Le domaine de la data est en plein essor, et pour cause, elle est une denrée précieuse que les entreprises ont intérêt à exploiter pour améliorer leurs performances.
Les experts qui collectent, analysent, structurent et interprètent les données détiennent aujourd’hui un pouvoir non négligeable.
Comme c’est un secteur d’activité en pleine phase de construction, il est parfois difficile de s’y retrouver. Voici les clés pour choisir au mieux une spécialité data et s’y former.
Les trois métiers data
S’il y a des compétences communes à tous les métiers en data, ils diffèrent aussi sur certains aspects. Très souvent, ils constituent ensemble le data center de l’entreprise et ces trois experts sont amenés à collaborer de façon étroite. Le point sur trois spécialités recherchées en science des données.
Data Analyst
Le data analyst collecte et et traite les données de l’entreprise.
Par son analyse, il est le plus à même de comprendre et d’interpréter ces informations pour que l’entreprise en tire des conclusions pertinentes.
Au service de tous les départements de l’entreprise, le data analyst se doit de fournir des données rigoureuses, vérifiées et pertinentes, pour aider à la mise en place des meilleures stratégies possibles. Chronologiquement, le data analyst rassemble la donnée autour d’une problématique bien définie, établit des rapports à partir des résultats puis les présente de façon compréhensible aux destinataires.
En résumé, c’est fait pour :
- Celles et ceux qui ont des affinités avec les maths
- Qui se sont déjà un peu intéressés au développement ou veulent l’apprendre
- Et qui veulent acquérir les bases de la science des données (potentiellement avec le projet derrière de se spécialiser sur l’un des deux métiers de data scientist ou data architect).
[À découvrir : la formation Data analyst]
Data Scientist
Le data scientist a une mission plus technique que le data analyst.
Il transforme les problématiques de ressources humaines, de productivité, de bien-être en problèmes scientifiques pour ensuite les résoudre à l’aide d’algorithmes.
Très à l’aise avec les outils de Big Data, le scientist doit être capable de créer ces algorithmes, de mettre en place les outils nécessaires pour faire des prédictions, pour collecter et traiter la donnée. Le data scientist travaille à la croisée de statistiques, de l’algèbre, des langages informatiques, ou encore de l’intelligence artificielle. Il sait également mettre en place et développer les modèles statistiques qui permettent d’utiliser les fonctionnalités de l’intelligence artificielle. C’est aussi lui qui peut apporter la donnée au data analyst.
Le data scientist peut également se faire ingénieur Machine Learning s’il se spécialise dans les algorithmes d’apprentissages automatiques, champs d’étude de l’intelligence artificielle. Grâce à une approche statistique et des modélisations mathématiques, l’ingénieur met en place des algorithmes qui permettent aux ordinateurs et aux machines d’évoluer et de résoudre des problèmes en autonomie.
En résumé, c’est fait pour :
- Ceux qui ont de bonnes bases en algorithmie et data analyse
- Qui veulent travailler sur des problématiques de projection des données
- Qui par la théorie veulent obtenir des résultats concrets.
[À découvrir : la formation Data scientist].
Data Architect
Il pense et met en place des infrastructures nécessaires au stockage et au traitement de la donnée.
Il se positionne pour organiser la donnée de la façon la plus efficace et la plus accessible possible à ceux qui en ont besoin. Le data architect est au cœur de la conception des plateformes qui gèrent l’ensemble des données de l’entreprise et des modèles apportés par le data scientist. Ces plateformes doivent avant tout être fonctionnelles à court et à long terme. Cela constitue un défi permanent pour servir correctement les autres équipes data et les différents services de l’entreprise.
En résumé, c’est fait pour :
Ceux qui veulent construire des architectures de données
Qui veulent être l’interface data de toute l’entreprise
Ceux qui veulent avoir un rôle organisationnel.
Comment choisir ?
Thomas Dupouy a travaillé pendant une dizaine d’années en tant que consultant pour un groupe multinational de stockage et sauvegarde informatique. Il a alors acquis des notions en infrastructure et quand l’entreprise où il travaillait a été rachetée, il a sauté sur l’occasion pour se former à la data. Il a ainsi suivi la formation data analyst puis data architect au sein de l’école en ligne OpenClassrooms.
