Guide d’entretien d’analyste de données

Méthode — Filtre -> jointure -> agrégation -> ordre -> limite

En supposant que nous ayons des clients (customer_id, name) et des commandes (order_id, customer_id, order_date, status, revenue). Je commencerais par clarifier si le chiffre d’affaires doit inclure les commandes annulées ou remboursées. En général, nous devrions n’inclure que les commandes terminées. La requête filtre les commandes des 30 derniers jours, les commandes terminées, regroupe par client, calcule le chiffre d’affaires total, ordonne les commandes par décroissant et limite à 5. Une version simplifiée utiliserait un CTE pour les commandes éligibles si la logique devient plus complexe. Des détails importants : utilisez la bonne colonne de date, évitez de joindre les tables au niveau des éléments de commande sauf si les données sont pré-agrégées, et décidez de la manière de gérer les égalités. Si la base de données le permet, utilisez une fonction de fenêtrage de classement lorsque les égalités doivent être incluses plutôt qu’une simple LIMIT 5. Une réponse solide valide également le résultat en vérifiant le chiffre d’affaires total des commandes éligibles, le nombre de lignes et si une ligne de commande principale présente des lignes de commande suspectement doublées.

Méthode — Définir la cohorte -> définir l’événement de retour -> jointure gauche -> agrégation

Tout d’abord, définissez précisément la rétention. Je définis les utilisateurs du cohort de janvier comme ceux dont la date d’inscription s’étend du 1er janvier au 1er février. Un utilisateur est considéré comme ayant une rétention sur 7 jours s’il a au moins un événement d’activité qualifié le 7e jour suivant l’inscription, ou dans les jours 1 à 7 si l’entreprise définit la rétention comme une rétention dans les 7 jours. Clarifiez cela avant toute requête. Pour une rétention exacte sur 7 jours, créez un cohort CTE avec user_id et date_inscription. Ensuite, effectuez une jointure à gauche avec les événements sur user_id où la date_événement_date égale date_inscription + intervalle 7 jours et le nom_événement est un événement actif significatif. Comptez les utilisateurs distincts du cohort comme dénominateur et les utilisateurs distincts ayant un événement correspondant comme numérateur. L'essentiel est de préserver les utilisateurs sans activité en utilisant une jointure à gauche. Si vous utilisez une jointure interne, vous supprimez les utilisateurs non conservés et augmentez la rétention. Évitez également que plusieurs événements ne dupliquent les utilisateurs conservés en comptant les user_id distincts. Méthrique finale : utilisateurs_conservés / utilisateurs_cohort. Segmentez par canal d'acquisition, plateforme, géographie ou semaine d'inscription si l'intervieweur vous demande une analyse.

Méthode — Classer les achats par utilisateur.

Utiliser une fonction de fenêtre pour classer les achats terminés pour chaque utilisateur selon l'heure d'achat. Filtrer les achats terminés en premier, puis appliquer row_number() sur partition par utilisateur_id dans l'ordre par purchase_at. Le deuxième achat est lorsque row_number = 2. L'ordre de filtrage est important. Si les achats annulés ou remboursés ne doivent pas être pris en compte, retirez-les avant de classer. Si plusieurs achats ont la même horodatage, ajoutez un critère de départ déterminant tel que order_id. La sortie peut inclure user_id et second_purchase_at peuvent être inclus dans le résultat. Si l'intervieweur demande des utilisateurs ayant effectué au moins deux achats, retournez uniquement les lignes avec un classement de 2. S'il demande tous les utilisateurs et un vide pour les utilisateurs sans deuxième achat, effectuez une jointure gauche avec la table des utilisateurs pour revenir à la sortie. La complexité temporelle est prise en charge par la base de données, mais dans la pratique, cela bénéficie des index sur user_id et purchase timestamp pour les grandes tables.

Méthode — Une ligne par utilisateur, avec les horodatages des étapes.

