Bonjour,

Les métiers en full TT sont en voie de disparition notamment après que certaines grosses boites ont décidé du retour en full présentiel....

La mode est au retour du présentiel donc ça va être compliqué à trouver, surtout pour un débutant. Essayes de t'orienté sur des métiers "annexes" au devs comme QA, support, etc

C'est pas si simple de trouver un full remote encore moins pour les débutant. pour les personnes un peu plus expérimenté c'est un peu plus simple mais souvent la compétition est importante. J'ai eu 2 process dans les 4 derniers mois pour 1 CDI full remote et 1 mission full remote. Dans les 2 cas, le processus était assez sélectif. C'était des boites très internationales et donc anglais courant obligatoire biensur mais surtout 2-3 round techniques assez poussés (leetcode et autre). Je vois également quelques offres en 100% remote mais avec des salaires/TJM très faible.

Moi aussi de base je suis rentré dans la tech pour l'aspect remote mais cela va risquer d'être de plus en plus compliqué. J'ai changé un peu ma stratégie de mon coté en cherchant vers Zurich ou j'arrive a trouver des postes qui en TC frollent les 200k CHF mais souvent presque pas de remote. Je me dis que j'aurai une capacité d'épargne assez conséquence et cela compense finalement le remote. Mieux vaux cette option que de finalement bosser pour des peanuts en remote.

Je pense pas que nos métiers soient les plus simple pour avoir du full remote (même si cela devrait être le cas), je pense que c'est plus simple pour un recruteur tech d'être en full remote que un dev. Perso, j'ai jamais eu un recruteur (interne ou externe) en face. Je suis également certain que la plupart des cabinets de recrutement et chasseur de têtes voient rarement leur clients en dehors de visio.

Et dernièrement, en vu de tes objectifs, je te déconseille de devenir "dev" en France, les salaires sont bas et la compétition est importante. Regarde des choses comme solution architect qui demande plus des skills de sales et qui paye beaucoup mieux que nos pauvre dev. J'ai des amis en province qui gagnent mois que des gens qui bossent comme livreur UPS.

Bonjour " Steph0218 ",

Chaque personne est unique, chaque chemin professionnel aussi et ce n'est pas à moi de vous dire quelle voie emprunter, d'autant plus que vous ne dites rien sur votre parcours, sur vos aspirations ou sur vos intérêts ou si ce n'est pour un motif purement veinal (je ne fais point de jugement, je ne suis pas habilité pour cela).

Comme vous l'écrivez, le marché de la data est une niche, mais ce n'est pas nouveau : cela fait des années que l'on en parle, que l'on vulgarise, que l'on sensibilise ... l'actualité mondiale, au travers des affaires sécurité, nous rappelle à l'ordre que cet "or " commence à attirer beaucoup trop de monde, notamment la piraterie, la flibusterie, la filouterie, ... bref, pas que du "beau" monde, mais plutôt des aigrefins attirés par la couleur et le sentiment de puissance/jouissance/orgasme du "pognon".

La "data" est un écosystème très étendu et très vaste (il y a d'ailleurs d'éminents spécialistes sur ce forum qui pourraient en parler certainement mieux que moi, étant donné que je ne suis qu'une humble petite poussière, à ma juste mesure, dans ce monde étendu et mes expériences, compétences et connaissances peuvent certainement participer peu ou prou au partage et au savoir de la communauté).

Je constate, de par votre écrit, que votre "coeur balance" entre des métiers (certes, dont la racine principale conductrice est la donnée) qui, pour moi, sont bien distincts, à la fois en termes technologiques, techniques et de responsabilités différentes.

Pour éclaircir la situation, revoyons quelques points :

• Le "data scientist" est missionné par un service ou la direction de son entreprise pour collecter, organiser et exploiter des données (aussi appelées big data à cause de leur volumétrie grandissante, de l'ordre du Zo actuellement). Les entreprises ont désormais de grands volumes de données à disposition. Le "data scientist" les " fait parler " afin d'apporter des éléments d'aide à la décision.

