Le data scientist par Saïd El Ouazzani, Consultant Cloud Computing et Mobilité. Ingénieur télécom et doctorant en sciences politiques au laboratoire d’Innovation, Technologie, Economie et Management (LITEM) de l’Institut Mines-Télécom, sa recherche porte sur l’analyse des politiques publiques en matière d’adoption de Cloud Computing, Big Data et Mobility avec une approche comparative des deux modèles.
Le data scientist (ou scientifique de données en français) est un métier récent qui est apparu ces dernières années dans le sillage du Big Data. De nombreuses questions se posent sur le périmètre de ce poste, les compétences nécessaires, la place qu’il peut occuper au sein des organisations, la différence par rapport à d’autres métiers, comme le statisticien ou l’analyste…
Certains spécialistes le voient comme un simple «buzz marketing», d’autres au contraire comme un nouveau métier promis à un bel avenir.
Le terme de data scientist s’est fait connaître en 2012 après la publication dans la Harvard Business Review américaine de l’article «Data scientist : The sexiest job of 21st century». Depuis, ce métier a gagné de l’importance et il est devenu indispensable pour analyser et exploiter les données au sein des grandes organisations. Cependant, les compétences nécessaires d’un tel profil sont encore rares comme ce fut le cas, à une époque, pour les analystes financiers. Etant né dans un contexte d’innovation et d’évolution des technologies, le data scientist doit faire preuve d’une combinaison de compétences diverses : il doit maîtriser des concepts statistiques avancés, avoir une excellente culture technique et une compréhension solide des enjeux métiers de son entreprise.
Ses compétences s’organisent en particulier autour de trois disciplines :
– Mathématiques : il lui faut de solides connaissances en mathématiques, en statistiques et en algorithmes, pour lui permettre de comprendre des concepts comme le calcul de probabilités, le niveau de signification, etc.
– Technologique : il est amené à utiliser une panoplie de nouveaux outils techniques liés au Big Data, comme Hadoop, NoSLQ, Mapreduce, Spark, Hive… Son travail au quotidien nécessite aussi d’avoir des notions informatiques, en matière, par exemple, de «clustering» ou de «scalling».
– Métier : il est essentiel qu’il comprenne parfaitement l’activité, le métier de son entreprise afin de pouvoir maîtriser la stratégie, de savoir identifier les enjeux essentiels… Ce qui lui permettra notamment de proposer de nouveaux services et produits à partir de l’analyse de la base de données.
S’appuyant sur ces trois dimensions, le spécialiste américain Thomas Davenport («Strategie Big Data», Pearson) a établi une liste des principales compétences du data scientist :
– Compétences d’un informaticien : capacité à coder, compréhension des opportunités technologiques du Big Data.
– Compétences d’un consultant : prise de décision sur la base d’indices, fortes compétences en communication et en relationnel, capacité à suivre les décisions prises selon les procédures en place.
– Compétences d’un analyste quantitatif : analyse statistique et graphique, analyse des données structurées et non structurées.
– Compétences d’un expert commercial : connaissance du métier, capacité à proposer de nouveaux produits.
Le data scientist se démarque des profils de développeur, d’analyste ou de statisticien par sa polyvalence et l’étendue de son champ d’action. Il combine des compétences très variées. Autre différence par rapport à ces métiers, il est amené à manipuler des outils Big Data, pour développer de nouveaux produits («data products») et services.
Retrouvez l’ensemble des billets de Saïd El Ouazzani ici sur le site HBR France.
