Latest episode
🇺🇸 #292 - Doordash : Monter une équipe Data Science & Analytics (aux US)
42:37|Ruben Kogel a monté une équipe Data Science & Analytics chez Doordash, le leader de la livraison de repas aux États-Unis, qui a également racheté Deliveroo et Wolt.Il nous raconte comment il a construit cette équipe, les choix d'organisation qu'il a faits, pourquoi il a fait de l’inférence causale l’un de ses chantiers principaux et la manière dont l'IA est en train de transformer le métier de Data Scientist.On aborde :🔥 Son parcours pour devenir Head of Data Science dans une grosse boîte tech américaine🔥 Chantier #1 : Recruter et structurer une équipe de 14 Data Scientists spécialisés sur la prise de décision🔥 Chantier #2 : Adopter des méthodologies d’inférence causale pour augmenter l’impact de l’équipe🔥 Chantier #3 : Redéfinir le rôle du Data Scientist à l’ère de l’IA et de l’agentique❤️ PARTENAIRECe podcast est rendu possible par Datatorii, le cabinet de conseil spécialisé dans l'automatisation des développements Data & Analytics avec des agents IA.👉 Regarder l’épisode avec Frédéric Forest, leur Directeur Général👉 Contacter Frédéric sur LinkedIn ou par mail : fforest@datatorii.com📚 RESSOURCES- Le LinkedIn de Ruben- Le podcast Stratechery- Le podcast Sharp Tech d'Andrew Sharp et Ben Thompson- Le podcast Capitalism- Le livre The Signal and the Noise de Nate Silver- Le livre Chaos Monkeys de Antonio García Martínez- Pour recevoir la liste des 10 outils data & IA à suivre en 2025, inscrivez-vous à la newsletter DataGen ici🎬 CHAPITRES00:00 Doordash vs Uber Eats02:50 Le parcours de Ruben10:54 Chantier #1 : Création de l’équipe19:16 Chantier #2 : Inférence causale30:04 Chantier #3 : Nouveau rôle du Data Scientist avec l’IA34:22 La nouvelle aventure de Ruben37:06 Ses reco de contenu39:24 Ce qui l'a fait progresser🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER🇺🇸 #286 - Meta : Comment fonctionne l’équipe Research Science (organisation & culture)#257 - Uber : Comment fonctionne l'équipe Data Science (projets, organisation & culture)#221 - Comment l’ex-Head of Data d’Airbnb structure le département Data & IA chez Malt👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
More episodes
View all episodes
🇪🇺 #291 - Scopely: Building a 50-person Data Team in Europe
28:34|Jonathan Palmer is the former VP of Data at Scopely, a US-based unicorn behind hit mobile games such as Monopoly GO!.He grew and led the data team at Scopely to 50 people, mostly based in Barcelona.Before that, Jon was Product Director for Core Data Services at King, the Swedish unicorn behind the hit game Candy Crush. He was also Head of BI at GoCardless, the British unicorn. And he is now field CTO at Omni, the BI & AI Analytics platform.We cover:🔥 Workstream #1: scaling the data organization from 10 to 50 people (main teams, organization…)🔥 Workstream #2: building a modern data stack to improve performance, simplify hiring, and support hypergrowth🔥 Workstream #3: evolving roles, developing leaders, and adapting the organization as the company scaled🔥 The biggest challenges: imposter syndrome, managing change, and cultural differences📚 RESOURCES- Jon’s Linkedin profile- The book What I Talk About When I Talk About Running by Haruki Murakami🎬 CHAPTERS00:00 What's Scopely?01:52 The context when he arrived02:41 Organizing the data team08:45 Building a Modern Data Stack13:44 Adapting the team to new needs15:37 Fighting the imposter syndrome16:57 Leading a big team20:23 Managing cultural differences23:15 Why he joined Omni25:00 Jon’s favorite resources26:13 His best advice🤩 OTHER EPISODES YOU SHOULD LOVE#8 - Marshmallow: Building the data analytics team at a unicorn#4 - Ex-VP of Product at Looker, he launched Omni, the challenger in Business Intelligence#1 - BlaBlaCar : Managing 50 Data People with Manu, VP Data👋 MORE DATA CONTENT?1/ Follow me on LinkedIn here 🤳2/ Sign up for the newsletter (summaries, events) here 💌3/ Check out the podcast in video format on YouTube here 📹🎙 SUPPORT THE PODCAST FOR FREE1/ Subscribe 🔔2/ Leave a 5 stars review on Apple Podcasts here 🥰
🇺🇸 #290 - Facebook, Slack & Patreon : Culture Data, Rôle du Data Scientist et Importance de l’influence
