Dès l’entrée dans le monde professionnel, le Data Engineer junior est confronté à plusieurs défis : celui des outils qu’il découvre concrètement pour la première fois en entreprise, et celui du rôle qu’il doit endosser au sein d’une équipe technique. Comprendre la mission réelle du Data Engineer, qui peut varier d’une entreprise à l’autre (infrastructure, transformation, analytique...), n’est pas toujours évident. Cette masterclass aide à clarifier ces enjeux, à identifier les bons réflexes dès le départ et à adopter une posture constructive pour poser les bonnes questions et évoluer rapidement.
Quels sont les fondamentaux techniques réellement indispensables ?
Faut-il maîtriser à la fois AWS, GCP, Azure, Terraform, Spark, Snowflake, Databricks, Kubernetes... ?
Les intervenants recentrent ici les priorités : SQL, Python et Git sont les fondations incontournables. Une fois ces bases solides, il s’agit d’approfondir des outils par briques fonctionnelles : orchestration (Airflow), data modeling, stockage (Data Lake, Warehouse), déploiement (CI/CD). L’accent est mis sur l’approche progressive, sur l’importance de comprendre une logique avant de sauter à la suivante et sur le fait que 'maîtriser un outil, c’est mieux que d'en survoler dix'.
Comment dépasser le syndrome de l’imposteur ?
Peu importe l’expérience, ce doute touche tout le monde. Les juniors pensent qu’ils en savent trop peu, les seniors qu’ils ne sont jamais vraiment "experts". Alors comment le dépasser ? Willis Nana partage des conseils puissants : s’appuyer sur ses succès passés, aussi petits soient-ils garder une trace de ses progrès ne pas se comparer. Et surtout, rester humble et curieux. Ce syndrome peut devenir un allié, s’il nous pousse à rester en apprentissage permanent, plutôt qu’un frein qui paralyse.
Quels sont les grands concepts à comprendre pour évoluer ?
Avant de jongler avec les outils, il faut comprendre les logiques qui sous-tendent les architectures data. Dans cette Masterlass, les intervenants reviennent sur des notions essentielles :
- ETL vs ELT : transformer avant ou après chargement ?
- OLAP vs OLTP : analytique vs transactionnel
- Data Lake, Data Warehouse, Lakehouse : quelles différences, quels usages ?
- Modélisation de données : comment structurer une base propre et évolutive ?
Ces fondamentaux sont valables quelle que soit la stack technique, et permettent de faire des choix éclairés dans les projets.
Comment construire une trajectoire professionnelle inspirante ?
Willis Nana revient sur son propre parcours : de ses débuts en France à ses expériences chez Ubisoft au Canada, jusqu’à son rôle actuel de coach indépendant et créateur de contenu. Ce chemin, fait de curiosité, de prises de risque mesurées, de formation continue et de partages, montre qu’une carrière ne suit pas une ligne droite… mais se construit brique par brique, en osant sortir de sa zone de confort. Un exemple inspirant, notamment pour celles et ceux qui envisagent de s’expatrier, de se lancer en freelance ou de transmettre à leur tour.
Pourquoi la curiosité et l’ouverture sont les soft skills les plus puissants ?
Dans un environnement où les outils évoluent vite, savoir apprendre est plus important que tout savoir. Être curieux, poser des questions, documenter ce qu’on découvre, transmettre à ses collègues… voilà des attitudes qui permettent non seulement de progresser individuellement, mais aussi de faire progresser toute une équipe. Un ingénieur data qui sait apprendre et partager vaut de l’or – peu importe son niveau d’ancienneté.
Envie de découvrir l'intégralité de cette masterclass et de vous en inspirer ?
Rejoignez notre chaine Youtube, abonnez-vous et activez la cloche pour suivre nos prochaines MasterClass !
%20(1).webp)