Chef de projet data et BI en entretien sur la recette, les sources, le run

Un chef de projet data coordonne la construction d'une chaîne décisionnelle, des systèmes sources jusqu'aux rapports. Il recueille les besoins, fait écrire les spécifications, planifie l'intégration des sources, organise la recette et prépare la mise en production. En ESN, il arrive souvent sur un projet déjà lancé, parfois en retard. Chez un client final, il porte aussi le run et la relation avec les métiers. Plusieurs offres récentes demandent du SQL pour enquêter soi-même sur un écart de chiffres.

Le risque, en entretien, est de ne parler que de planning et de comités. Un chef de projet BI qui n'a pas de bases techniques ne voit pas qu'une définition de chiffre d'affaires est ambiguë, sous-estime l'intégration d'une source mal documentée et laisse passer une recette faite à l'œil. Les questions d'entretien d'un chef de projet data doivent donc porter sur la chaîne elle-même, par exemple le grain d'une table, un rapprochement de chiffres ou une règle de sécurité.

En junior, la recette et la gestion des écarts de chiffres comptent plus que le reste. En senior, faites raconter un projet repris en retard : ce qu'il a coupé, ce qu'il a négocié avec les métiers et à quelle date il a livré.

De la source au rapport, la chaîne que pilote un chef de projet data

Systèmes sources

ERP (SAP, Oracle, Sage), CRM (Salesforce, Dynamics), SIRH, applications métier et fichiers de partenaires. Chaque source a son format, sa fréquence et ses défauts. L'accès aux données et leur qualité réelle déterminent une bonne partie du planning, d'où l'intérêt de demander comment le candidat estime une source qu'il ne connaît pas.

Outils d'alimentation (ETL et ELT)

Informatica, Talend, SSIS, Azure Data Factory ou dbt extraient, transforment et chargent les données. Talend appartient à Qlik depuis 2023 et sa version gratuite Open Studio n'est plus maintenue depuis 2024. Le chef de projet n'a pas à développer les flux, mais il doit comprendre ce qu'ils font pour lire une spécification et estimer une charge.

Entrepôt et plateformes cloud

L'entrepôt de données centralise les données nettoyées, sur site (SQL Server, Oracle, Teradata) ou dans le cloud (Snowflake, BigQuery, Databricks, Microsoft Fabric). Le choix pèse sur les coûts, les compétences à recruter et la migration. Beaucoup de projets actuels consistent à quitter un entrepôt historique.

Modélisation décisionnelle

Les données sont organisées en tables de faits (les ventes, les commandes) et en dimensions (client, produit, temps), souvent en étoile. La question du grain, c'est-à-dire ce que représente une ligne, conditionne la justesse de tous les indicateurs. Un chef de projet doit savoir la poser.

Outils de restitution

Power BI, Tableau, Qlik Sense ou SAP BusinessObjects affichent les tableaux de bord. Une couche sémantique y centralise les définitions d'indicateurs. Les règles d'accès aux données, comme la sécurité au niveau des lignes, se configurent souvent à cet endroit et doivent être spécifiées puis testées.

Recette et rapprochement en SQL

La recette d'un projet data consiste à prouver que les chiffres sont justes, en les comparant à la source ou à l'ancien reporting. Cela passe par des requêtes SQL ventilées par période et par périmètre. Un chef de projet qui sait écrire ces requêtes trouve un écart en une heure au lieu d'une semaine.

Qualité des données et supervision

Des contrôles automatiques vérifient le volume, la fraîcheur, l'unicité et la complétude à chaque chargement, avec dbt, un outil d'observabilité ou des scripts maison. Ils permettent de repérer un chargement incomplet avant que la direction ouvre son tableau de bord.

Catalogue et lignage

Microsoft Purview, Collibra, DataHub ou la documentation générée par dbt recensent les tables, les définitions et le chemin de chaque donnée jusqu'aux rapports. Ce lignage sert à mesurer l'impact d'un changement dans une source.

Suivi de projet

Jira, Azure DevOps ou Planview portent le backlog, les anomalies de recette et l'avancement. Ce sont des outils de travail, pas des compétences à évaluer en soi. Regardez plutôt ce que la personne y mesure, par exemple des lots recettés plutôt que des tâches terminées.

Le périmètre varie selon l'employeur. En ESN ou en cabinet, le chef de projet data intervient en mission, souvent pour reprendre un projet existant ou piloter une migration vers une plateforme cloud, et doit comprendre vite une architecture qu'il n'a pas choisie. Chez un client final, il suit ses flux dans la durée, du recueil du besoin au run. Dans un grand compte, il coordonne plusieurs équipes et prestataires, avec un découpage MOA et MOE marqué. Dans une ETI, il cumule souvent le rôle avec celui de responsable BI. Les annonces récentes mentionnent Power BI, Microsoft Fabric, Snowflake ou Databricks, et demandent souvent de savoir mener une recette en SQL.

