Les missions du data scientist

Le métier de data scientist fait partie des nombreuses professions ayant vu le jour avec le développement du numérique.

Il consiste à analyser de manière pointue des données massives, couramment appelées « Big Data », concernant à la fois les clients, les prospects et les employés. Ce travail d’analyse a pour objectif de répondre aux problématiques de l’entreprise, d’orienter les décisions stratégiques et d’améliorer les services/produits qu’elle propose à ses clients.

Le data scientist jongle au quotidien avec des données à la fois déstructurées, dispersées et multiples. Pour aiguiller la stratégie de l’entreprise, il doit, en se basant sur son excellente connaissance métier et ses connaissances techniques (statistiques, mathématiques, informatiques, etc.), analyser, organiser, modéliser, nettoyer, synthétiser et restituer les données afin qu’elles puissent être exploitées. Il identifie par ailleurs les schémas de comportements récurrents et les tendances.

Il s’appuie au quotidien sur ses connaissances en data mining, machine learning, en statistiques et utilise les technologies de l’information (Hadoop, Java, Python, SQL, Hive, et Pig, etc.). Le data scientist travaille également en étroite collaboration avec les différentes directions métiers de l’entreprise comme la direction marketing, la direction des systèmes d’information, voire la direction financière.

Le data scientist peut être amené à travailler dans de nombreux secteurs. Génétique, neurosciences, marketing, finance : l’explosion des données disponibles concerne de nombreux domaines d’activité.

Comment arrive-t-on au métier de data scientist ?

Existe-t-il un parcours idéal pour devenir data scientist ? Où se former et quelles sont les qualités requises pour occuper ce type de poste ?

Des profils diversifiés

Mathématicien, physicien, actuaire, statisticien, développeur ou encore ingénieur : pour l’heure, il n’existe pas véritablement de voie royale menant au métier de data scientist. Il existe presque autant de parcours professionnels que de data scientists sur le marché. Beaucoup d’entre eux, aujourd’hui seniors, se sont formés « sur le tas » et le métier de data scientist s’est imposé comme une évolution au cours de leur carrière.

Leur point commun est qu’ils possèdent tous un bagage technique conséquent alliant programmation, maîtrise des technologies de l’analyse, statistiques et mathématiques. Leur bagage technique est généralement complété par des connaissances marketing poussées (problématique marketing, marché, commerciale, fidélisation clients, etc.).

Dans les faits, on remarquera souvent que toutes ces compétences, notamment techniques sont difficiles à retrouver chez une seule personne. Certaines entreprises prennent le parti de créer des équipes pluridisciplinaires où les profils de data scientists se complètent entre eux.

De plus en plus de formations disponibles

Si les États-Unis ont déjà une petite longueur d’avance en termes de formation, la France a rapidement pris conscience de son retard. Les premières formations d’enseignement supérieur intégrant des spécialisations permettant de découvrir les métiers liés au Big data ont commencé à voir le jour ces dernières années. Les Mines, ENSI (école nationale supérieure d’ingénieurs de la statistique et de l’analyse de l’information), Ensae Paris Tech (Ecole nationale de la statistique et de l’administration économique), Télécom ParisTech, Centrale, Polytechnique, Insa Rennes ou même HEC : qu’il s’agisse d’écoles d’ingénieurs, spécialisées en statistiques ou des écoles de commerce, nombreux sont les établissements ayant embrassé le Big data.

Si tous les cursus ne sont pas spécifiquement focalisés sur le métier de data scientist, ils permettent tout de même aux étudiants d’effectuer une incursion très intéressante dans le domaine du Big data. Les connaissances acquises sont à compléter par des expériences sur le terrain, au sein des entreprises, et par l’auto-formation, grâce à des Moocs par exemple.

Les qualités requises

En marge des capacités techniques et des connaissances marketing qu’ils doivent posséder, les aspirants data scientists doivent faire preuve d’une grande curiosité et posséder un excellent sens de l’analyse. L’autonomie s’avère aussi indispensable, tout comme la capacité d’adaptation dans la mesure où ils peuvent être amenés à travailler dans des équipes pluridisciplinaires.

Un bon data scientist devra aussi être un bon communicant car il travaille au contact de plusieurs métiers et souvent des décideurs.

La maîtrise de l’anglais technique ne peut pas être négligée.

Les data scientists : des profils prisés mais encore rares

La demande de data scientists est élevée du côté des entreprises mais force est de constater que l’offre ne suit pas encore côté candidats. Cette rareté et l’important niveau technique requis pour accéder à ce type de poste se traduisent par des salaires relativement attrayants. Un profil junior touche autour de 38 000 euros brut par an, tandis qu’un data scientist plus expérimenté se situera autour de 50 000 euros annuels voire plus selon son niveau d’expertise et le pays dans lequel il exerce. En effet, aux États-Unis, les meilleurs candidats peuvent espérer toucher autour de 100 000 dollars par an.

On notera que des évènements dédiés au Big Data et permettant aux entreprises et aux candidats potentiels de se rencontrer, ont vu le jour au cours des dernières années comme le Big Data Paris ou le Data Job.

Fed Finance vous accompagne dans vos recherches d’emploi. Retrouvez toutes les offres d’emploi dédiées à l’analyse de données sur notre site.

Le saviez-vous ?

Le terme de data scientist aurait été inventé par deux ingénieurs de Linkedin et Facebook en 2008.

Pour aller plus loin :

• Les métiers du digital qui paieront le mieux en 2016
  
• Métiers du numérique : le web recrute
• Bien gérer ses données marketing, un indispensable du e-business