cesse sur les données et sur leur utilisation dans toutes les situations. Mais plus que cela, j’étais fasciné par l’apprentissage automatique et la modélisation. J’ai également été attiré par les possibilités de découverte d’idées novatrices en apprenant à approfondir l’analyse des données. J’ai finalement eu ce moment «Qu’est-ce que j’attends?» Et j’ai contacté GA pour voir si je pouvais démarrer la prochaine session Data Science Immersive. Et heureusement, cette réponse était «oui».

NOUVELLE DIRECTION

Alors, oui, il m’a fallu un certain temps pour comprendre l’idée de changer de carrière. Et c’est bon. Si vous envisagez de faire ce genre de changement, prenez le temps dont vous avez besoin pour en être sûr. Fais tes recherches. Poser des questions. Trouvez le bon chemin pour vous. Et si et quand vous êtes prêt, faire ce saut sera d’autant plus gratifiant.

Pour moi, la data science est un sujet plus enrichissant que je n’aurais pu l’imaginer. J’en suis tombée amoureuse et j’ai maintenant envie d’apprendre tout ce que je peux. Mon sujet de prédilection était le traitement automatique du langage. Je n’avais jamais pensé à utiliser des mots en tant que données auparavant. J’ai également un petit moment de joie chaque fois que j’arrive à lancer des données dans un espace multidimensionnel. Mais c’est peut-être le connaisseur de science-fiction en moi qui aime ça. En tout cas, c’est ce qui m’a amené à la data science. Et je suis content d’être ici! Je n’ai toujours pas de réponse à la question qui m’avait initialement amené ici, mais je crois que j’ai maintenant les outils pour m’aider à y arriver. Je suis excité de voir ce que je peux maintenant apprendre avec ces outils pour cette question et plus encore.

 

? Ebook gratuit : 7 soft skills essentiels pour devenir Data Scientist

? Cet article peut intéresser un ami(e), partagez lui

? Participe gratuitement à nos prochains Meetup

La note globale de cet article est
[Total: 1 Average: 5]
Est-ce que cet Article vous a été utile? Utile Pas utile
Partager cet article