Six domaines où un chef de projet BI doit être solide

• Architecture décisionnelle et modélisation
• Spécification des indicateurs et des flux
• Estimation et pilotage du delivery data
• Recette chiffrée et bascule
• Qualité des données et run
• Sécurité, RGPD et gouvernance

Cinq situations de projet à soumettre à un chef de projet data

Chaque question vient avec ce qu'une bonne réponse contient et le signal qui doit vous alerter. Pas besoin d'être technique pour les poser : écoutez si le candidat raconte du vécu.

1. Question 1 · confirmé

   Le nouveau tableau de bord des ventes ne donne pas le même chiffre d'affaires que l'ancien reporting, et la mise en production est dans dix jours. Comment organisez-vous la recette ?

   Une bonne réponseUn rapprochement chiffré, ventilé par mois, par entité et par famille de produits, pour localiser l'écart au lieu de le constater globalement. Ensuite, la vérification des définitions : hors taxes ou toutes taxes, date de commande ou de facturation, traitement des avoirs, périmètre des filiales. Chaque écart est classé, justifié par une règle documentée ou ouvert comme anomalie. Le métier valide sur la base de ce dossier, avec une tolérance fixée à l'avance, et la décision de mise en production mentionne les écarts connus.

   Signal d'alerte« On demande au métier de vérifier » sans méthode, ou retoucher le calcul jusqu'à retrouver l'ancien chiffre sans savoir lequel des deux est juste.

2. Question 2 · junior à confirmé

   Un directeur commercial demande « le taux de marge par client ». Que faut-il préciser avant de lancer le développement ?

   Une bonne réponseLa définition de la marge (brute ou nette, coûts inclus), la source de chaque composante, le niveau de client (compte facturé ou groupe), la période et la date de référence, le sort des avoirs, des remises de fin d'année et des devises, la profondeur d'historique, la fréquence de mise à jour et qui a le droit de voir quoi. Tout cela est consigné dans un dictionnaire d'indicateurs validé par le demandeur.

   Signal d'alertePasser directement à la maquette du tableau de bord, en laissant les développeurs choisir la définition.

3. Question 3 · confirmé

   Sur un nouveau projet décisionnel, comment choisissez-vous entre un chargement quotidien et des données en quasi temps réel ?

   Une bonne réponseEn partant de la décision à prendre : qui agit sur ces chiffres, et à quelle fréquence. Puis le coût et la complexité du temps réel (capture des changements, flux, supervision permanente), la charge supportée par les systèmes sources et leur capacité à exposer les données. La réponse la plus fréquente reste un chargement quotidien, complété par un rafraîchissement plus fréquent sur un ou deux indicateurs qui le justifient.

   Signal d'alerteLe temps réel par défaut parce qu'il a été demandé, sans chiffrer ce qu'il coûte ni vérifier qui s'en servira.

4. Question 4 · confirmé

   Comment estimez-vous la charge d'intégration d'une nouvelle source de données ?

   Une bonne réponseEn découpant : ouverture des accès et des flux, profilage des données, volumes et historique, mapping et règles de gestion, contrôles de qualité, tests, ordonnancement et documentation. La plus grosse incertitude vient de la qualité inconnue de la source, donc un atelier de profilage sur un extrait réel précède tout engagement ferme. L'estimation se donne en fourchette, avec les dépendances nommées (équipe du système source, sécurité, réseau).

   Signal d'alerteUn chiffre unique donné sans avoir vu les données, ou une estimation qui ignore les délais d'ouverture des accès.

5. Question 5 · confirmé

   Depuis la mise en production, des utilisateurs signalent régulièrement le matin que les chiffres de la veille manquent. Que mettez-vous en place ?

   Une bonne réponseUn engagement de fraîcheur écrit (données de la veille disponibles à 8 h, par exemple), un suivi de l'heure de fin des chargements, des contrôles de volume et de fraîcheur avant publication, et une alerte qui prévient l'équipe avant les utilisateurs. La date de dernière mise à jour s'affiche sur le rapport. En parallèle, une analyse des causes (source livrée en retard, fenêtre de traitement trop courte, dépendances mal ordonnées), une procédure de reprise et un suivi mensuel des incidents.

   Signal d'alerte« On relance le traitement à la main quand quelqu'un appelle », sans contrôle ni cause identifiée.

Chef de projet data, PO, MOA : les réponses aux recruteurs

Pour structurer vos autres entretiens, consultez aussi nos pages sur les questions d'entretien de recrutement, la méthode de l'entretien structuré et la grille d'évaluation d'entretien.