Focus sur les métiers de la data science : de la collecte à l’interprétation des données

Vous souhaitez exercer un métier lié aux data sciences mais vous ne comprenez pas les différences entre un data scientist, un data analyst et un développeur big data ? Vous vous demandez quelles sont les technologies nécessaires à l’exercice de votre futur métier ? Pour répondre à vos questions, nous nous sommes entretenus avec Marc Badinier, senior tracking specialist chez fifty-five. Il a suivi la formation Data analyst – développeur big data dispensée par IFOCOP, et encourage les personnes motivées à faire de même.

Plongée dans la nébuleuse des métiers de la data science

Classifier les professions du numérique, c’est compliqué. Du développement au marketing, les métiers évoluent rapidement et un même intitulé de poste peut avoir des définitions très différentes dans les startups, les grandes entreprises et les institutions publiques du pays. Les professions associées à la data science ne dérogent pas à la règle. “Si des métiers sont correctement définis, avec leurs savoirs et savoir-faire, l’apparition de besoins constants d’intégrer de nouvelles sources de données, toujours plus massives, redessine régulièrement les postes et les professions de la donnée. Nous allons voir apparaître des spécialisations de plus en plus précises, et donc un redécoupage des savoirs, en nouveaux métiers de la donnée”. Si cette nébuleuse évolue, le rôle des professionnels de la data science dans l’entreprise n’a pas changé. Ils “collectent et recueillent des informations, quel que soit le canal, stockent ces données et sont en mesure d’extraire de ces informations stockées les résultats attendus”. Quel que soit le champ application, ces principes restent immuables. Les spécialistes des data sciences travaillent toujours en lien étroit avec les professionnels d’autres métiers, afin d’apporter des solutions à leurs problématiques du quotidien.

Au sein des métiers de la data science, on retrouve :

• Des spécialistes de la collecte de données : des humains (enquêteurs, spécialistes du tracking…) et des robots (bots, appareils connectés…).
• Des spécialistes du stockage de ces données recueillies : administrateurs système, spécialistes cloud et virtualisation, administrateurs de bases de données structurées ou non-structurées, spécialistes IT…
• Des spécialistes du traitement des extractions de données : experts SQL, NoSQL, développeurs d’applications, data analysts, data scientists, spécialistes CRM et experts d’applications connectées aux sources de données.
• Des spécialistes de l’interprétation des chiffres ainsi extraits : mathématiciens, chercheurs, data scientists et data analysts également…

“Il est impossible de définir chacun de ces métiers en quelques lignes. Pour beaucoup d’entre eux, ils ne sont pas nouveaux. Nous nous focalisons parfois trop sur deux ou trois métiers de la data, oubliant le socle indispensable au fonctionnement de l’ensemble. Chaque couche ou brique fonctionnelle doit travailler avec les autres, au moins celles attenantes”. Une chose est en revanche certaine : les besoins en main d’œuvre des entreprises accélèrent aussi vite que la volumétrie de données créées et collectées. Le recueil, le traitement et l’analyse des données permettent aux sociétés d’améliorer leurs performances. Elles recrutent donc, de manière soutenue, des professionnels capables de structurer et valoriser ces données.

Des compétences techniques pour répondre à des problématiques concrètes

Pour exercer l’un de ces métiers, des compétences techniques sont requises. “Il ne faut pas apprendre de langage par cœur mais comprendre des concepts comme la programmation orientée objet ou la programmation fonctionnelle. Les technologies dépendent du contexte : dans l’e-commerce, on insistera sur le développement de SPA (single-page application) et PWA (progressive web app). D’autres spécialités seront nécessaires dans la robotique et l’électronique, dont les nombreux débouchés ne sont que trop peu évoqués. Plus globalement, les technologies les plus spécifiques sont les plus recherchées : Python, Hadoop, Spark, les bases de données NoSQL, Tableau, Data Studio et les TMS (tag management system) pour les analystes marketing”.

Il est important de noter que cette liste de technologies est référente au moment où elle a été conçue : “ce qui est en vigueur au premier trimestre ne le sera peut-être plus en fin d’année. Les grands acteurs du marché de l’informatique rivalisent d’investissements pour remporter la bataille du produit, de la technologie ou de l’écosystème qui aura la primeur de nos futurs choix”. Nul n’oubliera que la technologie n’est pas une finalité mais un moyen, et que les décisions d’opter pour telle ou telle techno seront avant tout motivées par la faculté de chacune d’entre elles à répondre à une problématique précise.

Quelles que soient les technologies employées, elles le seront généralement pour aider les autres professionnels : “les spécialistes du marketing sont, entre autres, chargés de définir les besoins des clients. Ils s’appuient sur de nombreuses données : comparatifs de vente, de fréquentation, de conversion, performances des campagnes publicitaires… Les chiffres aident les décideurs à modifier ou affiner l’offre de l’entreprise. Les spécialistes de la data peuvent les accompagner pour définir des indicateurs clairs et précis (KPI), analyser les performances passées (BI) et effectuer des prévisions afin de valider les impacts des choix effectués. Il est possible d’aller plus loin, avec l’entrée en jeu de l’IA et d’analyses complexes (réseaux de neurones, deep learning…)”. Les métiers du digital sont actuellement de forts demandeurs de spécialistes de la data. Il s’agit là de logiques mercantiles, mais d’autres perspectives de carrière se développeront, autour des services publics notamment (aide aux personnes en situation de handicap, optimisation des déplacements…).

Comment devenir spécialiste des sciences de la donnée

Si les débouchés sont nombreux, les compétences techniques sont essentielles. Selon Marc Badinier, certaines connaissances sont nécessaires pour rejoindre une formation spécialisée : “il faut une bonne maîtrise des concepts d’analyse et de modélisation d’applications, de solides bases dans un langage de programmation objet et une excellente compréhension du modèle objet (POO). Comprendre une architecture n-tiers, le fonctionnement du web, connaître la relation serveur-client. C’est un socle solide pour la partie développement”.

Côté donnée, la connaissance d’un système de base de données est recommandée (SGBDR et/ou NoSQL). “Un peu de SQL est probablement nécessaire, ou tout du moins la capacité d’écrire une requête et trouver l’aide en ligne pour se rafraîchir les mots clés. Les autres notions à comprendre sont relatives à l’hébergement, la localisation de fichiers (versioning, GitHub…) et au travail en équipe. Les personnes issues du commerce ou du marketing sont également les bienvenues, mais elles devront effectuer un travail technique plus conséquent que celles issues des cursus de développement ou de l’ingénierie”.

Si les métiers de la data science vous intéressent, rendez-vous sur le site d’IFOCOP pour en savoir plus sur la formation de Data analyst – développeur big data.