Bien choisir son métier Data (1) : Scientist, Analyst ou Engineer ?

par

Edmond Kean

Bien choisir son métier Data (1) : Scientist, Analyst ou Engineer ?

Ça y est, c’est décidé : votre futur métier sera un métier data ! C’est votre truc, c’est sûr !

 En avant formations ou reconversion pour le métier le plus « sexy du XXIème siècle » ! En plus, c’est hyper recherché, on n’attend plus que vous…

 Vous vous voyez déjà jonglant avec les données et les outils digitaux pour éclairer les entreprises sur les meilleurs stratégies business et marketing à adopter.

 On va vous adorer : tapis rouge, champagne et gros billets, le paradis quoi !

 Ok, j’exagère peut-être un peu mais c’est vrai que les métiers data offrent, à l'heure actuelle, beaucoup d’opportunités. Une chose est donc sûre : les métiers de la data ont le vent en poupe et vous faites bien de vous renseigner.

Mais avant tout : quel métier data voulez-vous faire ? Vous seriez plutôt Ingénieur, scientifique ou analyste ? 

 Le choix n’est pas si simple ! Nombreux sont ceux qui ne savent pas faire la différence entre ces métiers en apparence similaires, et qui ont, pourtant, des rôles et des missions très spécifiques.

 Et je ne vous parle que des 3 métiers les plus connus car il y en a des dizaines dans la data. Et ça change vite...

 Alors, pour vous aider à bien choisir et à bien vous orienter, un petit rappel s’impose.

 Et comme vous on vous espère très curieux, on ne va pas se priver de vous donner les missions, les formations, les compétences et les salaires de chacun de ces 3 métiers…

 Ne me remerciez pas, c’est la maison qui régale.

AdobeStock_384476407-min

(Part I)

Data Engineer vs Data Analyst vs Data scientist : métiers différents mais complémentaires

  1. Le Data Engineer, le « bâtisseur »

Étape du projet data : Collecte/exploration

Classé #7 au classement Glassdoor, des 50 meilleurs jobs aux Etats-Unis et #15 UK.

 Encore qualifié parfois « d’ingénieur big data », c’est le métier le plus demandé, avec le DevOps/cloud à l’heure actuelle. Ceci s’expliquant par la transition croissante des entreprises vers les systèmes Big Data. 

 Car si la donnée est le nouvel « or noir », elle doit, comme pour le pétrole, être raffinée avant d’être exploitée. Or, le Data Engineering est l’art de collecter, de stocker et de convertir à grande échelle des données brutes.

 Ainsi, avant d’être analysée, traduite ou vulgarisée, il faut que la donnée soit préalablement extraite, qualifiée, préparée et transformée.

 Le Data Engineer va donc mettre en place et surveiller les outils et infrastructures nécessaire qui permettent de transformer les données en informations fiables et de qualité.

Confronté parfois à des data erronées, il crée alors des pipelines de données efficaces pour nettoyer, transformer et stocker celles-ci dans les data warehouse. Il va aussi garantir le « désilotage » de ces données, c’est-à-dire les uniformiser et les  consolider soit dans un endroit précis (le Data Lab), soit à l’aide d’un référentiel unique (le data warehouse/data lake), et développer des applications qui les exploiteront.  En organisant ces flux de données entre les sources et les bases de stockage, il prépare le terrain aux autres métiers data.

Sa mission n’est donc pas d’analyser la donnée, comme eux, mais de la leur rendre accessible pour en tirer des tendances.

 Il est ainsi le premier maillon du processus du « chemin de la donnée ». Il “pose les fondations” et intervient en amont mais peut aussi intervenir en aval, accompagnant les Data Scientists et les Data Analysts dans l’utilisation de ces données.

 Être Data Engineer peut prendre différents aspects suivant l’entreprise, l’équipe et le niveau d’expérience : selon la taille de l’entreprise, Il peut être dédiée à la création de data pipeline ainsi qu’à la gestion d’un datawarehouse ou être amené à gérer l’administration d’une infrastructure cloud. A contrario, travailler dans de plus petites entreprises signifie souvent endosser une plus grande variété de tâches.