Selon lui, la formation en data analyse est un bon moyen de découvrir l’univers de la data :
On y apprend un peu le BA-ba, c’est comme apprendre à lire et à écrire, c’est la base à connaître dans le domaine de la data.
« On apprend les outils et le traitement de la donnée. Cela peut être une fin en soi ou un très bon pré-requis pour se former ensuite plus spécialement comme data scientist ou data architect.”
Les trois experts en data partagent :
- le goût des chiffres
- un esprit logique
- la volonté de se creuser la tête sur des problèmes mathématiques
- des notions en probabilités et statistiques.
Le data analyst a besoin d’un bagage technique moindre par rapport au data architect ou au data scientist. Le data architect est aussi appelé data engineer dans certaines entreprises. C’est un métier qui peut donc correspondre à des profils ingénieur, mais aussi marketing. Pour devenir data scientist, il faut avoir le goût des technologies car il est indispensable de maîtriser certains langages informatiques comme Python par exemple.
Selon Thomas,
idéalement, il faut déjà être capable de monter des petites infrastructures, de traiter des données avec une certaine volumétrie, de manipuler un peu de code et d’avoir quelques notions de programmation.
« Quel que soit le parcours que l’on choisisse, je pense qu’il est bon d’être déjà familiarisé avec l’informatique en général pour démarrer. La formation data architect est assez proche des parcours consacrés au cloud par exemple. On se sert des mêmes technologies.”
Quelles opportunités sur le marché du travail ?
Les annonces dans le secteur de la data sont de plus en plus nombreuses. Comme l’explique Thomas, “les infrastructures legacy (NDLR les systèmes informatiques hérités du passé et de plus en plus obsolètes aujourd’hui face à l’émergence du cloud) sont en déclin aujourd’hui et ce sont les outils de Big Data que les entreprises recherchent. Aujourd’hui, il y a aussi beaucoup d’entreprises qui n’ont pas la connaissance ou la maîtrise de ces outils et qui pourraient beaucoup mieux fonctionner. »
Le marché n’étant pas encore saturé en terme d’experts data, on peut trouver des offres avec des salaires très attractifs.
À l’issue de ses deux ans de formation chez OpenClassrooms et de deux mois de stage comme data architect, Il a justement été embauché en CDI chez Capgemini Infrastructure en tant que chef de projet architecture. “Ils n’avaient pas encore le terme data dans leur nomination mais cela correspond à un poste de data architect en terme de mission. Je démarre en septembre donc je ne sais pas encore à quels clients je serai affecté mais a priori ils sont au service de grands comptes comme EDF, Air France, Total, etc. Je découvrirai par la suite quels sont les besoins associés à quels budgets.”
Un plus pour la notoriété des organismes diplômants
Les formations OpenClassrooms de data scientist et data architect sont élaborées en partenariat avec l’école CentraleSupélec et la formation de data analyst avec l’école ENSAE-ENSAI. Deux écoles qui sont des références en la matière et qui sont évocatrices aux yeux des recruteurs.
“Je pense que les grands groupes sont très sensibles à ces références”, précise Thomas.
Le domaine de la data est un univers en pleine évolution et qui fait sens dans le contexte numérique actuel. Ses métiers sont accessibles à des profils variés, qui exigent néanmoins une appétence pour les chiffres et les outils informatiques de base.
À mesure que les entreprises se dotent de départements data à part entière, les recruteurs cherchent de plus en plus à recruter des experts. Alors pourquoi ne pas se lancer ?
Pour aller plus loin :
Pourquoi c’est le moment de se lancer dans une carrière dans la data
Récupérer, structurer et analyser la donnée, le métier de Data Architect
Bonjour à toute l’équipe de openclassrooms
Je suis ingénieur en réseau et j’aimerais avoir mon master en sciences de données notamment en data analyse et svp j’aimerais que vous donner des références avant de me lancer dans les data analyses pour que je pusse
devenir meilleur dans ce domaine.
NB: jai appris la programmation avec vous vraiment merci merci et j’espère que vous allez vite me répondre bonne journée. Cordialement!!