Le travail (souvent bien ardu, même pour une "tête bien faite") commence par l'analyse de la demande : exploiter des données industrielles ou pas, pour une meilleure productivité, améliorer la qualité ou faire de la maintenance préventive en analysant les pannes... Souvent, le data scientist travaille sur les données de clients ou des données publiques à des fins marketing, entre autres. Il récupère les plus pertinentes sur des serveurs, des fichiers, des bases de données, etc. et les " nettoie ", pour les mettre au bon format ou éliminer celles qui sont inexploitables.

Le plus important du travail vient ensuite de la modélisation et de la création d'algorithmes pour croiser et analyser les données (langages courants : SAS, R, Python, Scala). Des essais et ajustements sont nécessaires durant cette phase. La restitution des résultats se fait sous forme de rapports, de graphes, de tableaux ou d'applications.

Le "data scientist" est chargé de l'ensemble de ces tâches dans lesquelles il est aidé par d'autres professionnels des datas, de graphistes, etc.

Cette "discipline" requiert une/des formations et compétences pointues, notamment en analyse/développement d'algorithmes (tous aussi tordus les uns que les autres ... quoi que ...ça dépend ... ça dépasse 😄) mais aussi, en modèles (très) avancés et appliqués, des mathématiques scientifiques : matrices, dérivées, intégrales, ..., financières, statistiques : moyenne, vecteurs, valeurs propres, etc, probabilités et autres joyeusetés du même acabit, en marketing. . Pour mettre un poil d'humour, c'est le gars à qui vous dites "Salut, ça va ?" et qui te répond, 2 jours plus tard "Et toi ?).

Une maîtrise des outils, globalement, tels qu' Apache Hadoop, Spark, Map Reduce, bases de données NoSQL, langage de programmation SAS, R, Python... Le data scientist doit maîtriser de nombreux programmes informatiques pour mener à bien la collecte, l'analyse et la restitution des données. ... C'est un métier de curieux, de passionnés, d'apprentis-sorciers. J'en connais qui, pour "s'envoyer en l'air", préfère les algo/données à tout autre sandwich au gruyère ou autres plaisirs non divulgables.

Quelques outils ....

Langages de programmation :

• Python : avec les bibliothèques "pandas", "NumPy," "scikit-learn," "TensorFlow", "Keras", "pyTorch", "StatsModels", etc.

• R : avec les packages "dplyr", "ggplot2", "caret", etc.

• SQL  

• Scala

• Outils et environnements de développement : Jupyter Notebooks, RStudio, VS Code

• Outils de visualisation de données : Matplotlib , Seaborn, Ggplot2 , Tableau, Power BI  

• Bases de données : MySQL, PostgreSQL, MongoDB, Apache Hadoop, Apache Spark

• Outils de gestion et de versioning de code : Git, GitHub / GitLab, Bitbucket  

• Socles et Outils de cloud computing : AWS (Amazon Web Services), Google cloud platform (GCP), Microsoft Azure  et les applications orientés "datas" pour chacun des fournisseurs de cloud.

• Outils de traitement et de nettoyage de données : Excel, OpenRefine  

• Le "data analyst" est généralement rattaché à la direction des systèmes d'information (DSI) d'une entreprise, le "Data Analyst" (Analyste de Données, Data Manager, Data Miner) est responsable du recueil et de l’analyse de la donnée de l’entreprise. Ces données peuvent être liées aux clients (CRM), aux produits et à leurs performances, ou même aux concurrents : c'est un métier plutôt orienté décisionnel dont le langage SQL est le plus demandé.

  Le Data Analyst a pour mission d'exploiter et interpréter les données pour en dégager des observations business utiles. Ainsi, les rapports fournis permettent d'orienter les prises de décision du management et améliorer les performances et les stratégies marketing, par exemple.

  Quelques "facettes" :

  • Recueil et extraction des sources de données pertinentes et de qualité qu’il traduit ensuite en données statistiques ; 

  • Traitement, exploitation et intégration des données dans un data warehouse (entrepôt de données) ; 

  • Création de "dashboards", mise en place de KPIs, reporting des performances pour donner une vision cohérente des résultats aux différentes équipes ;

  • Mise en place de process/requêtes et automatisation ;

  • Production d’analyses métiers et de recommandations aux managers ;

  • Gestion des outils d’analyses pour que les décideurs internes et les clients puissent suivre l’évolution de leurs produits ;

  • Veille technologique des nouveaux outils visant à l’améliorer l’analyse des données.

