Lucie, 30 ans : « Data Analyst pendant 4 ans, Analytics Engineer en 8 mois — sans tout recommencer »
Lucie Miller, 30 ans. Quatre ans comme Data Analyst dans le retail, pivot vers Analytics Engineer en septembre 2025. Aujourd'hui en poste chez Atos. Récit d'une reconversion qui n'a pas effacé l'historique : elle l'a traduit.
En un coup d'œil
| Métrique | Avant reconversion | Après reconversion |
|---|---|---|
| Métier | Data Analyst (retail) | Analytics Engineer (services) |
| Expérience totale | 4 ans | 4 ans (traduits) |
| Salaire | 42 k€ | 49,5 k€ (+18 %) |
| Durée de reconversion | — | 8 mois (apprentissage + recherche) |
| Candidatures envoyées | — | 45 ciblées |
| Entretiens | — | 6 |
| Score readiness avant / après | — | 58 → 84 |
| Compétences acquises | — | dbt, Snowflake, Airflow, Looker |
Le point de départ : la sensation de stagner dans un métier qui change
Quatre ans dans le même groupe retail, comme Data Analyst. Lucie maîtrise SQL, Excel, Power BI, fait des dashboards qui sont utilisés par 80 personnes — mais voit ses collègues data engineers prendre des sujets plus structurants, mieux payés, plus durables face à l'IA.
Elle veut basculer vers le rôle d'Analytics Engineer — celui qui modélise la donnée propre (dbt), industrialise les pipelines, devient le pont entre les analystes et l'infra. Sauf qu'elle n'a aucune référence en stack moderne (dbt, Snowflake, Airflow) et que toutes les annonces demandent 2-3 ans d'XP sur ces outils précisément.
« J'étais coincée dans le syndrome classique du reconverti : senior dans l'absolu, junior sur le nouveau métier. Je sentais que mes 4 ans d'expérience valaient quelque chose, mais je n'arrivais pas à les vendre sur les annonces Analytics Engineer. »
Trois questions sans réponse
- Quels skills exactement combler ? dbt, Snowflake, Airflow… mais à quel niveau ? Lesquels en priorité ?
- Quelles compétences sont transférables ? SQL, modélisation, business sense — comment les vendre sans paraître « junior » ?
- Combien de temps avant d'être crédible ? Trois mois de Udemy ? Six mois de side-project ? Aucune visibilité.
Le déclic : un plan structuré au lieu d'apprendre à l'aveugle
Lucie passe sur Traject mi-décembre 2024. Le diagnostic d'entrée pose la baseline : score readiness 58/100 pour Analytics Engineer, 4 écarts critiques identifiés (dbt, Snowflake, Airflow, méthodes de modélisation Kimball/Inmon).
Mais surtout : la cartographie remonte 12 compétences transférables qu'elle ne valorisait pas — modélisation SQL complexe, expérience de gestion des stakeholders, expérience de production-grade dashboards, business sense retail. Ces 12 points deviennent la colonne vertébrale de son nouveau narratif.
« La première chose que m'a apportée Traject, ce n'est pas un cours. C'est une lecture honnête de ce que je savais déjà faire. Avant ça, j'avais l'impression de devoir tout réapprendre. En fait, j'avais 60 % du job. »
Ce qui a changé concrètement
1. Plan d'apprentissage focalisé sur le gap réel
Quatre compétences, pas trente. dbt + Snowflake + Airflow + Kimball. Pour chacune : un parcours de 6-12h estimé, des ressources recommandées (dbt Fundamentals, Snowflake training, side-project guidé), un test de validation. Score readiness mis à jour en temps réel.
Sur 4 mois, Lucie passe de 58 à 84/100. Elle construit un side-project (modélisation dbt sur un dataset retail open-source) qu'elle peut montrer en entretien.
2. Positionnement et CV réécrits pour le nouveau métier
Plus de CV « Data Analyst qui aimerait bien faire de l'Analytics Engineering ». Le nouveau CV met en avant : 4 ans de modélisation SQL en production, projet dbt personnel, projection d'évolution stack moderne. L'identité du poste cible est déjà présente sur le CV.
3. Préparation entretien adaptée au pivot
La banque de questions Traject inclut les questions spécifiques aux reconvertis : « Pourquoi ce pivot maintenant ? » « Comment compenser le manque d'expérience dbt en production ? » Lucie prépare des réponses STAR qui transforment la reconversion en argument, pas en handicap.
4. Pipeline ciblé : 45 candidatures, pas 300
Plutôt que d'envoyer son CV partout, Lucie cible 45 entreprises où la stack data est moderne ET où le poste Analytics Engineer est ouvert au profil hybride (un peu d'analyste, un peu d'engineering). Taux de réponse : 24 %, vs 5-7 % qu'elle voyait en envoi de masse.
Les résultats à 8 mois (apprentissage + recherche)
- 1 offre signée : Analytics Engineer chez Atos (49,5 k€), +18 % vs son ancien salaire de Data Analyst.
- Score readiness 84/100 sur le métier cible (vs 58 au départ).
- 4 compétences nouvelles ajoutées au profil : dbt, Snowflake, Airflow, Kimball.
- Side-project visible qui est devenu le sujet phare des entretiens techniques.
- Aucun « tout recommencer » : les 4 ans d'expérience sont reconnus, juste mieux racontés.
Ce que Lucie dit aux personnes en reconversion
« Une reconversion réussie, ce n'est pas tout effacer pour repartir junior. C'est traduire ce que vous avez déjà fait dans le vocabulaire du nouveau métier. Pour ça il faut deux choses : un plan d'apprentissage qui ne disperse pas, et un narratif qui valorise le pont entre l'avant et l'après. Les deux, Traject les a sortis pour moi en une semaine. »
Lucie est en poste depuis 6 mois chez Atos. Elle continue à utiliser Traject pour suivre les évolutions du métier Analytics Engineer et préparer une montée vers Lead Analytics Engineer d'ici 2 ans.