Qu'est-ce qu'un Data Scientist/Analyst ?

Aujourd'hui, le secteur privé et le secteur public doivent analyser et transformer des masses considérables de données. Effectivement, chaque jour, les contrôleurs de gestion, les comptables, et les RH sont confrontés au Big Data. La rationalisation de ces données est un enjeu central pour une meilleure visibilité dans la prise des décisions.

Or, l'intelligence artificielle n'est pas suffisamment autonome et développée qu'on puisse lui confier totalement la gestion de ces données.

Ainsi, les entreprises et les institutions publiques ont besoin de cerveaux humains prêts à se confronter à la tâche difficile mais essentielle du Big Data. Le métier de Data Scientist se développe donc massivement. Si on peut trouver de nombreux Data Scientists en free-lance, les entreprises et les administrations recrutent régulièrement les Data Scientists et les Data Analysts en CDI.

Dans un premier lieu, il s'agit de se poser la question suivante:

Pourquoi parle-t-on d'un "Data Scientist" ou scientifique des données ?

Tout d'abord, il s'agit de distinguer deux types de Data Scientist: D'un côté ceux qui créent des modèles, ils sont doctorants en mathématiques ou en statistiques appliquée et sont très peu nombreux et de l'autre côté, ceux qui utilisent les modèles, ils représentent l'immense majorité des Data Scientists.

Le terme "Scientist" présuppose donc une véritable expertise de la personne qui exerce cette profession. On peut considérer que ce metier requiert certaines connaissances et compétences indispensables:

• La maîtrise des outils analytiques tel que R ou SAS, de langages informatiques normés pour l'exploration des données.

• La maîtrise d'au moins un langage de programmation comme Python ou Java.

• Des connaissances en mathématiques, notamment la compréhension de l'algèbre linéaire qui servira à beaucoup de techniques de calcul statistique et de machine learning.

Même si les Data Scientist doivent partager ce socle commun de connaissances, on peut remarquer que les parcours universitaires sont très variés : mathématiques, économie, informatique, commerce etc...

Maintenant qu'on a compris que le métier de Data Scientist nécessitait certaines compétences mais qu'il existait différentes formations pour les acquérir, nous allons nous demander:

Quelles sont les activités d'un Data Scientist au sein d'une entreprise ?

Il faut partir du principe que l'objectif d'un Data Scientist est de transformer le Big Data en "Smart Data". Autrement dit, il doit rendre les données intelligibles pour le reste de l'entreprise ou de l'administration pour laquelle il travaille.

On peut résumer les activités qui font le quotidien d'un Data Scientist en deux volets:

• l'Analyse de données. C'est effectivement le coeur de son métier. Comme nous l'avons vu, il détient de nombreuses compétences spécifiques et entretient une véritable expertise en la matière. Il utilisera par exemple le logiciel R connecté à une base de données et effectuera ces tâches là en autonomie par rapport au reste de l'entreprise. Il est également important de souligner qu'un Data Scientist doit régulièrement effectuer des veilles technologiques. Autrement dit, il doit se mettre au courant des nouveautés technologiques qui permettent d'analyser les données.

• Le Reporting. Après avoir analysé et traité les données issues du Big Data, le Data Scientist doit donc rendre ces données compréhensibles pour le reste de l'entreprise (d'où l'expression "Smart Data"). Ce volet est très important car il permet de mettre en valeur le travail qui a été fait en amont. Alors que la première partie nécessitait une expertise et des compétences techniques, le volet reporting demande au Data Scientist d'être clair et pédagogue pour dégager le maximum de sens des données qu'il a analysé. Il pourra être amené à présenter ces rapports (par exemple sous forme de PowerPoint) lors de réunions de suivi de dossiers donc finalement il devra également faire de la gestion de projets. Ainsi, un Data Scientist doit également être un bon communiquant pour réussir à clarifier ses chiffres et ses analyses.

Ayant vu comment envisager ce métier aujourd'hui, nous pouvons nous demander comment il pourrait changer dans l'avenir en se posant la question suivante.

Quelles sont les possibilités d'évolution de ce métier?

Tout d'abord, on peut considérer que vu les évolutions technologiques, les Data Scientists auront plus recours à des intelligences artificielles comme le Deep Learning et le Machine Learning. De plus, étant donné que la masse de données est exponentielle, le métier devra utiliser des outils toujours plus sophistiqués. Ainsi, les Data Scientists utiliseront de plus en plus des nouveaux systèmes permettant d'exploiter de très gros volumes de données comme Map Reduce, Hadoop et No SQL.

Finalement, vu que les données seront de plus en plus en volumineuses et que leur analyse restera toujours essentielle à la prise de décision au sein des entreprises, les Data Scientists gagneront progressivement une meilleure place dans la hiérarchie.

A l'ère du Big Data, les Data Scientists ont de plus en plus de responsabilités. Les domaines d'application et les enjeux actuels comme l'écologie ou la médecine vont être traités par des Data Scientists. Ainsi le prestige de ce métier est croissant et fait de ceux qui l'exercent des individus convoités sur le marché du travail.