Posted by Le bon Data scientist, il voit une donnée, il la traite. Alors que le mauvais Data scientist, il voit une donnée, bah il la traite… Pour paraphraser les Inconnus, qu’est ce qui différencie vraiment le bon du moins bon spécialiste de la donnée ?
Avec le développement de l’intelligence artificielle, de la data science et de l’analyse du Big Data, le marché français de l’emploi dans ces secteurs est en plein essor. On estime ainsi la création ou la consolidation de postes de Data Scientists à environ 130.000 d’ici 2020.
Actuellement, les entreprises sont de plus en plus nombreuses à se tourner vers le métier de Data Scientist sans vraiment le comprendre. Le terme en lui-même fait penser au premier abord à des scientifiques en blouse blanche, élaborant des problématiques complexes qui n’ont qu’un intérêt purement théorique pour les entreprises. La réalité est bien différente, à la fois en ce qui concerne le véritable rôle du Data Scientist et son importance d’un point de vue pratique pour l’entreprise.
Chaque jour, particuliers et entreprises créent en moyenne 2,5 exaoctets d’information, sous la forme de données structurées et non structurées. Ces informations, en raison de leur taille, de leur format et de leur répartition sur un grand nombre de plateformes et de silos différents, seraient perdues sans Data Scientists : ils sont en effet en mesure de transformer ces données brutes en base de connaissance exploitable pour résoudre des problèmes concrets.
Un bon Data Scientist est bien plus qu’un mathématicien, un statisticien ou un rédacteur d’algorithmes, même si ces compétences sont évidemment essentielles pour bien assurer cette fonction, car la data science ne se limite pas aux calculs, mais nécessite l’application de compétences variées pour résoudre des problèmes spécifiques à un secteur d’activité. Cela signifie qu’on ne peut pas placer un statisticien fraîchement diplômé à un poste de Data Scientist et lui demander de produire des résultats dès son premier jour. Ce travail va au-delà de la théorie pure. Les Data Scientists doivent avoir une compréhension approfondie des secteurs dans lesquels leurs connaissances seront nécessaires. En plus des mathématiques, de l’ingénierie et de la visualisation des données, un Data Scientist doit souvent comprendre comment fonctionne la supply chain, les finances, la logistique, les ressources humaines ou tout autre domaine.
Il n’est donc pas étonnant qu’il y ait une pénurie de ces spécialistes de la donnée sur le marché du travail et que leurs salaires soient très élevés.
La Commission européenne estime que l’UE aura besoin de 346.000 Data Scientists supplémentaires d’ici 2020, tandis qu’aux États-Unis, les estimations varient entre 100.000 et 190.000.
Aux Etats-Unis, seules 8.000 personnes obtiennent un diplôme en science ou en analyse des données chaque année. La réalité est plus alarmante pour la France qui ne compte que 1087 Data Scientists diplômés en 2016, selon Microsoft France, ce qui reste très loin du besoin des entreprises à l’heure actuelle. C’est une bonne nouvelle pour tous ceux qui parmi vous voudraient faire le parcours Data Management chez DBS, moins pour les entreprises qui ont un besoin urgent de talents pour libérer la puissance des données dans leurs silos.
Mais le faible nombre de diplômés en data science ne représente qu’une partie du problème. Personne ne sort de formation avec toutes les compétences nécessaires pour faire la différence en entreprise. Il faut donc surtout envisager une immersion du jeune en entreprise. Ca tombe bien, c’est justement ce que propose DBS.