Je créerais une ligne par utilisateur contenant le premier horodatage de chaque étape de l’entonnoir. Cela évite de compter plusieurs fois les utilisateurs qui déclenchent plusieurs fois le même événement. Dans la table d’événements, on peut utiliser une agrégation conditionnelle, par exemple MIN(CASE WHEN event_name = 'signup' THEN event_at END), puis répéter ce principe pour les autres étapes. J’imposerais ensuite l’ordre des étapes si le besoin métier l’exige. La vérification de l’adresse e-mail doit alors suivre l’inscription, l’intégration suivre la vérification et le premier achat suivre l’intégration. Si l’entreprise souhaite mesurer une conversion souple, indépendamment de l’ordre, cette hypothèse doit être explicitement documentée. Je calculerais les taux de conversion entre l’inscription et la vérification, la vérification et l’intégration, l’intégration et l’achat, puis de l’inscription à l’achat. Pour chaque taux, le dénominateur correspond aux utilisateurs distincts ayant atteint l’étape précédente. Je segmenterais les résultats par plateforme, canal d’acquisition, appareil, zone géographique et cohorte d’inscription afin de localiser les abandons. Les principaux cas limites sont les événements en double, les utilisateurs qui sautent une étape, les frontières de date et de fuseau horaire, les comptes de test ou robots et les événements reçus en retard.

Méthode — Validez -> segment -> tunnel -> facteurs externes -> recommandation

Commencez par vérifier que la baisse est réelle. Contrôlez les modifications du suivi analytique, les retards des pipelines de données, les problèmes de fuseau horaire, le filtrage des robots, les changements liés à une nouvelle version de l’application, ainsi que la présence de la baisse dans plusieurs tableaux de bord ou tables brutes. Segmentez ensuite la baisse par plateforme, version de l’application, zone géographique, canal d’acquisition, ancienneté des utilisateurs, formule payante ou gratuite, type d’appareil et source de trafic. Une baisse généralisée évoque un problème de mesure, d’infrastructure ou de produit à grande échelle. Une baisse circonscrite oriente plutôt vers une plateforme, une version, un marché ou un canal précis. Examinez ensuite le parcours utilisateur. Les ouvertures de l’application ont-elles diminué ? Le taux de connexion réussie a-t-il baissé ? Le chargement de la page d’accueil échoue-t-il ? Les notifications ou les actions principales ont-elles reculé après l’arrivée des utilisateurs ? Si les ouvertures restent stables mais que l’activité principale diminue, le problème se situe dans le produit. Si les ouvertures baissent, étudiez les notifications, l’acquisition, la saisonnalité, les pannes et les événements externes. Enfin, recommandez une action adaptée à la cause racine. Si le nombre d’utilisateurs actifs quotidiens sur iOS a chuté après une mise à jour et que le taux de plantage a augmenté, revenez à la version précédente ou publiez un correctif urgent. Si seuls les utilisateurs issus de l’acquisition payante reculent, vérifiez les dépenses publicitaires et l’attribution. Si les données sont en retard, signalez cette limite avant de créer une fausse urgence.

Méthode — Objectif -> mesure principale -> mesures d'entrée -> garde-fous -> segments

Commencez par l'objectif. Une fonctionnalité de recommandation pourrait viser à accroître la découverte, l'engagement, la conversion, la rétention ou la valeur de la commande. La mesure principale devrait refléter la valeur souhaitée par l'utilisateur, et non simplement les clics. Par exemple, pour les recommandations e-commerce, une mesure solide pourrait être les achats ou les actions d'ajout au panier à partir d'articles recommandés par utilisateur actif. Les mesures d'entrée comprennent les impressions de recommandations, le taux de conversion, le taux d'ajout au panier, le taux de conversion, le revenu par session, la couverture et la diversité. Les garde-fous comprennent les retours, les remboursements, les clics de faible qualité, la latence de page, les plaintes des utilisateurs et la cannibalisation de la découverte organique. Segmentez selon les nouveaux utilisateurs par rapport aux utilisateurs récurrents, la catégorie, l'appareil, la source de trafic et la surface de recommandation. Un modèle pourrait améliorer la performance moyenne tout en nuisant aux nouveaux utilisateurs ou à de nouveaux utilisateurs ou à la découverte de produits à longue traîne. Vous évalueriez la fonctionnalité par un test A/B si possible, puis vous surveilleriez la rétention à plus long terme et le comportement de reprise des achats. Une augmentation de l'engagement à court terme n'est pas suffisante si les utilisateurs sont orientés vers des éléments non pertinents ou de faible satisfaction.

