En tant que data scientist, je contribue à l’analyse et à la valorisation des données pour améliorer la prise de décision et optimiser les processus métiers. Mon travail s’inscrit dans une démarche globale d’efficience opérationnelle, visant à rendre les activités plus performantes, plus rapides et moins coûteuses. Par exemple, j'ai travaillé sur le développement des modèles prédictifs pour le ciblage marketing, permettant d’identifier les clients les plus susceptibles d’être intéressés par une offre spécifique. Ces modèles s’appuient sur des données internes (historique client, comportement etc.) afin d'aider les équipes commerciales à mieux prioriser leurs actions et à améliorer leur taux de conversion. Je participe également à l’automatisation de certaines tâches analytiques. Mon rôle implique une collaboration étroite avec les équipes métier, afin de bien comprendre les besoins et de proposer des solutions adaptées. À travers ces missions, je contribue à rendre les processus plus intelligents et plus agiles, tout en renforçant la capacité de l’entreprise à exploiter ses données comme un levier stratégique.

Ce que j’apprécie particulièrement dans mon travail, c’est la diversité des sujets sur lesquels je suis amenée à intervenir. Chaque projet est une opportunité d’explorer de nouveaux domaines, d’approfondir mes compétences techniques et de développer une vision plus globale des enjeux métiers. Cette variété me permet de progresser continuellement, tant sur le plan technique que stratégique. J’aime également la dimension collaborative de mon poste. Travailler en lien étroit avec les équipes métiers me permet de sortir du cadre purement analytique pour mieux comprendre les besoins concrets du terrain. Cela donne du sens à mon travail : je vois directement l’impact de mes analyses et de mes modèles sur les décisions prises et les actions menées. Enfin, ce qui me plaît dans l’entreprise, ce sont les valeurs qu’elle incarne au quotidien. L’inclusivité, en particulier, n’est pas qu’un mot : c’est une réalité que je ressens dans mes interactions, dans la manière dont les idées sont accueillies, et dans l’ambiance de travail. Cela crée un environnement bienveillant, stimulant et propice à l’épanouissement professionnel.

Mon meilleur conseil serait de ne pas avoir peur de poser des questions, même (et surtout) quand on débute. La data science est un domaine vaste et en constante évolution, et il est normal de ne pas tout savoir au départ. S’entourer, tester, lire, expérimenter, même en dehors des projets immédiats, échanger avec les data scientists plus expérimentés, ou même d’autres profils techniques permet d’apprendre beaucoup plus vite.

Parmi mes plus grandes réussites professionnelles, je retiens plusieurs éléments marquants malgré mon expérience encore récente. J’ai eu l’opportunité de travailler sur des sujets variés, ce qui m’a permis de monter rapidement en compétences, aussi bien sur des aspects techniques (modélisation, NLP, ciblage marketing) que sur la compréhension des enjeux métiers. J’ai contribué à la mise en place d’un modèle de ciblage qui a permis d’améliorer la performance des campagnes marketing, en affinant les segments clients. Enfin, j’ai eu la responsabilité d’encadrer une prestataire, ce qui m’a permis de développer des compétences en coordination, en gestion de la priorisation des tâches, et en gestion de projet à petite échelle — une expérience très enrichissante à ce stade de ma carrière .