36:03|Olivier Devoret a passé 10 ans chez Facebook et Slack en tant que Data Scientist puis Staff Data Scientist. Il a ensuite passé trois ans à structurer puis diriger l'équipe Data chez Patreon, la licorne américaine qui permet aux artistes et créateurs de contenu d'animer et de monétiser leur communauté.On aborde :🔥 Le rôle du Data Scientist chez Meta/aux US et les grosses différences avec la France🔥 La culture data chez Meta : transparence radicale, importance de l’influence, culture Produit🔥 La culture data chez Slack et pourquoi elle est opposée à celle de Meta🔥 Comment il a structuré une équipe Data chez Patreon sur les 3 dernières années❤️ PARTENAIRECe podcast est rendu possible par Datatorii, le cabinet de conseil spécialisé dans l'automatisation des développements Data & Analytics avec des agents IA.👉 Ecouter l’épisode avec Frédéric Forest, leur Directeur Général ici👉 Contacter Frédéric sur LinkedIn ou par mail : fforest@datatorii.com📚 RESSOURCES- Le LinkedIn d'Olivier- Pour recevoir le dossier sur les parcours des Head of Data & IA des plus belles boites, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Le parcours d’Olivier03:21 Data Scientist FR vs US08:16 Culture data chez Meta13:38 Culture data chez Slack21:39 Son arrivée chez Patreon23:30 Équipe Pull vs Push28:50 Utiliser la data pour changer la stratégie34:19 Le lancement de son fonds d’investissement🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#286 - Meta : Comment fonctionne l’équipe Research Science (organisation & culture) #257 - Uber : Ex-Data Science Manager, elle raconte ses 9 ans dans la Silicon Valley #221 - Comment l'ex-Head of Data d'Airbnb structure le département Data & IA chez Malt👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
#289 - Adeo & Decathlon : Leur stratégie agentique
30:56|Matthieu Grymonprez et Romain Taillade sont respectivement Global Leader du Digital chez Adeo (leader européen du bricolage et maison-mère de Leroy Merlin, Weldom…) et Global CTO chez Decathlon. L’épisode est enregistré en direct du Dev Summit, l'événement tech co-organisé par les deux groupes qui a réuni plus de 2000 participants et des centaines de speakers.On aborde :🔥 Les contextes agentiques chez Adeo et Decathlon🔥 L’importance de la plateformisation (APIs, standardisation, défragmentation du SI)🔥 Les initiatives clés qui ont été lancées (agentic commerce, automatisation du développement…)🔥 Leurs premiers enseignements (harnais, sémantique layer, gouvernance et self-service)📚 RESSOURCES- Le LinkedIn de Matthieu- Le Linkedin de Romain- Pour recevoir la liste des plus gros challenges des leaders data invités sur DataGen, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 La co-organisation du Dev Summit03:01 Le contexte agentique chez Adeo et Decathlon04:04 La phase clé de “plateformisation”09:39 Les initiatives clés lancées16:31 L’agentic commerce22:41 Leurs 1ers enseignements28:59 Le mot de la fin🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#279 - La stratégie agentique de Stellantis (Peugeot, Citroën, Fiat…) #219 - La stratégie Analytics de Decathlon #214 - Déployer la stratégie IA d’Adeo (Leroy Merlin, Bricoman, Weldom…)👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
🇪🇺 #288 - “My 5 predictions about the future of analytics” With Colin, co-founder at Omni, ex-VP Product at Looker
38:39|Colin Zima is the co-founder and CEO of Omni, the Business Intelligence platform recently valued at over $1.5 billion. Before founding Omni, Colin was VP of Product and Chief Analytics Officer at Looker, the Business Intelligence platform acquired by Google for $2.6 billion.He shares his predictions on the future of analytics:🔥 Prediction #1: The dashboard is changing, not going away🔥 Prediction #2: There will always be a place for data teams🔥 Prediction #3: Natural language doesn't mean simple question and answer🔥 Prediction #4: AI will start writing more data models than people🔥 Prediction #5: Semantics matter more than ever❤️ SPONSORThis episode is made possible by Omni, the next-generation BI platform already used by many companies (Brevo, Photoroom, etc.).👉 Colin’s Linkedin Profile📚 RESOURCES- Colin’s Linkedin Profile🎬 CHAPTERS00:00 “The dashboard is changing, not going away”13:00 "There will always be a place for data teams"16:11 “Natural language doesn't mean simple question and answer”25:31 “AI will start writing more data models than people”27:38 “Semantics matter more than ever”28:17 SQL vs Semantic Layer35:37 The data team of the future🤩 OTHER EPISODES YOU SHOULD LOVE#273 - Talk Show : Futur de l’Analytics | Dashboardless ? Analystless ? | Claude code vs Omni vs Hex#247 - Ex-VP of Product at Looker, he launched Omni, the challenger in Business Intelligence#96 - Deezer : How I restructured the Business Analytics team and made it more Business-Focused👋 MORE DATA CONTENT?1/ Follow me on LinkedIn here 🤳2/ Sign up for the newsletter (summaries, events) here 💌3/ Check out the podcast in video format on YouTube here 📹🎙 SUPPORT THE PODCAST FOR FREE1/ Subscribe 🔔2/ Leave a 5 stars review on Apple Podcasts here 🥰
