Julien Guitard

Chief Data & Science Officer - Lucky Cart

Son parcours

  • Titulaire d’un doctorat en économie-économétrie
  • 6 ans d’expérience dans le secteur public
  • Ancien consultant du BCG & Data Scientist chez Ernst & Young

Interview réalisée en avril 2017

Bonjour Julien, pouvez-vous nous détailler votre parcours et comment êtes-vous arrivé au monde de la data science ?

En fin de scolarité à Polytechnique et à l’ENSAE, j’ai effectué un PhD entre Londres et Paris, sur des questions d’économétrie, d’économie et de statistiques. J’ai ensuite travaillé en cabinet ministériel à Bercy où j’ai pu appliquer mes travaux de thèse et j’ai eu envie de donner une dimension plus business à mon parcours en rentrant en conseil au BCG en tant que consultant généraliste. C’est au bout de 2 ans au BCG que j’ai réalisé qu’avec mon background scientifique, je pouvais développer une expertise dans ce que l’on commençait à appeler la Data.

J’ai continué pendant quelques années chez Bluestone, en conseil spécialisé data avant de rejoindre récemment une start-up pour travailler sur des projets concrets d’innovation chez Lucky Cart.

Était-ce difficile d’intégrer l’univers de la Data ? Avez-vous eu besoin de réapprendre beaucoup de choses ?

Oui et non. Non, car ma thèse m’avait permis de consolider mes compétences en informatique et statistiques.  Oui, car la data science ce n’était pas uniquement cela et donc j’ai dû me mettre dans le bain. Cela dit, il suffit d’être prêt à apprendre et à 30 ans, heureusement que je conservais cette posture d’apprentissage. D’ailleurs il est bon d’adopter ce réflexe assez tôt dans une carrière car avec la vitesse des évolutions techniques, nos compétences peuvent devenir rapidement obsolètes.

Est-ce que vous pensez que les approches de conseil en stratégie et de conseil en Data sont différentes ?

Il y a souvent une différence de niveau d’attaque des problématiques. Les problèmes data sont en général plus opérationnels, même si on a de plus en plus affaire à des membres du board. Le conseil en data  était vu à mes débuts comme du conseil spécialisé, voire IT, mais c’est clairement de moins en moins le cas.

En matière de façon de raisonner, les deux se complètent bien. L’approche inductive du conseil en stratégie s’applique tout à fait à la recherche et à l’application data.

Bien sûr, les compétences usuelles d’un consultant constituent un dénominateur commun: savoir communiquer sur ses résultats, faire des slides attrayants, organiser une réflexion et un projet, délivrer des messages clairs…

D’ailleurs aujourd’hui en tant que CDO, j’estime que ces compétences sont primordiales et j’essaie de transmettre à mes équipes cette envie de valoriser nos travaux.

Pensez- vous qu’un passage dans le conseil peut apporter un réel plus à une carrière dans la Data ? Quels choix de carrière recommanderiez-vous entre commencer en start-up ou dans le conseil ?

Tout à fait, je pense que l’apport du conseil à une carrière dans la Data est fondamental et on peut faire ce choix à différents stades de son parcours.

En début de carrière, il est crucial d’être dans un environnement où l’on apprend beaucoup. Ce qu’il faut développer en priorité, c’est l’aspect technique, dans le prolongement du monde académique, mais il faut assez vite ajouter une dimension conseil à ses atouts.

2-3 ans d’expérience en start-up puis un passage en conseil ou bien commencer dans du conseil très technique avec un environnement cadré me paraîssent être de très bonnes options.

Attention toutefois aux start-ups au tout début de leur développement ; on est souvent livré à soi-même et personne n’est la pour nous faire apprendre et nous challenger. La Data science ne s’apprend pas que sur Coursera ou des MOOCs, il y a une transmission qui peut être faite des seniors aux juniors et je pense que commencer dans le conseil permet d’en bénéficier.

Pour ceux qui souhaiteraient rejoindre la Data, quelles sont les questions à se poser ?

Déjà, je pense qu’il faut se dire qu’aucune décision n’est définitive et que l’on peut changer de carrière plus tard. Cela n’empêche pas de commencer avec des convictions. Personnellement, j’avais la conviction que les questions mathématiques et business pouvaient se rencontrer et j’avais envie de les combiner. Il faut se demander pourquoi on fait les choses, pourquoi on se dirige vers cette voie. Les raisons peuvent être de toutes sortes mais il ne faut pas le faire juste parce que c’est à la mode.

Ensuite, je pense qu’il faut être très analytique, savoir découper des problèmes compliqués en plusieurs problèmes simples, aimer les chiffres, être débrouillard et ne rien prendre pour acquis. Il faut surtout être prêt à suivre  les évolutions technologiques et à se repositionner sur d’autres compétences, d’autres jobs si nécessaire.

Pouvez-vous nous parler de Lucky Cart ? Quel est le rôle de la Data chez vous ?

Lucky Cart, c’est une entreprise avec maintenant 6 ans d’existence qui compte une trentaine de salariés. Tout part d’une conviction : le monde de la promotion n’a pas beaucoup évolué malgré le récent tsunami digital. On a donc décidé d’aider les retailers et les marques à optimiser leurs investissements promotionnelles via les outils digitaux et de la gamification.  Concrètement nous arrivons à distribuer la bonne promotion, au bon format et à la bonne personne.

La Data est au cœur de notre proposition de valeur : on s’appuie énormément sur l’intelligence artificielle et le machine Learning pour savoir ce qu’il faut adresser, à qui et à quel moment.

Comment est organisée votre équipe ? Quels sont vos objectifs d’ici 3-4 ans pour votre équipe Data ?

Aujourd’hui dans l’équipe Data, nous sommes 5 Data Scientists et 2 Data dev et notre objectif est double.

Tout d’abord, nous voulons être capable d’augmenter graduellement les performances de notre plateforme pour maximiser la satisfaction de nos clients et de leurs clients !

Ensuite, nous avons pour ambition de percer le secrets des comportements des consommateurs dans nos secteurs de prédilection et de comprendre, grâce à la Data, les facteurs d’achat imperceptibles autrement, avec un grand degré de finesse.

Retour aux témoignages