 Un Data Engineer se doit aussi d’être à l’affut des dernières technologies pour mettre à jour les systèmes existants. Un Data Engineer a souvent un background technique en développement logiciel. Il peut parfois être un Software Engineer qui s’est reconverti dans le Big Data.

 

 En bref :

 Les missions du Data Engineer sont…

 

  • Concevoir et assurer la maintenance technique de l’architecture logicielle permettant de traiter, stocker et valoriser la donnée

 

  • Fournir l’expertise technologique nécessaire pour développer les solutions data appropriées aux besoins des métiers de l’entreprise

 

  • Créer des pipelines de données pour automatiser les différentes étapes (collecte, stockage des données), et veiller à leur qualité et fiabilité.

 

  • Réaliser des processus d’ETL (Extract, Transform, Load) pour identifier et connecter différentes sources de données, les nettoyer, les transformer puis les centraliser dans un Data Lake, un espace de stockage.

 

 

  • Effectuer des croisements de données et des travaux de validation, correction, pour soutenir le travail des Data Scientists en aval. Exemple : la mise en production des modèles et algorithmes.

 

 Perspectives d’évolution :

 Postes envisageables avec de l’expérience et des formations :

  • Lead Data Engineer 

  • Chief Data Officer 

  • Chief Technology Officer

  • Data Scientist

  • Machine Learning Engineer

  • Software Engineer

  • Poste de directeur informatique (DSI)

 

 

infographie_data_analyst(1)

Source : https://www.carriere-informatique.com/actualite/emploi/2512/data-analyst-un-metier-d-avenir

 

  1. Le Data Analyst, l’expert de l’analyse

 Etape du projet data : collecte/exploration/exploitation

 Classé #35 au classement Glassdoor, des 50 meilleurs jobs aux États-Unis.

 Appelé aussi Data Consultant, ce métier connait lui aussi une hausse de la demande. Celle-ci étant liée au regain d’intérêt du marché pour la Data Visualisation. En effet, les entreprises ont besoin d’avoir des données valorisées et synthétisées sous forme visuelle claire.

 Le Data Analyst est un expert de l’analyse qui a donc pour rôle de mettre en forme et d’interpréter des données statistiques pour répondre à des questions métier spécifiques.

 Expert des chiffres, Il possède des compétences en analyse, en statistiques, en algorithmes et en visualisation de données. Il valorise et donne un sens aux milliers de données collectées par des rapports et des visualisations graphiques (création de dashboard analytique, diagrammes circulaires, histogrammes etc…). Il définit aussi des indicateurs clés de performance (KPI) et vulgarise les résultats pour les rendre compréhensible et exploitables par tous.

 À partir de ces réalisations, il peut rédiger des recommandations permettant d’améliorer le business de l’entreprise et de choisir la meilleure stratégie marketing et commerciale. 

 Son but ? L’analyse de données pour des fins décisionnelles

 Le Data Analyst aide les entreprises à véritablement consommer les données mis en forme par le Data Engineer ou les résultats renvoyés par les modèles du Data Scientist pour la prise de décision effective.

 C’est un métier à l’intersection de la Business Intelligence et de l’ingénierie Big Data.

 Le rôle d’un Data Analyst est très large et varie en fonction du type d’organisation de l’entreprise, du degré de maturité d’utilisation des données et des outils business intelligence.

 Le Data Analyst a une « double casquette », à la fois business et technique : il doit comprendre fortement le métier des différentes équipes (marketing, produit, finance…) afin d’identifier leurs besoins en Data et en analyses.  

 Souvent moins qualifié techniquement que le Data Scientist, le Data Analyst est responsable de l’analyse des données existantes issues de l’activité de l’entreprise. Il n’a donc pas vocation comme le Data Scientist à effectuer des analyses complexes de données brutes multi-plateformes ou encore à développer des modèles mathématiques prédictifs.

 La combinaison des profils Data Scientist et Data Analyst est indispensable : ils sont complémentaires mais ce sont bien deux métiers différents.

undefined-Jul-14-2022-09-05-12-85-AM© DataScientest

 En bref :

 Les missions du Data Analyst sont…

 

  • Analyser la donnée fournie par le Data Engineer ou le Data Scientist.