Méthode — Décomposer le chiffre d’affaires en trafic, taux de conversion, panier moyen, mix produit, prix et rétention client

Le chiffre d’affaires correspond généralement au trafic multiplié par le taux de conversion, puis par le panier moyen. Le mix produit, les prix, les achats répétés et les remboursements ont aussi un effet. Si le chiffre d’affaires augmente alors que la conversion diminue, plusieurs explications sont possibles. Le trafic peut avoir suffisamment progressé pour compenser la baisse de conversion. Le panier moyen peut aussi avoir augmenté grâce à une hausse des prix, à de nouvelles offres groupées, à davantage de clients professionnels, à des paniers plus importants ou à un mix orienté vers des produits plus chers. L’entreprise a peut-être réduit le trafic à faible intention : le taux de conversion baisse, mais les achats restants ont plus de valeur. Enfin, une modification du suivi peut affecter la mesure du chiffre d’affaires ou de la conversion. Je segmenterais les données par canal, produit, zone géographique, nouveaux utilisateurs et utilisateurs récurrents, segment de clientèle et appareil. Je décomposerais ensuite le chiffre d’affaires en sessions, conversion, panier moyen, taux de remboursement et achats répétés. Je vérifierais aussi si la conversion est mesurée par session, utilisateur ou visiteur, car un changement de dénominateur peut créer une tendance trompeuse. La recommandation dépend de la qualité de la croissance. Si le chiffre d’affaires progresse grâce à des clients à forte valeur et plus fidèles, une baisse de conversion peut être acceptable. S’il progresse uniquement après une hausse ponctuelle des prix tandis que la conversion des nouveaux clients se dégrade, cela peut signaler un risque pour la croissance future.

Méthode — Audience -> décisions -> métriques de décision -> alertes de coupe

Commencez par définir le public et les décisions à prendre. Les dirigeants ont besoin d’une vue d’ensemble de la croissance, de la rétention, de la monétisation et des risques. Ils n’ont pas besoin de tous les détails opérationnels dans la partie immédiatement visible du tableau de bord. Indicateurs de premier niveau : revenu mensuel récurrent (MRR), rétention nette et brute du revenu, nouveau MRR, MRR d’expansion, de contraction et perdu, clients actifs, conversion de l’essai vers une offre payante, revenu moyen par utilisateur, délai de récupération du coût d’acquisition si disponible, et prévision par rapport à l’objectif. Segmentations utiles : segment de clientèle, canal d’acquisition, offre, zone géographique, taille de l’entreprise, mois de cohorte et vente assistée ou en libre-service. Les visualisations peuvent inclure des courbes de tendance, la rétention par cohorte, un pont de MRR, les motifs de résiliation et l’écart par rapport à l’objectif. Principes de conception : affichez les définitions, la date de dernière actualisation, les filtres, le responsable et les seuils d’alerte. Évitez les indicateurs flatteurs mais peu utiles, ainsi que le mélange entre volumes d’utilisateurs et indicateurs de revenu sans libellés explicites. Le tableau de bord doit répondre à quatre questions : progressons-nous, pourquoi, où se situent les risques et que doit examiner la direction ensuite ?

