Adopter une approche Analytics Engineering avec Spendesk
#51 - Le zoom, le podcast, la ressource de Jules et l'épisode sur le DataOps
Hello,
Bienvenue dans l’édition #51 de la newsletter DataGen ! 👋
L'agenda de la semaine :
🔍 Zoom sur la mise en place d’une approche Analytics Engineering
🎙 Le podcast avec Jules, Analytics Engineer chez Spendesk
📚 La ressource recommandée par Jules
🎙 Le podcast sur la mise en place d’une approche DataOps avec Saagie
C’est parti !
❤️ Merci à notre partenaire qui permet à la newsletter de rester gratuite
Ne ratez pas La Matinale Data & IA le 7 décembre sur les IA Génératives.
Des Chief Data & AI Officers, des experts de Business & Decision, Microsoft, Dataïku, Snowflake, etc. partageront leur retour d'expérience.
Lien pour s’inscrire : ici.
🔍 Zoom sur la mise en place d’une approche Analytics Engineering - 3 min
Ce zoom est tiré de mon échange avec Jules qui est Analytics Engineer chez Spendesk, la licorne française aux 180 000 utilisateurs qui facilite les dépenses en entreprise.
L'organisation de l’équipe Data
- Un Head of Data qui est rattaché au CPTO (Chief Product and Technical Officer).
- Une équipe Machine Learning (dont on ne parle pas trop aujourd’hui).
- Une équipe Data Engineering composée de 6 personnes : 1 lead, 3 Analytics Engineers et 2 Data Engineers.
“L’équipe Data Engineering s’occupe de la partie ingestion, de la partie infrastructure / plateforme data et de la partie modélisation.”
Les 2 chantiers des Analytics Engineers
Voici le post Linkedin dans lequel de les ai synthétisés. Une question ? Pose-la en commentaire et on t’y répond avec Jules.
Qui réalise les analyses data ?
- L’équipe Research & Insight rattachée à l’équipe Produit : ils sont complètement autonomes.
“Ils font du SQL directement sur Snowflake et créent des modèles dbt en autonomie.”
- L’équipe RevOps qui s’occupe des analyses en rapport avec l’activité commerciale et l’équipe finance : ils sont autonomes pour réaliser leurs analyses.
“On interagit surtout lorsqu’il y a des évolutions ou quand il y a des bugs.”
Chez Spendesk, il n’y a pas d’équipe Data Analytics à proprement parler.
“Les équipes métiers font leurs propres analyses.”
🎙 Le podcast avec Jules, Analytics Engineer chez Spendesk
Découvre l'intégralité de notre échange avec Jules.
On aborde également :
Son parcours pour devenir Analytics Engineer
Le challenge principal de l’équipe Analytics Engineer
Leur utilisation de dbt
Les next steps de l'équipe : Monitoring et Observabilité
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify | Deezer
📚 La ressource recommandée par Jules
“C'est une newsletter hebdomadaire sur des sujets data engineering, analytics ou machine learning. Très intéressante, rapide à lire et l’auteur met souvent des références à des articles un peu plus longs pour ceux qui veulent en savoir plus. Bref, un bon curateur de contenus.”
🎙 Le podcast sur la mise en place d’une approche DataOps avec Saagie
Laurent Heurtin est VP Engineering chez Saagie, la start-up française ayant levé 30 millions d’euros qui édite un logiciel DataOps permettant d'accélérer la livraison des projets data.
On aborde :
Ce qu’est le DataOps en reprenant notamment la définition du Gartner,
Dans quel contexte les entreprises adoptent une approche DataOps,
Comment la mettre en place et quel est le rôle d’un outil comme Saagie,
Le marché du DataOps, les bonnes pratiques et des cas concrets.
Liens vers l’épisode : Apple Podcasts | YouTube | Spotify | Deezer