 

  • Vérifier la qualité des données

 

  • Prendre le temps de les analyser, d’en comprendre le sens et d’en saisir des tendances actuelles…

 

  • Manipuler, filtrer, préparer avec des méthodes statistiques la donnée pour établir des rapports d’analyses.

 

  • Définir les KPIs, les métriques, les angles d’analyses en collaboration avec les équipes métiers.

 

  • Représenter alors visuellement les données afin de faciliter leur compréhension. S’en servir pour faire des rapports, des tableaux de bord (Dashboard), des indicateurs de performance (KPI) pour répondre aux problématiques de l’entreprise.

 

  • Communiquer et présenter les résultats à l’équipe dirigeante. 

 

Perspectives d’évolution ?

 Postes envisageables avec de l’expérience et des formations :

  • Lead Data Analyst 

  • Chief Data Officer 

  • Data Scientist ‍

  • Data Engineer

  • Ingénieur business intelligence (BI)

  • Chief data officer (CDO).

 

ey-que-fait-un-data-scientist

 Source : https://www.rocket-services.com/blog/2019/08/29/data-scientist-metier-davenir/

  1. Le Data Scientist, le statisticien

 Étape du projet data : collecte/exploration/exploitation

 Classé #3 du classement Glassdoor des 50 meilleurs jobs aux Etats-Unis et #5 UK.

Élu « métier le plus sexy du XXIème siècle » en 2012 par la Harvard Business Review, le « Data Scientist », est un expert de la science des données. C’est en 2008, que deux ingénieurs travaillant respectivement chez Facebook et LinkedIn inventent ce nom.

Autrefois « superstar », la demande pour ce métier est actuellement en baisse. Cela étant du au recul des projets industriels de Data Science. Ainsi, on voit de nombreux Data Scientists se réorienter en Data Engineering ou Data Analyst.  Cependant, il est probable que la demande retrouve une certaine stabilité car les projets de Data Science industriels finiront par émerger à nouveau.

Un Data Scientist est un profil pluridisciplinaire, formé en mathématiques, statistiques et informatique, qui a pour mission première de tirer de l’information utile (insights) depuis des données brutes. Il intervient en aval de l’ingénieur de données.

C’est un métier qui consiste à « faire parler la donnée » : il analyse, traite et modélise ces données, puis en interprète les résultats à l’aide de statistiques avancées.

Tout comme le Data Analyst, il collecte et analyse des ensembles de données brutes. Mais contrairement à ce dernier qui recueille, analyse et exploite des données existantes, le Data Scientist peut créer de nouvelles sources de données qui n’existent pas ou dérivant de données existantes. Il utilise les modèles de Machine Learning et l’intelligence artificielle (IA) pour automatiser l’analyse et explorer ou exploiter les données plus en profondeur.

Il s’agit donc d’une forme de Data Analysis poussée sur de grands volumes de données.

La spécialisation d’un Data Scientist est actuellement de plus en plus importante pour travailler sur un projet de data science.

Par exemple, Machine Learning Engineer est un Data Scientist spécialisé dans la mise en place et l’industrialisation de modèles de machine learning. Un Data Scientist, peut aussi se spécialiser dans la « computer vision », c’est-à-dire d le traitement d’images par ordinateur dans le but de créer des algorithmes de reconnaissance d’objet.

 Le Data Scientist est l’atout à avoir dans son équipe quand on cherche à “prédire le futur” (taux de churn, évolution des ventes, baisse ou croissance des revenus). Et ceci grâce à son savoir-faire (outils statistiques, programmation et création d’algorithmes de machine learning).

 A l’aide de méthodologies algorithmiques ou data driven, il développe des modèles prédictifs, en collaboration avec le Data architect et Data Engineer. Grâce à lui, l'entreprise va pouvoir définir des tendances et développer des produits ou services en fonction de ses modélisations.

 Son but ?

Aider l’entreprise à prendre des décisions stratégiques.

 C’est un métier à la croisée entre business et Data. En effet, s’Il est un expert qualifié sur le plan technique, il est également doté d’une connaissance en business avec une vision marketing très marquée et des connaissances métiers précises.

 Un Data Scientist travaille souvent en étroite collaboration avec différents départements d’une entreprise afin de mieux comprendre les objectifs car l’information utile sera spécifique à une entreprise et à un domaine métier.

