Métiers
Data scientist (H/F)
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.
Appelé aussi :
- 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.
- Automobile : analyse des données de conduite enregistrées par les véhicules en vue d'une adaptation de la conception aux besoins des conducteurs.
- Aéronautique : prédictions de trajectoires de vol optimisées selon les variables de vol
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)
- Algorithmes : utilisation d'approches mathématiques (ex : forêts aléatoires, K-means) et développement d'algorithmes sous langage R ou Python
- Open Source : assemblages de bibliothèques de codes existants (ex : Pandas, Spacy, Keras)
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
Techniques
-
Transition numérique
-
Transition écologique
Concevoir l'architecture d'un système, d'un réseau
Identifier les caractéristiques de puissance et de stockage nécessaires à un algorithme
Équilibrer l'architecture logicielle et technique d'une solution algorithmique
Analyser les besoins d'architecture fonctionnelle du SI (flux d'informations,destinataires des applications, etc.) et leurs impacts
Déterminer une approche mathématique ou statistique
Identifier une approche statistique ou mathématique d'un problème métier
Déterminer la faisabilité technologique d'une solution algorithmique
Prédire une tendance statistique à partir d'un modèle de probabilité
Concevoir un algorithme
Assembler des briques d'algorithmes issues de bibliothèques ouvertes
Permettre l'explicabilité de l'algorithme et ses fonctionnalités
Tester de nouvelles approches algorithmiques sollicitant moins de ressources informatiques
Transverses
-
Transition numérique
-
Transition écologique
Organiser un projet
Analyser et gérer les risques globaux (industriels, projet, cybersécurité, environnement, etc.)
Planifier et répartir les tâches selon le besoin d'expertise et la charge de travail
Organiser une communication efficace entre les parties prenantes du projet
Contribuer à la cybersécurité de l'entreprise
Reconnaître et traiter les données sensibles
Intégrer le risque de cybercriminalité dans ses activités
Assurer la cybersécurité des données numériques
Mener et intégrer une veille
Organiser une veille technologique sur l'évolution des technologies, procédés et méthodes
Assurer une veille permanente sur les normes et la règlementation et suivre l'ensemble des tendances quantitatives et qualitatives autour d'une problématique
Développer l'usage de nouvelles technologies et insuffler de nouvelles méthodes de travail auprès des équipes
Comportementales
S'adapter à des situations diversifiées
Adapter sa méthodologie en fonction du projet et en prenant en compte divers paramètres (budget, clientèle cible, planning, etc.)
Adapter son organisation à la diversité, à l'incertitude et à la complexité des situations
Se montrer agile et proactif dans ses démarches (intrapreneuriat)
Assurer une communication constructive avec l'ensemble des collaborateurs
Transmettre les informations utiles au projet et communiquer avec l'ensemble des collaborateurs concernés
Entretenir des relations constructives pour favoriser la collaboration entre les différents interlocuteurs
Travailler seul ou en équipe grâce à des outils et des méthodes partagées, en réseau et à distance
Transmettre des savoir-faire et des connaissances
Expliquer une méthode de travail, de manière fluide et partager les échecs et les réussites
Partager son expérience, transmettre les gestes techniques et les bonnes pratiques du métier
Assurer une montée en compétence de l'équipe de travail
Les métiers proches
Data scientist (H/F)
Le métier en images
Voies d'accès possibles au métier
Liste non exhaustive, à titre indicatif.
Diplômes
- MASTER MIAGE - parcours ingénierie des données et décision/sciences des données et systèmes décisionnels/big data: décisionnel et apprentissage
- MASTER mention Mathématiques appliquées, statistique - parcours data science/statistique et data science, ingénierie mathématique/data science et modélisation statistique
- 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 du Groupe des Ecoles nationales d'économie et statistique