Métiers
Data scientist
Le Data scientist valorise les données massives récupérées par l'entreprise en vue d'en tirer un avantage économique, commercial et concurrentiel. Il crée de nouvelles sources de données, parfois à partir de celles existantes, et conçoit des algorithmes et autres modèles de données prédictifs.
- Ingénieur Big data
- Chargé de modélisation des données
- Ingénieur Data scientist
- Expert marketing data
- Data engineer
Famille Métier
Rechercher - ConcevoirCode(s) ROME proche(s)
M1403 - Études et prospectives socio-économiques
Activités principales
Le Data scientist identifie les données pertinentes qui caractérisent un phénomène ou qui peuvent permettre de prédire son évolution. Il adapte toute la chaîne d'acquisition, de traitement et d'exploitation des données en fonction de la ou des problématiques métiers exprimées. Ses activités principales sont :
- Analyse des besoins des métiers de l'entreprise et identification de la technologie opportune
- Organisation de la récupération, de la structuration et de la préparation des données pour les rendre exploitables
- Identification et assemblage par des technologies existantes (ex. : blocs d'algorithme ou approche mathématique)
- Développement des modèles statistiques de prédiction et communication avec des outils de datavisualisation
Différents Contextes du Métier
Pour le Data scientist, les besoins de ses interlocuteurs métiers varient selon les secteurs d'activités, notamment en termes de besoins de prises de décisions, de prédictions nécessaires et de données disponibles.
- Aéronautique : prédictions de trajectoires de vol optimisées selon les variables de vol
- Automobile : analyse des données de conduite enregistrées par les véhicules en vue d'une adaptation de la conception aux besoins des conducteurs.
Les technologies de Data Science qu'il utilise évoluent et se combinent pour construire des solutions de plus en plus fines.
- Big Data : intégration des données de perception des réseaux sociaux dans le design d'un produit (l'utilisation du Big Data implique une vigilance quant à ses risques et limites) solutions de traitement de données massives pour faciliter leur exploitation (ex : Spark, Hadoop, Apache - l'utilisation du Big Data implique une vigilance quant à ses risques et limites)
- Open Source : assemblages de bibliothèques de codes existants (ex : Pandas, Spacy, Keras)
- Algorithmes : utilisation d'approches mathématiques (ex : forêts aléatoires, K-means) et développement d'algorithmes sous langage R ou Python
Le Data scientist doit optimiser toutes les étapes industrielles ou de créer de nouvelles solutions non existantes.
- Fabrication : optimisation des cadences de production en fonction de nouvelles variables externes (logistique, commerciales, météo, etc.)
- Maintenance : traitement de données issues de capteurs placés sur le système de production en vue d'anticiper des pannes et de déclencher une maintenance dite prédictive
Le Data Scientist prend en compte une composante réglementaire et éthique qui est très présente dans son domaine. Celle-ci encadre les travaux de l'entreprise en la matière.
- Norme Européenne : protection des données personnelles ou qui pourraient permettre d'identifier des données personnelles (RGPD)
- Propriété intellectuelle / industrielle : définition des limites d'utilisation des données ou métadonnées
Compétences Métier
info
Cette rubrique met en avant les principales macro-compétences et compétences associées, nécessaires à l’exercice du métier.
Les compétences sont présentées selon 3 catégories : techniques, transverses et comportementales.
Techniques
-
Transition numérique info
Transition écologique : Par la mise en œuvre de la compétence, le métier agit positivement sur la transition écologique.
Transition numérique : Par la mise en œuvre de la compétence, le métier agit positivement sur la performance et la pérennité de l'entreprise, grâce à l'utilisation de technologies numériques.
-
Transition écologique info
Transition écologique : Par la mise en œuvre de la compétence, le métier agit positivement sur la transition écologique.
Transition numérique : Par la mise en œuvre de la compétence, le métier agit positivement sur la performance et la pérennité de l'entreprise, grâce à l'utilisation de technologies numériques.
Déterminer une approche mathématique ou statistique
Concevoir l'architecture d'un système, d'un réseau
Concevoir un algorithme
Transverses
-
Transition numérique info
Transition écologique : Par la mise en œuvre de la compétence, le métier agit positivement sur la transition écologique.
Transition numérique : Par la mise en œuvre de la compétence, le métier agit positivement sur la performance et la pérennité de l'entreprise, grâce à l'utilisation de technologies numériques.
-
Transition écologique info
Transition écologique : Par la mise en œuvre de la compétence, le métier agit positivement sur la transition écologique.
Transition numérique : Par la mise en œuvre de la compétence, le métier agit positivement sur la performance et la pérennité de l'entreprise, grâce à l'utilisation de technologies numériques.
Organiser un projet
Mener et intégrer une veille
Contribuer à la cybersécurité de l'entreprise
Comportementales
S'adapter à des situations diversifiées
Assurer une communication constructive avec l'ensemble des collaborateurs
Transmettre des savoir-faire et des connaissances
Les métiers proches
info
Il s’agit des proximités les plus directes et réalisables dans un avenir raisonnable, moyennant une formation de 18 mois maximum.
L’évolution peut être :
une provenance. Il est possible d’accéder au métier-objet de la fiche depuis ce métier proche.
et / ou une destination. Il est possible d’accéder à ce métier proche depuis le métier-objet de la fiche.
une provenance. Il est possible d’accéder au métier-objet de la fiche depuis ce métier proche.
et / ou une destination. Il est possible d’accéder à ce métier proche depuis le métier-objet de la fiche.
Le métier en images
Certaines vidéos peuvent avoir été tournées en période Covid-19, d’où le port du masque que l'on ne retrouve pas dans un contexte normal.
Voies d'accès possibles au métier
Liste non exhaustive, à titre indicatif.
Diplômes
- MASTER mention Mathématiques appliquées, statistique - parcours data science/statistique et data science, ingénierie mathématique/data science et modélisation statistique
- MASTER MIAGE - parcours ingénierie des données et décision/sciences des données et systèmes décisionnels/big data: décisionnel et apprentissage
- MASTER mention Mathématiques et applications-Parcours data science/ingénierie mathématique et data science/mathématique, informatique, sciences des données
- MASTER mention Informatique-Parcours data science/Ingénierie des sciences de données/IA et science des données/Bases de données, IA
- Diplôme d'ingénieur - Ecole nationale de la statistique et de l'analyse de l'information