Data scientist

La révolution numérique a fait rentrer nombre d’entreprises dans l’ère du big data. Le big data joue un rôle de plus en plus stratégique pour les entreprises : l’exploitation des données permettant notamment d’assurer un meilleur suivi de leur performance, d’analyser les comportements des consommateurs, d’identifier des opportunités de marché, etc. Les entreprises ont besoin de mobiliser des compétences spécifiques pour tirer profit au mieux des données . Ces compétences relèvent de trois champs distincts : celui de la collecte et du stockage des données, celui du traitement et de la modélisation des données, et celui de la protection des données.

La certification concerne l'exploitation des données numériques de l'entreprise à des fins de décisions stratégiques, managériales, marketing, techniques. Elle vise à qualifier des Data Scientists disposant des compétences expertes et transverses nécessaires.

• Traduire de manière analytique le besoin métier en rédigeant un cahier des charges en collaboration avec les parties prenantes pour fixer les objectifs attendus
• Proposer une conception technique et technologique grâce à un état de l'art prenant en compte l'ensemble des contraintes (temporelles, budgétaires, techniques, managériales, juridiques, etc.) afin de répondre au cahier des charges
• Cartographier les flux de données et leur structure par des modèles logiques afin de les préparer aux processus d'intégration
• Superviser le développement de systèmes d'acquisition, de transfert et de stockage des données en accord avec les besoins techniques et juridiques (RGPD) en collaborant avec des équipes techniques de façon transparente et inclusive pour pérenniser les flux de données
• Assurer l'intégrité des données tout au long de leur cycle de vie par le développement de pipelines ETL (Extract, Transform, Load) afin de réduire les erreurs potentielles et d'assurer une gestion pérenne des flux de données
• Analyser des ensembles de données par l'application de techniques statistiques afin de mettre en valeur des tendances, des corrélations et des modèles significatifs
• Transmettre des informations issues des données transformées par le développement d'outils de visualisation tels que des tableaux de bords, des infographies et des KPI pour accompagner la prise de décision de l'entreprise
• Déterminer une représentation des données à l'aide de techniques d'ingénierie de caractéristiques ("feature engineering") pour entraîner un modèle répondant à la problématique
• Entraîner un modèle d'apprentissage supervisé ou non-supervisé à l'aide d'un ensemble de données représentées et en ajustant ses hyper-paramètres pour améliorer ses performances et sa capacité à répondre de manière généralisée à une problématique
• Établir une stratégie pour la création d'un modèle d'apprentissage en concevant ou réutilisant des modèles pré-entraînés (utilisant le transfert d'apprentissage), et entraîner ces modèles dans le but de résoudre une problématique métier spécifique
• Evaluer les modèles d'apprentissage établis en utilisant des techniques de validations croisées et des métriques de performances afin de déterminer le modèle le plus adapté à la problématique métier
• Communiquer les résultats des modèles en détaillant les liens avec les objectifs et en faisant preuve d'éthique et de transparence sur leurs limites afin d'accompagner les processus décisionnels
• Assurer une veille technologique par des stratégies de surveillance des tendances et des innovations dans le domaine des sciences de la donnée afin de développer des idées novatrices et accompagner la résolution de problèmes
• Collaborer avec des équipes pluridisciplinaires en appliquant les outils du management dans le respect des valeurs éthiques et inclusives afin d'améliorer la performance individuelle et collective
• Organiser les activités et les ressources par la mise en place d'une stratégie de gestion afin d'assurer la conduite du projet dans les critères coût-qualité-délais du cahier des charges

Secteurs d’activités :

Ce métier relève des enjeux à la fois fonctionnels et stratégiques. Bien qu’il s’agisse d’un métier récent, on retrouve les Data Scientists dans de nombreux secteurs d’activité. Finance, informatique, assurance, e-commerce ou encore grande distribution ; tant de domaines dans lesquels le Data Scientist peut exercer dans le cadre d' agence digitale, de conseil , une ESN, un annonceur, dans la distribution, le Retail, le E-commerce, chez un éiteur de logiciels, pour des plateformes digitales, d'intermédiation, de Pure player, ou encore au sien d'une Start-up.

Type d'emplois accessibles :

• DataScientist,
• Consultant Data Senior,
• Chef de projet Data,
• Consultant Data,
• Chief Data scientist

En fonction de sa montée en compétences, le Data Scientist pourra évoluer vers un poste de Chef de projet data ou Data Scientist senior après une première expérience significative.