Qu'est-ce qu'un Data Scientist ?

Le fait d’avoir des données n’est pas, en soi, suffisant. Si vous avez les données et qu’elles restent là passivement, cela ne vous aidera pas. De même, si vous utilisez les données pour une prise de décisions à l’ancienne, cela ne vous aidera pas. Vous devez repenser vos processus opérationnels liés à la façon dont vous prenez les décisions.

Erik Brynjolfsson, Directeur du MIT Initiative on the Digital Economy

Le volume de données riches en informations signifiantes a explosé ces dernières années. Pour donner un seul exemple, DELL EMC a publié un rapport intitulé Global Data Protection Index (2019) dans lequel le groupe indique une croissance de plus de 700% du volume de données entre 2016 et 2018, en France seulement. Et si ce volume augmente considérablement, c’est notamment parce que la variété des données n’a jamais été aussi importante, celles-ci se rapportant à la quasi-totalité des secteurs économiques.

L’analyse de ces données massives (désignées souvent par le terme « Big Data ») est ainsi devenue essentielle pour gagner en performance, y compris dans les secteurs non-marchands, avec un enjeu qui ne se limite plus à un seul objectif de croissance. Ce que l’on appelle communément la transformation digitale, à laquelle se convertissent un grand nombre d’organisations, vise également des objectifs de type qualitatif ou encore prédictif. A l’heure où ces technologies et les outils qui en découlent sont de plus en plus répandus, le besoin d’une main d’œuvre experte et spécialisée dans l’exploitation des données s’accroît considérablement. Les analyses menées par le Data Scientist confère à ce dernier un rôle clé au sein d’une entreprise.

Le rôle endossé par le Data Scientist et ses principales missions

Le Data Scientist convertit des masses de données, structurées ou non, en enseignements exploitables, offrant un levier et un relais de croissance considérable à l’entreprise qui l’emploie. A l’appui de ses analyses, il accompagne la prise de décision managériale. Pour ce faire, au quotidien, le Data Scientist :

• Extrait, uniformise et structure les données
• Teste et contrôle la qualité de ces dernières
• Mène des analyses exploratoires de données (mission de datamining)
• Met en œuvre des modélisations statistiques des données à des fins de prévision (aide à la décision)
• Restitue le résultat de ses analyses aux décideurs concernés (par de la visualisation de données)

En un mot, le Data Scientist donne du sens aux données et en tire de la valeur. Mais il ne travaille pas seul, bien au contraire. Le Data Scientist relève souvent d’une équipe chargée de la gestion des données dont font également partie Data Engineer et Data Analyst. Tandis que le Data Engineer joue le rôle de garant des différents outils et infrastructures, le Data Analyst lui, est plus en lien avec les interprétations métiers et utilise parfois les algorithmes développés par les Data Scientists. La focale du Data Scientist, porte sur une analyse et une modélisation plus mathématiques des données à l’appui d’outils avancés tels que le Deep learning.

Bien qu’il s’agisse d’un métier récent, le Data Scientist peut non seulement travailler dans un large éventail de secteurs d’activités tel que la finance, l’e-commerce, la publicité ou le domaine médical mais également dans une grande variété de structures, aussi bien publiques que privées, petites ou grandes.

Les compétences et qualités du métier

Si l’on s’intéresse aux compétences nécessaires à l’exercice de ce métier, le Data Scientist est d’abord doté d’un solide bagage en statistiques, mathématiques appliquées et en programmation informatique. En effet, un tel poste requiert la maîtrise d’au moins un langage, tel que Python ou R. Il en va de même pour les bases de données (SQL / NoSQL) ainsi que pour les environnements Hadoop / Spark. Une expertise en méthodes de Machine Learning et Deep learning est également de rigueur. De sérieuses capacités d’analyse sont aussi demandées dans le cadre d’analyses prédictives pertinentes. A cela, s’ajoutent éventuellement des connaissances liées au secteur auquel il est rattaché (en e-commerce, dans le secteur financier ou médical par exemple). Telles sont les compétences techniques majeures que l’on retrouve chez un Data Scientist.

Du point de vue des qualités à l’appui des compétences précédemment listées, le Data Scientist se doit d’être polyvalent pour mener à bien la variété de ses missions. Il possède une certaine qualité d’écoute. C’est également un bon communiquant et un pédagogue afin de restituer avec clarté le résultat de ses analyses à un auditoire non spécialiste. Généralement intégré à une équipe, une certaine aptitude à travailler en groupe est recommandée. De manière plus générale et inhérente à de nombreux métiers Data, une curiosité intellectuelle et un goût pour l’innovation sont souhaitables. Par le développement d’une veille méthodologique, Il se tient constamment au courant des nouveautés, auxquelles il s’adapte rapidement, afin de pouvoir travailler avec de nouveaux outils.