Data Scientist
On dit que les données sont l’or noir du XXIème siècle. Elles sont devenues indispensables à tous les niveaux de l’activité d’une entreprise, parce qu’elles servent aussi bien la prise de décision que les opérations, et parce qu’elles sont à la source des systèmes d’informations. Mais pour que la data rende une entreprise plus efficace, il faut qu’elle mène un travail d’extraction et de qualification des données, qu’elles en valident la valeur, etc. Le Data Scientist est l’expert qui tire d’un gigantesque volume de données brut disponibles (le Big Data) les données qui servent le mieux les activités de l’entreprise.
Le métier de Data Scientist
La mission principale du Data Scientist est de résoudre les problèmes d’une entreprise grâce à la donnée. Il intervient donc dans une étape préliminaire qui consiste à “donner du sens” aux données, qu’elles proviennent de l’entreprise ou de canaux digitaux externes (smartphone, site web, borne, etc.). En d’autres termes, le Data Scientist s’assure que les données collectées par une entreprise renforcent efficacement son organisation et sa performance.
La donnée est au cœur de la prise de décision dans de nombreuses activités de l’entreprise, des plus stratégiques aux plus opérationnelles. L’information qu’elle détient est gage de performance, sous condition qu’elle signifie quelque chose : c’est ce qu’on appelle extraire la valeur de la donnée. Si elle n’aide pas l’activité, elle est inutile.
Le Data Scientist met ainsi en place une série d’actions pour collecter, stocker, traiter et restituer les données. Il interprète ensuite les résultats de son analyse. Une entreprise a surtout besoin de ce spécialiste de la data lorsqu’elle ne dispose pas d’outils classiques de gestion et d’analyse de base de données. Dès lors, le Data Scientist conçoit des modèles d’analyse et des algorithmes -descriptifs ou prédictifs- permettant de résoudre les problématiques et les défis techniques de l’entreprise. Cela prend forme au travers de missions telles que :
- traduire un problème “business” en un problème mathématiques et/ou statistiques ;
- identifier les sources de données utiles pour servir la résolution du problème ;
- concevoir des “datawarehouse”, c’est-à-dire des “entrepôts” qui recueillent des données de sources variées et hétérogènes. D’ailleurs, dans certains cas, il peut être demandé au Data Scientist de transformer de larges volumes de données non structurées en une base de données exploitable.
- faire évoluer les base de données, avec des recommandations de modification, de rapatriement, d’internalisation ou d’externalisation de données ;
- s’assurer de la qualité des données, faciliter leur traitement et les intégrer à des systèmes d’information.
L’apport du Data Scientist sur les défis techniques d’une entreprise renforce le travail de toutes les équipes. Il améliore :
- leur performance organisationnelle (c’est-à-dire comment elles travaillent), en détectant les forces et les faiblesses de l’organisation, et dans le but de prendre de meilleures décisions. En tant qu’expert de l’analyse de la donnée, le Data Scientist contribue en effet à la mise en place des meilleures pratiques au sein de l’entreprise, ce qui lui demande un travail de veille technologique constant.
- leur performance par métier (commerce/marketing, RH, finance…). Une équipe marketing peut par exemple avoir besoin du soutien d’un Data Scientist pour élaborer des profils clients, déterminer (voire prévoir) leurs attentes, analyser les tendances d’achat ou les habitudes de consommation, etc.
Contrairement au Data Analyst, le Data Scientist travaille sur de multiples sources de données. Il dispose d’une plus grande prise de recul sur les actions conduites dans chaque département de l’entreprise, et peut procéder à des croisements entre les bases de données.
Les compétences nécessaires pour devenir Data Scientist
Le Data Scientist est tout d’abord un mathématicien et un statisticien. Il fait preuve d’une certaine aisance dans la manipulation des chiffres et dans les calculs. Des compétences techniques lui sont également nécessaire pour :
- concevoir des modèles d’analyse il utilise des connaissances théoriques relatives aux techniques telles que le Machine Learning ou à l’analyse de texte, par exemple.