Les outils principaux à maîtriser (liste non exhaustive et non à jour, étant donné l'évolutivité des technologies et de l'actualité) :

• Langages de programmation : Python, R, SQL 

• Outils de visualisation de données : Tableau, Power BI, matplotlib, seaborn, Microsoft Power BI

• Bases de données : MySQL, PostgreSQL, MongoDB 

• Outils de manipulation de données : Excel, pandas (pour Python)

• Connaissances en Big Data : Hadoop, Spark (facultatif mais apprécié)​ ...

Tiens, il semblerait qu'entre "Data Analyst" et "Data Scientist", votre "coeur" balance et pourtant :

• Le Data analyst se spécialise principalement dans l'analyse descriptive et la visualisation des données, en se basant sur des données historiques pour orienter les décisions.

• Le Data scientist se concentre sur la modélisation prédictive et la création d'algorithmes avancés, afin d'extraire des informations et de faire des prévisions à partir de données complexes.

... Rajoutons l'anglais quasi obligatoire (TOIEC élevé) et des "soft skills" longs comme un bras, pour les "mal communiquants" 😁.

Le "data engineer" : à l'instar de l'architecte big data, est un "ingénieur" spécialisé dans la conception de solutions de récupération et d’exploitation de gros volumes de données ou big data.

• Expert en identification de données, il est garant de la pertinence et de la qualité des données ainsi que du respect des bonnes pratiques et de la fluidité des processus.

• Responsable de l’infrastructure des données, il est chargé des processus de collecte, de stockage et de modélisation des données pour que celles-ci soient faciles d‘accès et prêtes à l’analyse par les data scientists et les data analysts.

• Il travaille en étroite relation avec l'architecte big data qui lui est plus orienté sur la conception de solutions. 

• Le "data engineer" automatise l’acquisition de données provenant de différentes sources (création des pipelines d’acquisition), les collecte et les agrège dans une data warehouse (base de données relationnelle) sur serveur ou sur le cloud (test d’intégration, mise en place et maintenance des outils d’automatisation) et gère les bases de données de stockage.

• Son rôle est ensuite de nettoyer, de consolider et de structurer ces données à l’aide d’outils et d’algorithmes (création de tableaux de bord, intégration de modèles statistiques).

• Le data engineer doit posséder un large éventail de compétences techniques (langages de développement IA, requêtes, base de données, stockage, analyse de données, cloud computing, Machine Learning, Deep Learning, IA, DevOps..).

• Pour l’industrialisation des modèles de machine learning, il doit avoir des connaissances en statistiques et mathématiques.

Face à l’explosion du big data et notamment des technologies comme l’Iot (Internet of Things) et l’IA, le data engineer est un profil très recherché.

Avec l'arrivée des "IA" et autres joyeusetés du moment (NLP, ML, DL, Programmation Neuronale, Quantique, ...), ces métiers devront en permanence être à jour.

Concernant les formations, il y a "à boire et à manger", le "gratuit" ne l'est pas forcément et n'est pas toujours, loin s'en faut, signe ou gage de qualité.

Tout dépend des personnes, des objectifs, de la qualité, du sérieux, du professionnalisme, du suivi, .... Quelques exemples (par expériences) :

Mieux vaut privilégier :

• Certificat de formation délivré par l'Ecole des Mines Paris | PSL

• Bloc de compétences de niveau 7 (bac +5) enregistré au RNCP et reconnu par l'Etat.

• Préparation et passage des certifications des "gros" pour le domaine "data" : AWS, GCP, AZURE

Chacun sa vie, chacun ses financements : pas de recette magique (à moins que les éminents spécialistes patentés de ce forum en possèdent)

De par mes expériences, tribulations et autres pérégrinations :

• Les "bootcamp" peuvent être intéressants, si l'on maîtrise/expertise déjà le développement, avec au moins 1 langage de base (R ou Python ou Scala,) et que l'on possède d'excellentes bases scientifiques que j'ai citées plus haut dans le fil.

