Bonjour, peux-tu te présenter en quelques mots ?
Bonjour, je suis Phuong Nguyen, diplômée du MSc Data Management. Mon parcours à Paris School of Business fait partie de mon projet de reconversion professionnelle que j’ai mené depuis 2018.
J’ai obtenu mon premier master en Economie-Gestion en 2012 et j’ai travaillé pendant 7 ans en tant qu’Acheteuse Internationale.
Passionnée par les chiffres et les nouvelles technologies comme le Big Data, l’Intelligence Artificielle et la Blockchain, je me suis orientée petit à petit vers l’analyse de données.
Après une expérience réussie au sein de Prisma Media, aujourd’hui, je suis Growth Analyst chez SwissBorg, une jeune entreprise suisse qui a pour vocation de démocratiser la gestion des investissements dans la crypto monnaie.
Tu es en MSc Data Management, pourquoi tu as choisi ce master ?
Le Master Data Management correspondait à ce que je cherchais : en effet, un analyste de donnée doit non seulement maîtriser les techniques de traitement des données mais il doit également comprendre les enjeux managériaux dans lesquels les décisions sont prises. Le partenariat qu’offrent Paris School of Business et l’EFREI répond parfaitement à cette exigence des entreprises.
Par ailleurs, l’alternance et le côté international du programme (la moitié des cours est en anglais.) permettent également aux étudiants de bien préparer les compétences nécessaires avant de se lancer dans la vie professionnelle.
Tu as récemment publié un article dans la revue Management & Data Science, peux-tu nous raconter dans quel contexte tu as écrit cet article ?
J’ai eu l’opportunité de travailler avec la revue Management & Data Science grâce à plusieurs challenges autour de l’analyse de données organisés par Paris School of Business. Il s’agit d’une plateforme de collaboration et de partage entre les experts de données. La vision de cette revue correspond bien à ce que je vois du métier d’analyste : nous devrions rendre les connaissances acquises avec la communauté, car c’est le meilleur moyen de la faire progresser.
Etant totalement en phase avec ce que propose Management & Data Science et ayant voulu rendre mon travail utile pour les membres de la communauté des analystes de données, l’article a donc été écrit dans ce contexte, peu après la soutenance de ma thèse professionnelle.
Cet article a pour titre « comment utiliser l’intelligence artificielle pour prédire le revenu par mille dans la publicité digitale ? » Pouvez-vous nous expliquer pourquoi vous avez choisi ce sujet ?
La publicité digitale chez les éditeurs de presse connaît une vraie mutation avec l’arrivée de nouvelles technologies. J’ai pu constater, grâce à mon expérience chez Prisma Media, que les recettes des éditeurs en ligne aujourd’hui dépendent en large partie des revenus publicitaires. Dans un souci d’optimisation de la performance publicitaire, prévoir l’évolution du marché devient donc une tâche importante des analystes de revenus. Dans ce cadre, ils ont besoin des outils performants afin de réaliser des prévisions fiables sur lesquelles s’appuient les décisions stratégiques.
Grâce au cours de machine learning et de l’intelligence artificielle dans le cadre du Master, j’ai pu me familiariser avec les techniques les plus utilisées dans les recherches scientifiques en analyse prédictive. Elles consistent à exploiter les données historiques et à dessiner ce qui va se passer à l’avenir avec une probabilité. J’ai donc voulu ces méthodes afin d’apporter une solution aux problématiques actuelles des éditeurs.
Peux-tu en quelques mots nous résumer ton article et les points clé à retenir ?
L’objectif de l’analyse est de construire et de comparer des modèles de régression permettant, à partir d’une historique des revenus publicitaires par mille (RPM) journaliers, de prédire les RPM journaliers futurs. Les éléments clé qui ont été pris en compte dans l’analyse et la prédiction sont la tendance et les variations saisonnières de revenus.
L’article décrit la méthodologie et la démarche allant de la préparation des données jusqu’aux résultats. En terme d’impact managérial, cette analyse contribue à une approche analytique à la prédiction des revenus publicitaires, applicable à tout éditeur en ligne. Un tel modèle, une fois mise en production, permettra aux analystes de mieux appréhender la prévision des revenues et de mieux préconiser le plan d’action aux équipes concernées. Il contribuera de manière significative au pilotage d’activité et aux gains d’efficacité.
Par ailleurs, dans le contexte où la concurrence est de plus en plus accrue entre tous types de contenus en ligne, l’article démontre la nécessité des éditeurs de comprendre les données mises à disposition. Ces dernières constituent aujourd’hui la matière indispensable dans la conduite de leur stratégie.
Tu as rencontré des difficultés lors de l’écriture de cet article ?
Cet article est un résumé de ma thèse professionnelle dans le cadre du MSc Data Management. Réduire une thèse de 70 pages en un article de 1200 mots n’est vraiment pas facile. J’ai dû me poser des questions pour mieux comprendre ce qui intéresserait le plus les lecteurs – les experts des données chez les éditeurs. Je me suis donc concentré sur les problématiques que rencontrent aujourd’hui les analystes et ainsi orientée l’article vers le côté pratique et les impacts managériaux. Les limites de l’étude ainsi que les perspectives ont également été détaillée pour bien montrer dans quelles mesures les solutions proposées seront applicables.
En quoi ton expérience à Paris School of Business t’a aidé dans l’écriture de cet article et la rédaction de ta thèse professionnelle ?
J’ai eu l’occasion, à Paris School of Business, d’apprendre comment se déroule une recherche afin de produire un article scientifique ou une thèse professionnelle. Une démarche structurée demande au rédacteur de bien étudier sa problématique, de comprendre l’état de l’art du sujet concerné et à partir de cela construire sa propre méthodologie. Le rédacteur doit également avoir un regard critique de son travail et comprendre les impacts et les enjeux de son application. C’est cette approche scientifique qui m’a guidée tout au long de la rédaction de ma thèse professionnelle et de l’article.
Votre professeur, vous a-t-il aidé/accompagné dans la rédaction de cet article ?
J’ai été suivi par mon professeur pendant la rédaction de la thèse. Il m’a donné de très bon conseils qui m’ont été très utiles à structurer la méthodologie ainsi que la rédaction. Une fois la thèse terminée, grâce à sa bonne structure, j’ai pu rédiger moi-même l’article.
Auriez-vous des conseils à donner aux étudiants dans le même parcours que vous ?
L’analyse des données est un domaine très récent et la technologie change très vite. Les analystes doivent maîtriser non seulement les compétences techniques du traitement de la donnée, mais également les connaissances métiers et d’excellentes communications. N’hésitez pas à apprendre et à vous entraîner pendant l’alternance pour bien réussir à la sortie d’école.
Quels sont tes projets pour le futur ?
Je continuerai de travailler en tant que Analyst chez SwissBorg, dans le domaine de la crypto monnaie qui me passionne. En même temps, je me forme pour acquérir des connaissances dans ce secteur qui évolue très vite.
Le mot de la fin ?
Si les étudiants du même parcours que moi ont besoin des conseils, qu’ils n’hésitent pas à me contacter via mon LinkedIn : https://www.linkedin.com/in/fphuongnguyen/