Stagiaire Data Analyst F/H (2026-168645)

Description de l'offre

Filiale du Groupe EDF, Datanumia, expert des services numériques au service de la transition énergétique met la valorisation des données au cœur de sa stratégie de croissance.

Au sein de l’équipe Data regroupant les Data Engineers, Data Analysts et Data Scientists, vous serez au carrefour des métiers de l'entreprise :
• Product Management
• Marketing / avant-vente
• Innovation
• UX / design
• Equipes de développement

Vous aurez accès aux données issues de nos produits depuis une plateforme data contenant un datalake et un datawarehouse
Contexte
Dans le cadre de la transformation analytique de l’entreprise, nous souhaitons accélérer l’adoption du self service analytics au sein des équipes métiers. L’objectif est de permettre à chaque collaborateur de gagner en autonomie sur ses analyses tout en renforçant la qualité, la fiabilité et la rapidité de production des insights.
Le rôle futur de l’équipe analytique sera centré sur la compréhension des besoins métier, la mise à disposition de modèles de données fiables et documentés, ainsi que l’accompagnement des utilisateurs dans l’exploitation des outils analytiques en self-service.
Le stage s’inscrit dans cette démarche et vise à tester, comparer et documenter les solutions analytiques permettant d’atteindre cette ambition.

Objectifs du stage
Le ou la stagiaire contribuera directement à la construction de l’offre self service analytics de l’entreprise. Les principales missions seront :
1. Tester plusieurs solutions de self service analytics
• Évaluer l’usage de Tableau, l’outil de dataviz actuellement utilisé dans l’entreprise dans un usage self service
• Tester des solutions alternatives telles que Metabase ou d’autres outils de BI
• Explorer l’utilisation d’agents IA connectés aux modèles de données et aux bases internes pour générer des analyses automatisées
2. Réaliser une analyse comparative des outils testés
• Évaluer la facilité de prise en main pour différents profils utilisateurs.
• Mesurer la rapidité d’exécution et d’analyse.
• Tester la fiabilité et la cohérence des résultats produits.
• Identifier les avantages / limites de chaque solution et proposer un arbitrage sur la technologie à privilégier.
3. Définir les bonnes pratiques pour le déploiement de l’outillage choisi
• Identifier les prérequis nécessaires (structure des modèles, qualité des données, documentation).
• Rédiger des guides de prise en main, tutoriels, supports d’accompagnement.
• Formaliser les risques de mauvaise utilisation et les règles pour les éviter.
• Contribuer à la préparation du plan de déploiement auprès des équipes métiers.

Livrables attendus
• Retour d’expérience de l’utilisation de chaque outil.
• Tableau comparatif des solutions testées.
• Recommandation argumentée sur l’outil à adopter.
• Documentation utilisateur (guides, tutos, quick start).
• Bonnes pratiques pour assurer un usage autonome et sécurisé.