Méthode — Clarifiez la décision -> expliquez les risques -> proposez une meilleure perspective

Je commencerais par clarifier la décision que l’interlocuteur cherche à prendre. Il arrive qu’une partie prenante demande un graphique précis parce qu’elle a déjà un récit en tête, alors que son besoin réel est d’obtenir une réponse métier. J’expliquerais ensuite les risques clairement, sans adopter une posture défensive. Par exemple, une courbe de chiffre d’affaires cumulé peut toujours monter et masquer un ralentissement récent. Un diagramme circulaire comportant trop de catégories peut rendre les différences difficiles à percevoir. Un graphique dépourvu d’intervalles de confiance peut donner une impression de précision excessive. Un taux de conversion présenté sans tenir compte du mix de trafic peut induire en erreur. Je proposerais une autre représentation qui répond plus fidèlement à la même question : courbe de tendance, analyse par cohorte, entonnoir, distribution, diagramme en barres segmentées ou décomposition de l’indicateur. Si le graphique initial restait nécessaire, je pourrais l’inclure en précisant ses limites, mais je ne le recommanderais pas s’il conduisait à une interprétation trompeuse. L’objectif est de préserver la confiance. Un analyste doit se montrer utile, tout en restant garant de la rigueur de ses analyses.

Méthode — Profil -> standardiser -> valider -> documenter

Commencez par profiler les données : nombre de lignes, noms de colonnes, valeurs manquantes, doublons, types, valeurs impossibles, formats de date et valeurs aberrantes. Je conserverais une copie des données brutes avant toute transformation. Normalisez ensuite les champs : supprimez les espaces superflus, harmonisez la casse, convertissez les dates dans un format cohérent, normalisez les devises ou les unités, séparez les champs combinés si nécessaire et associez les catégories incohérentes à une liste contrôlée. Avant de supprimer des doublons, définissez précisément la clé métier. Validez ensuite les totaux par rapport à une source fiable. Par exemple, le chiffre d’affaires doit concorder avec les exports financiers, le nombre de commandes avec le système source et la période couverte doit être complète. Je mettrais en place des contrôles sur les taux de valeurs manquantes, les nombres de valeurs distinctes et les catégories admises. Enfin, documentez toutes les transformations. Une feuille de calcul utilisée pour la prise de décision doit rendre les hypothèses visibles, séparer les données brutes des données nettoyées et éviter toute modification manuelle cachée impossible à auditer.

Méthode — Exploration contre calcul maîtrisé

Les tableaux de répartition sont excellents pour l'exploration rapide, le regroupement, le découpage et la synthèse des données par dimensions. Ils sont utiles lorsque la question porte sur les totaux concerne des totaux, comptages, moyennes ou tendances par catégorie et lorsque les parties prenantes souhaitent un filtrage interactif. L'analyse basée sur des formules est préférable lorsque la logique est personnalisée, en plusieurs étapes, vérifiable ou nécessite un contrôle précis. Des exemples incluent les calculs de cohort, les modèles en cascade, la notation pondérée, les drapeaux d'exception, les vérifications de réconciliation ou les entrées alimentant une prévision. En pratique, j'utilise généralement les deux : les tableaux croisés pour explorer rapidement les modèles, puis des formules ou un modèle plus propre pour produire la réponse finale. Pour les rapports récurrents, vous préférez une requête reproductible ou une chaîne de traitement BI plutôt qu'un tableau manuel fragile.