- créer un programme d’automatisation de tâches pour gagner en efficacité dans son travail, ce qui présuppose un grand nombre de connaissances pratiques.
En plus de cela, le Data Scientist dispose de hautes compétences relatives aux bases de données. Il est capable de travailler sur plusieurs langages informatiques et sur les plateformes cloud les plus couramment utilisées pour les stockages de données (AWS, Google Cloud ou Microsoft Azur, pour en citer quelques-unes).
Le niveau de maîtrise technique attendu d’un Data Scientist dépend des missions que lui confie l’entreprise (elles-mêmes déterminées en fonction de l’organisation ou de la taille de l’entreprise). De manière générale : moins l’entreprise compte d’analystes ou d’ingénieurs, plus le Data Scientist devra maîtriser les techniques de pointe.
Le Data Scientist possède des aptitudes nécessaires à la résolution de problèmes complexes. Grâce à son esprit d’analyse, il identifie les problématiques et les tendances liées à la donnée. Ici, des connaissances métier ou des expériences de secteurs d’activités précis, par exemple en marketing, l’aident à être plus performant, car elles permettent de mieux comprendre (donc mieux analyser) les besoins à tout niveau de l’entreprise.
La nature de l’activité du Data Scientist exige également un savoir-être. Il dispose d’une grande rigueur et d’une bonne organisation. Un esprit méthodique lui permet de travailler efficacement sur les données et d’éviter les erreurs qui pourraient impacter toute l’entreprise.
Enfin, le Data Scientist a besoin de qualités lui servant à partager les fruits de son travail. Une aisance en communication et un esprit d’équipe lui permettent d’en faire bénéficier tous les collaborateurs concernés. Ici, des compétences en “Data visualization” peuvent être utilisées pour illustrer plus efficacement ses analyses et actions sur la donnée.
Les perspectives d’évolution d’un Data Scientist
Le métier de Data Scientist a l’avantage de développer auprès d’un professionnel de la donnée de nombreuses compétences qui sont recherchées et valorisées par les entreprises. Les nouvelles technologies et les habitudes de travail émergentes accordent conjointement plus d’importance à la captation de la donnée et à son exploitation. En effet, chaque métier et chaque fonction d’une entreprise peut maximiser sa performance grâce à la donnée. Les perspectives d’évolution du Data Scientist sont donc vastes et pourraient évoluer dans les années à venir.
Le Data Scientist pourra valoriser ses connaissances techniques et théoriques sur les bases de données, jusqu’à accéder à des responsabilités dépassant la résolution de problèmes par la donnée. Il peut se spécialiser dans un métier ou un secteur d’activités en plaçant la connaissance de la donnée au cœur de son expertise : dans la finance, il pourrait par exemple avoir un rôle de manager pour optimiser la gestion des budgets ou les calculs des ROI.
Le salaire d’un Data Scientist
Le salaire du Data Scientist varie principalement selon son expérience et la typologie de l’entreprise qui l’emploie. Les diplômés intégrant des grands groupes peuvent démarrer leur carrière avec une rémunération comprise entre 35 000 et 50 000 € brut. Des professionnels plus expérimentés peuvent atteindre les 60 000 €.
Les secteurs et les entreprises qui recrutent des Data Scientists
Le nombre d’offres d’emploi vers les métiers de Data Scientist est en constante hausse, notamment sous l’impulsion du Big Data. De plus en plus d’entreprises font face à des problèmes qui peuvent être résolus par la donnée, ou sont confrontées à des défis techniques et technologiques qui justifient le recrutement de Data Scientists : c’est le cas des géants de la Technologie, des entreprises du CAC 40, mais aussi des industries, du secteur financier, du secteur pharmaceutique… et bien sûr les ESN (Entreprises de Service du Numérique).