#287 - Masterclass | Automatiser ses développements Data & Analytics avec des agents IA (Claude Code)
36:08|Frédéric Forest est expert Data Analytics et Directeur Général de Datatorii, un cabinet de conseil data qui s'est spécialisé récemment sur les coding agents et notamment Claude Code.On aborde :🔥 Pourquoi automatiser sa BI avec des agents IA : gains de productivité et changement de paradigme🔥 Comment on démarre : 1ers use cases et méthodologie (on utilise les agents comme on fait de l’équitation)🔥 Comment on scale : quotidien de l’équipe et livrables à produire (on construit un harnais)🔥 Les difficultés et les risques à anticiper : shadow IT, perte de maîtrise, coût des tokens…❤️ PARTENAIRECe podcast est rendu possible par Datatorii.👉 Contacter Frédéric sur LinkedIn ou par mail : fforest@datatorii.com👉 S'inscrire à la masterclass du 24 septembre 2026📚 RESSOURCES- Le LinkedIn de Frédéric- Le site Anthropic Academy🎬 CHAPITRES00:00 Pourquoi automatiser ses développement BI07:36 Comment on démarre15:28 Comment on scale21:28 À quoi ça ressemble à terme27:48 Les risques à anticiper35:11 Sa ressource préférée🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#273 - Talk Show : Futur de l’Analytics | Dashboardless ? Analystless ? | Claude code vs Omni vs Hex#220 - Masterclass | Industrialiser sa Data Visualisation avec Frédéric Forest et le Design System#167 - Masterclass | Tout comprendre sur Databricks avec Frederic Forest👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
🇺🇸 #286 - Meta : Comment fonctionne l’équipe Research Science (organisation & culture)
24:57|Alexandra Darmon est Research Scientist Applied Artificial Intelligence chez Meta dans la Silicon Valley. Elle a passé les sept dernières années dans les équipes Research Science de Meta.Cet épisode est le premier d'une série DataGen consacrée à des leaders et experts Data & IA qui font carrière aux États-Unis.On aborde :🔥 Le parcours d’Alexandra : de l’école d’Ingénieur en France à la Silicon Valley🔥 L’organisation tech et IA chez Meta et le rôle d’un Research Scientist🔥 La culture data-driven chez Meta : expérimentation, alignement des métriques et concentration de profils techniques🔥 L’adoption de l’IA chez Meta et les plus gros challenges rencontrés par Alexandra💪 VOUS AVEZ UN PROJET DATA ?DataGen a lancé un collectif de freelances data issus des plus belles boîtes (BlaBlaCar, Aircall, Critéo, Artefact, 55, Sunday...).Vous avez un projet data ? On a l'équipe qu'il vous faut : Head of Data, Data Analyst, Data Engineer, Data Scientist, etc.👉 Nous rencontrer ici📚 RESSOURCES- Le LinkedIn d'Alexandra- La Newsletter TLDR- Le podcast Acquired- Pour recevoir la liste des parcours des Head of Data & IA des plus belles boîtes, s'inscrire à la newsletter ici🎬 CHAPITRES00:00 Le parcours d'Alexandra06:50 L’orga tech & IA chez Meta10:45 Le rôle d’un Research Scientist chez Meta13:35 La culture data-driven de Meta17:13 L’adoption de l’IA chez Meta20:44 Ce qui a été le plus dur pour elle chez Meta21:56 Sa recommandation de contenu22:40 Ce qui l'a le plus fait progresser🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER#257 - Uber : Ex-Data Science Manager, elle raconte ses 9 ans dans la Silicon Valley#224 - Blef a passé 3 mois chez Y Combinator aux US : le futur des équipes Data, France vs US#221 – Comment l'ex-Head of Data d'Airbnb structure le département Data & IA chez Malt👋 PLUS DE CONTENU DATA ?1/ Suivez-moi sur LinkedIn ici 🤳2/ Inscrivez-vous à la newsletter (synthèses, événements) ici 💌3/ Découvrez le podcast en format vidéo sur YouTube ici 📹🎙 SOUTENEZ LE PODCAST GRATUITEMENT1/ Abonnez-vous 🔔2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