Méthode — Hypothèse -> randomisation -> mesures -> garde-fous -> décision

Hypothèse : la page de paiement redessinée réduit la friction et augmente le nombre d’achats complets sans créer d’effets négatifs en aval. Tout d’abord, confirmer la configuration de l’expérience : unité de randomisation, taille d’échantillon, durée, journalisation de l’exposition, éligibilité, et si les utilisateurs restent dans la même variante d’une session à l’autre. La randomisation par session plutôt que par utilisateur pourrait contaminer les résultats si les utilisateurs reviennent. Métrique principale : taux de conversion de paiement depuis le début du paiement jusqu’à l’achat complet. Métriques secondaires : taux d’échec de paiement, temps de paiement, valeur moyenne de commande, attachement de complément, et visites de retour. Gardes-fous : remboursements, retraits, tickets d’assistance, latence client, taux d’erreurs, et plaintes des clients. L’analyse doit inclure la signification statistique et la signification pratique. Un léger gain peut ne pas justifier une complexité d’ingénierie. L’analyse de segmentation peut révéler si le mobile s’est amélioré tandis que le desktop a diminué, mais évitez de réagir de manière excessive aux sous-groupes bruyants. Recommandation : déployez si la métrique principale s’améliore de manière significative, si les garde-fous sont sains, si les instruments sont fiables, et si l’effet persiste tout au long de la période de test complète.

Méthode — Vérifier la puissance, examiner la direction, évaluer les coûts, décider.

Un résultat non significatif n'implique pas automatiquement que la fonctionnalité n'a aucun effet. Vérifiez d'abord si le test a été conçu pour détecter un effet significatif. Si la taille de l'échantillon est trop faible ou si la mesure est bruyante, le résultat peut être inconclusive. Examinez ensuite l'effet et l'intervalle de confiance. Si l'intervalle inclut à la fois un avantage significatif avantageux et un inconvénient significatif, le test est incertain. Si l'intervalle est étroitement centré près de zéro, la fonctionnalité a probablement peu d'impact sur cette mesure. Considérez ensuite les coûts et la stratégie. Si la fonctionnalité est coûteuse à maintenir et ne présente aucun bénéfice mesurable, n'envoyez pas ou ne revenez pas en arrière. Si elle est stratégiquement importante, à faible risque ou améliore l'expérience utilisateur qualitative, envisagez d'itérer ou de mesurer une meilleure mesure. Je résumerais le résultat ainsi : ce que nous avons testé, ce que nous avons observé, le degré de confiance que nous avons, les limites qui existent, et la recommandation que je vous adresse.

Méthode — Définitions -> sources -> filtres -> granularité -> synchronisation -> réconciliation

Commencez par comparer les définitions. Un tableau de bord peut afficher le chiffre d’affaires brut, tandis qu’un autre présente le chiffre d’affaires net après remboursements, remises, taxes ou rétrofacturations. La date de comptabilisation peut également varier : commande, paiement, expédition ou facturation. Comparez ensuite les sources de données, les filtres et la granularité. Un tableau de bord peut exclure les comptes de test, les commandes annulées, les utilisateurs internes, les factures de certains grands comptes ou certaines zones géographiques. Un autre peut relier incorrectement les lignes de commande et dupliquer le chiffre d’affaires. Vérifiez aussi les fuseaux horaires et la date de dernière actualisation des données. Je rapprocherais les deux résultats à partir d’une source fiable en construisant un pont : partez du chiffre d’affaires du tableau de bord A, puis ajoutez ou retranchez chaque différence jusqu’à retrouver le tableau de bord B. Chaque écart doit avoir une cause identifiée. Le résultat final ne doit pas se limiter à dire que le tableau de bord A est incorrect. Il doit fournir une définition corrigée, un responsable, une source de référence et un plan pour éviter toute confusion future.

Méthode — Mesurer l'absence de données → diagnostiquer la cause → choisir une solution → communiquer

Tout d'abord, quantifier l'absence de données : quels champs, combien de lignes, quelle proportionnellement de lignes, et si l'absence de données varie selon le segment, le temps, la source ou la plateforme. Les données manquantes ne sont pas toujours aléatoires. Ensuite, diagnostiquer pourquoi elles sont manquantes. Cela peut être dû à une saisie utilisateur facultative, à un échec du suivi, à des données arrivant tardivement, à des problèmes d'intégration, à des restrictions de confidentialité, ou à une valeur légitime non applicable. La solution dépend de la cause. Les options comprennent l'exclusion de lignes, l'imputation de valeurs, la création d'une catégorie inconnue, la rétrofillade à partir d'une autre source ou la modification de la portée de l'analyse. Je préférerais éviter de remplir aveuglément les valeurs manquantes par zéro, car zéro et inconnu signifient des choses différentes. Enfin, indiquez l'impact. Décrivez comment les données manquantes affectent la confiance et si la recommandation change selon des hypothèses raisonnables.