• Les formations "pures et dures" prennent plus de temps (pas forcément plus coûteuses en brouzoufs", en temps, c'est différent).

• A ne pas négliger, les formations/certifications des AWS, GCP et autres Azure : très demandées, existent en e-learning, en Blending-Learning, en centre spécialisés, ... C'est une "machine à brouzoufs" (tous les "x" mois/années, il faut renouveler et crac, sortie de la CB.) - Bien se renseigner, mais ce peut-être gagnant.

  Si d'autres éminents spécialistes veulent compléter, qu'à cela ne tienne.

  En attendant, j'espère qu'à travers cette modeste contribution, j'ai contribué à éclairer quelques-unes de vos lanternes, sur ce chemin lumineux, si ce n'est brillant, de votre (re)quête sur l'écosystème de la Data.

  Bien cordialement,

  Yanolezard.

Il me semble qu'il y a déjà eu la question recemment.

Apparamment c'est possible, mais ça ressemble quand même à la douille du siècle car les sommes débloquées correspondant aux versements sont exonérées totalement d'impôt sur le revenu. Je ne saurais dire si l'abus de droit est manifeste ni évaluer le risque (probablement faible vu le plafond de la déduction des versements PER en Micro-Entreprise).

Juste gardez en tête que ce n'est pas le but de ce cas de déblocage et qu'en plus, vous êtes en situation de "fin de droit", mais pas en situation de précarité...

Bonjour

Vous avez quelques sujets ici

https://www.free-work.com/fr/tech-it/forum/t/per-plan-d-epargne-retraite

https://www.free-work.com/fr/tech-it/forum/t/deblocage-anticipe-per-fin-de-droit-chomage-fiscalite

https://www.free-work.com/fr/tech-it/forum/t/deblocage-per-sasu-fin-de-lare

Pouvez-vous développer s'il vous plaît ? si c'est légal quel est le rapport avec la but ?

Oui.
Vous pouvez émettre une seule facture, mais cela suppose d'avoir sécurisé avant via un devis et au moins un contrat.

Mais ça n'est pas la bonne démarche pratiquée par l'ensemble des Freelances. On demande quasiment toujours un accompte, avant de démarrer la mission.

Bonjour.

Vous êtes sûr que vous ne pouvez pas nous donner encore moins d'informations ?

Bonjour.

Vous êtes sûr que vous ne pouvez pas nous donner encore moins d'informations ?

L'idée du cumul Micro/ARE est que vous aurez vos ARE pour les mois ou vous déclarez 0, sinon, vos droits ARE seront juste décalés et non annulés, donc ça va couvrir par exemple vos périodes inter-mission, ou bien ça se peut que vous aurez deux mois de mission dans un seul encaissement et donc vous aurez 1 mois d'ARE,

Pour moi et ça n'engage que moi, je pense que si ça marche bien, votre solution est meilleure que le cumul SASU/ARE, car vous aurez le net le plus avantageux de votre activité en étant en Micro, et en plus vous aurez l'ARE durant vos vacances ou vos période inter-mission. Néanmoins, il faut juste bien s'assurer que votre Micro est prise en compte pour la procédure du cumul Micro/ARE, essayer d'avoir un écrit confirmant que vous êtes bien dans cette catégorie,

Pour les déclarations de l'URSSAF, c'est pas top de les faire trimestriellement car PE ne savent pas si vous allez faire du CA au pas pour les 3 prochains mois, donc il vont vous verser vos droit chaque mois et quand vous déclarez à l'URSSAF il vont vous demander de rembourser car vous n'êtes pas sensée recevoir ces droits...

Regarder avec PE si vous pouvez faire l'inverse, càd, déclarer que vous allez générer du CA et donc pas d'ARE même si vous n'êtes pas sûre et ensuite PE vont regarder si vous avez ou non encaissez du CA..., comme ça au pire vous aurez une bonne surprise,

Bon courage dans vos réflexions.