Une fois que le Data Scientist a fini son travail d’analyse, il doit en présenter les résultats. De manière à la fois claire et précise, ce qui suppose des compétences en communication orale, mais aussi en Data Visualization. Il usera pour cela de différents supports de présentation comme les présentations PowerPoint et des visualisations graphiques (histogrammes, diagrammes circulaires, etc.).

Exemple dans l’aéronautique : désormais, la conception, l’évaluation des performances, la qualité des pièces, la maintenance et la réparation des équipements, c’est-à-dire toutes les étapes de la chaîne peuvent être améliorées grâce à l’exploitation de la donnée et au Machine Learning. On peut ainsi utiliser un algorithme de Deep Learning pour analyser et détecter les comportements anormaux puis recommander des opérations de maintenance.

a5b10745db_50170341_missions-6-10

 © DataScientest 

 En bref :

Les missions du Data Scientist sont… 

  • Trier, classer, transformer et explorer en profondeur les données puis les traduire en problématiques spécifiques

 

  • Créer de nouvelles bases de données

 

  • Utiliser des algorithmes (machine learning) et des méthodes statistiques pour explorer les données.

 

  • Comprendre les exigences de l’entreprise et traduire une problématique métier ou business en des méthodes d’analyse de données

 

  • Développer des outils et processus informatiques qui facilitent l’analyse des données et des KPIs

 

  • Découvrir des tendances et des patterns, puis en tirer des modélisations statistiques, des prédictions…

 

  • Utiliser des modèles de données prédictifs en vue d’optimiser le parcours d’achat, l’expérience client, les campagnes publicitaires…

 

  • Évaluer l’efficacité des outils informatiques actuellement en service et proposer des solutions correctives mieux adaptées aux besoins du marché.

 

  • Vulgariser les résultats aux autres corps de métiers (Data Storytelling, Data Visualisation) pour engager une réflexion stratégique commune.

 

 

 Perspectives d’évolution ?

 Postes envisageables avec de l’expérience et des formations :

  • Chef de projet data ou Data Scientist senior.
  • Lead Data Scientist ou Chief Data Scientist
  • Responsable d’un pôle data ou Chief data officer (CDO).

 

Pour vous aider à distinguer car c’est parfois confus dans certaines offres d’emploi :

 

  • Si le Data Engineer est un technicien de très haut niveau, le Data Scientist, lui, est un explorateur.

 

  • Le Data scientist a des compétences plus fortes sur les maths et sur la data et travaille à un niveau plus stratégique. Il identifie les tendances du marché pour les décideurs de l’entreprise et cherche à résoudre les problèmes stratégiques liés aux décisions business. Le Data Analyst, quant à lui, étudie les données bruteset restitue les résultats aux différents métiers.

 

  • Le métier de Data Scientist est considéré comme à l’intersection entre Data Analyst et Data Engineer

 FBlstfBXoAAuJWz

 

Source : https://twitter.com/mytechbf/status/1448308288639152132?lang=zh-Hant

 

Vous l’aurez compris, ces 3 métiers sont incontournables en ce qui concerne le traitement des données pour l’entreprise. Bien entendu, ils ne sont pas les seuls métiers data mais sont les piliers essentiels pour n’importe quelle organisation cherchant à se développer grâce au Big data.

Vous pensez avoir trouvé celui qui vous convient ? Parfait.

Mais connaissez-vous quelles formations et compétences vous seront nécessaire ? Non ?

Alors, restez encore un peu avec nous pour lire la suite de cet article Ici.

 Vous hésitez encore ?

 Chacun de ces métiers jouent un rôle clairement défini mais les entreprises s’organisent parfois différemment en fonction de leurs besoins, de leurs budgets ou de leurs tailles. Monter son équipe data demande souvent un temps de réflexion et l’on peut se contenter de nos 3 métiers de base ou aller jusqu’au département plus développé avec de nombreux autres métiers data.

N’hésitez pas à lire aussi  notre article consacré à ce sujet...

 Bonne recherche et on se retrouve tout de suite. C’est à vous : bon clic et bonne lecture !

Edmond Kean

par Edmond Kean