Méthode — Décision -> analyse -> insight -> recommandation -> impact

Choisissez un exemple dans lequel votre analyse a clairement influencé une décision. Commencez par présenter l’enjeu métier : lancement, tarification, dépenses marketing, évolution produit, opérations ou priorisation. Expliquez ensuite l’analyse dans un langage simple. Quelles données avez-vous utilisées ? Quel indicateur était déterminant ? Quels segments avez-vous étudiés et qu’avez-vous découvert d’inattendu ? Ne consacrez pas toute la réponse aux outils : le recruteur veut comprendre comment votre travail a fait évoluer la décision. Présentez enfin votre recommandation et son impact. Votre analyse a peut-être montré qu’une campagne, rentable en apparence, perdait de l’argent sur un canal ; l’équipe a alors réaffecté le budget et amélioré le retour sur investissement. Ou bien une fonctionnalité a augmenté les clics mais réduit la rétention, ce qui a conduit l’équipe à la retirer. Une réponse solide mentionne aussi les réserves et la communication avec les parties prenantes. Expliquez comment vous avez traité l’incertitude et rendu la recommandation compréhensible.

Méthode — Clarifiez l’urgence -> fournissez une orientation claire -> précisez les limites -> planifiez le suivi

Je commencerais par clarifier la décision à prendre et son échéance. Si le risque est faible, une estimation indicative peut suffire. En revanche, si la décision touche au chiffre d’affaires, aux clients, à la conformité ou à la stratégie, le niveau d’exigence doit être plus élevé. J’expliquerais ensuite ce à quoi les données permettent de répondre immédiatement et ce qui reste incertain. Je pourrais fournir une première lecture assortie de réserves explicites : « D’après les données actuellement disponibles, la tendance semble négative, mais le suivi des utilisateurs Android est incomplet. Je ne prendrais donc pas encore de décision définitive concernant le lancement. » Je distinguerais la réponse immédiate du plan de suivi. À court terme : la meilleure estimation disponible et son niveau de confiance. Pour la suite : les étapes de nettoyage des données, les contrôles de validation, le rapprochement avec la source de référence et la date à laquelle une réponse plus solide sera disponible. Cette approche permet à la partie prenante d’avancer tout en préservant la rigueur analytique. La pire réponse serait un chiffre fourni rapidement et avec assurance, mais erroné.

Méthode — Impact -> urgence -> effort -> dépendance -> alignement des parties prenantes

Vous priorisez en fonction de l'impact business, de l'urgence, de l'effort, des dépendances, et de savoir, si l'analyse soutient une décision irréversible ou à haut risque. Une demande liée à une décision de lancement demain l'emporte généralement sur une amélioration d'un tableau de bord agréable à avoir. Je clarifie également la décision soutenue par chaque demande. Si une demande n’a pas de décision claire ou de propriétaire, elle peut nécessiter une refinement avant le début de l’analyse. Pour les demandes récurrentes, je recherche des opportunités d’automatisation afin que l’équipe ne soit pas bloquée dans un reporting manuel. Lorsque les priorités conflictuelles surgissent, je communique les compromis suivants : « Je peux réaliser l’analyse de l’attrition aujourd’hui ou la mise à jour du tableau de bord aujourd’hui, mais pas les deux. Puisque l’analyse de l’attrition influence le plan de rétention de cette semaine, je vous recommande de la réaliser en premier. » Les analystes expérimentés n’acceptent pas simplement chaque demande dans l’ordre. Ils aident l’organisation à consacrer le temps d’analyse là où il permet de changer des décisions.