DataGen

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

❤️ SPONSOR

This 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

🎬 CHAPTERS

00:00 “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 Layer
35:37 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 FREE

1/ Subscribe 🔔
2/ Leave a 5 stars review on Apple Podcasts here 🥰
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

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…

❤️ PARTENAIRE

Ce 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

🎬 CHAPITRES

00:00 Pourquoi automatiser ses développement BI
07:36 Comment on démarre
15:28 Comment on scale
21:28 À quoi ça ressemble à terme
27:48 Les risques à anticiper
35:11 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 GRATUITEMENT

1/ Abonnez-vous 🔔
2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

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

🎬 CHAPITRES

00:00 Le parcours d'Alexandra
06:50 L’orga tech & IA chez Meta
10:45 Le rôle d’un Research Scientist chez Meta
13:35 La culture data-driven de Meta
17:13 L’adoption de l’IA chez Meta
20:44 Ce qui a été le plus dur pour elle chez Meta
21:56 Sa recommandation de contenu
22:40 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 GRATUITEMENT

1/ Abonnez-vous 🔔
2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Grégoire Hornung est Head of Data chez Qover, une pépite belge de l’InsurTech qui a levé 70 millions d’euros et des beaux clients tels que Revolut, Qonto ou Mastercard.

On aborde :

🔥 Leur plus gros challenge : structurer leur Data Warehouse & modéliser leurs données
🔥 Comment ils s’y sont pris : Modern Data Stack, architecture médaillon, rationalisation des modèles dans dbt…
🔥 Le plus gros challenge rencontré : réduire le temps de développement via des conventions fortes
🔥 Leur prochaine étape : mettre en place une approche Self-Service pour leurs partenaires externes

💪 DEVENIR ANALYTICS ENGINEER AVEC DATABIRD ET DATAGEN

On a lancé un bootcamp spécialisé sur l’Analytics Engineering en collaboration avec DataBird.
📚 Découvrir le programme du bootcamp ici
🎙 Ecouter l’épisode 151 Devenir Analytics Engineer en 6 semaines avec DataBird

DataGen opère ce bootcamp Analytics Engineering en collaboration avec DataBird et donc touche une commission sur les inscriptions. 🙂

📚 RESSOURCES

- Le LinkedIn de Grégoire
- Le Linkedin de Mehdi Ouazza et sa chaîne Youtube Mehdio
- L'édition spéciale Les 40 chantiers Data & IA à lancer en 2025 de notre newsletter

🎬 CHAPITRES

00:00 Le parcours de Grégoire
03:37 Le contexte autour de leur plus gros challenge
05:46 Les étapes clés
11:19 Les plus grosses difficultés
16:39 L’organisation de l’équipe Data
17:27 Leurs prochaines étapes
19:28 Sa ressource préférée

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

#176 - Agorapulse : Structurer le département Data d’une startup
#174 - Qonto : Adopter une approche Analytics Engineering & Self-Service
#154 - Doctolib : Adopter une approche Analytics Engineering et Self-Service

👋 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 GRATUITEMENT

1/ Abonnez-vous 🔔
2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Christophe Blefari est le créateur de la newsletter data Blef.fr la plus connue en France. Il a été Head of Data, Head of Data Engineering et Staff Data Engineer dans des startups et des grands groupes et est selon moi l'un des plus grands experts data en France. Récemment, il a cofondé Nao, un éditeur de code à destination des équipes Data qui utilisent l'IA.
On décrypte 4 tendances Data & IA de 2026.

On aborde :

🔥 La GenAI pour la Data Analyse : “chat with your data”, état des lieux, semantic layer
🔥 La GenAI pour le Data Engineering : “chat with your Modern Data Stack”, MCP, impacts sur l’équipe Data
🔥 La GenAI “en production” : 95% des projets ne sont pas en production, limites technologiques, besoins en AI Engineers
🔥 Le scale des assistants IA en interne : enjeux différents (adoption, formation, communauté, automatisation & no code)

📚 RESSOURCES

- Le LinkedIn de Christophe Blefari
- Sa newsletter Blef.fr
- Sa boîte Nao
- Le LinkedIn de Naïm Kosayyer (Selfr)
- L'étude MIT sur les projets GenAI
- Pour recevoir la liste des 10 outils Data & IA à suivre, s'inscrire à la newsletter ici

🎬 CHAPITRES

00:00 “Chat with your data”
13:59 “Chat with your Modern Data Stack”
22:50 L’impact sur l’équipe Data
27:51 La GenAI “en production”
36:20 Le scale des assistants IA

🤩 AUTRES ÉPISODES QUE VOUS DEVRIEZ AIMER

Les épisodes avec Malt, Gorgias, Pigment, Mirakl, Decathlon, Doctolib et Photoroom.

💪 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

👋 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 GRATUITEMENT

1/ Abonnez-vous 🔔
2/ Laissez 5 étoiles et un avis sur Apple Podcasts ici 🥰
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.