Choix de métier

Data scientist : 3 pros du Big Data expliquent leurs missions et leurs rôles

data scientist

Un data scientist est chargé de la gestion, de l’analyse et de l’exploitation des données recueillies sur les clients. A l’ère du Big Data, le Data Scientist est le nouveau Data Analyst. Selon notre outil de salaires, le salaire moyen annuel d’un data scientist est de 45,176 € en France. Le salaire d’un data scientist débutant se situe aux alentours de 38,000 €, et peut s’élever au-delà de 80,000 € lorsqu’il devient Senior Data Scientist.

Si le métier de data scientist est à la mode et se développe, quelles sont vraiment les missions du data scientist ? Nous avons rencontré trois d’entre eux, ils ont partagé avec nous le rôle d’un data scientist.

Nous leur avons posé les 5 questions suivantes :

  1. Quelles formations pour devenir data scientist ?
  2. Peut-on devenir data scientist sans diplôme ?
  3. Quelles sont les compétences nécessaires pour réussir dans ce poste ?
  4. Quel est votre rôle au sein de l’entreprise ?
  5. A quoi ressemble une journée type de data scientist ?

Comprendre le métier de data scientist

Aujourd’hui, partout sur le web, vous laissez des traces que le data scientist exploite. Chaque fois que vous entrez sur un site internet et que vous acceptez les paramètres de confidentialité, les « cookies », vous donnez votre autorisation pour « qu’on » utilise ces données pour personnaliser votre expérience.

Ce « on », c’est le data scientist qui reçoit des paquets d’informations. Trop, parfois. Trop pour être exploitées facilement. C’est pour cela qu’on parle de big data : les volumes de données recueillis sont énormes.

Dès lors, quelqu’un doit organiser cette information, l’analyser, et l’exploiter pour qu’elle serve vraiment : c’est le job du data scientist de rendre l’information digeste et facile à utiliser par les autres services de l’entreprise.

Si vous voulez un aperçu simple, regardez le documentaire Netflix sur les réseaux sociaux, Derrière nos écrans de fumée. Les réalisateurs rendent compréhensible la collecte des données, et les enchères qui suivent, une fois qu’on a identifié votre profil.

Voici nos 3 data scientists interviewés, et leurs entreprises. 

  • Jean Debeney (JD) est data scientist chez Richemont.
  • David Yalcin (DY) est data scientist chez Publicis Groupe.
  • Matthieu Brito Antunes (MBA) est data scientist chez Jellyfish.

Découvrez nos offres d'emploi de Data Scientist

DATA ENGINEER - DATA FACTORY (H/F)
Euro Information
Nantes
2 day ago 2d
8 days ago 8d
15 days ago 15d
Chief Data Officer H/F
SPB
Courbevoie
6 days ago 6d
6 days ago 6d

1. Quelles formations pour devenir data scientist ?

JD : J’ai d’abord effectué un bac S, puis deux ans de classe préparatoire scientifique. J’ai ensuite intégré une grande école d’ingénieur (CentraleSupélec) où je me suis spécialisé en machine learning et computer science. J’ai eu l’occasion de faire un double master à l’université en mathématiques appliquées. Une formation assez technique donc, orientée vers les maths et l’informatique. Je considère que les 2.5 ans que j’ai passés à travailler dans le conseil en data science à la sortie de l’école ont prolongé ma formation, notamment pour acquérir des compétences business nécessaires à mon métier.

DY : Pour devenir Data Scientist plusieurs parcours sont envisageables : l’université, l’école d’ingénieur ou l’école de commerce. 

Mon parcours est assez atypique car après le baccalauréat, j’ai intégré une école de commerce. 

Puis, j’ai décidé de m’orienter vers un Bachelor en Finance, ce qui m’a permis d’intégrer un Master à double compétence alliant Finance, Big Data et Data Science.

MBA : Diverses voies permettent de décrocher des postes en data science, mais il faut garder à l’esprit que c’est avant tout des maths (principalement des statistiques, des probabilités et de l’algèbre linéaire), de l’informatique, et une grande dose d’esprit d’analyse. Il existe aujourd’hui des parcours de master dédiés à ce métier dans de nombreuses facs et écoles d’ingénieurs.

Je suis passé par les classes préparatoires puis par une école d’ingénieur, en conservant mathématiques appliquées et informatique. J’ai d’abord travaillé dans le domaine de l’industrie minière, où l’on récolte chaque jour une grande variété de données sans toujours savoir comment les exploiter au mieux. Ensuite j’ai bifurqué vers le domaine de l’Internet pour rejoindre l’entreprise dans laquelle je suis actuellement data scientist.

formation data scientist

2. Selon vous, peut-on devenir data scientist sans diplôme ?

JD : Je pense qu’une base solide en mathématiques est requise pour exercer ce métier. Néanmoins, de nombreuses formations en ligne de qualité existent en data science. Il est possible de devenir data scientist sans diplôme en suivant de telles formations, mais cela nécessite une grande rigueur pour comprendre et maîtriser en profondeur la théorie sous-jacente aux algorithmes que l’on met en place. Participer à des compétitions de type Kaggle est également formateur dans la pratique et contribue à monter en compétence dans ce domaine.

DY : Savoir coder n’est pas suffisant, bien que cela ait son importance. 

On peut devenir data scientist sans diplôme mais la difficulté sera la compréhension des modèles d’un point de vue purement mathématique. 

L’algèbre linéaire, l’analyse et les probabilités sont à mon sens les clefs essentielles pour devenir un bon Data Scientist. 

En effet, lorsqu’on utilise un réseau de neurones, un modèle de régression ou de classification, il est important d’identifier comment les paramètres du modèle sont définis. 

C’est à la compréhension des modèles qu’on détermine un bon Data Scientist.

MBA : Sans diplôme spécifique à la data science, je dirais que oui ; mon parcours atypique témoigne en ma faveur. Sans diplôme d’ingénieur (ou master), rien n’est impossible… J’imagine que le travail supplémentaire à fournir serait un peu plus conséquent dans la mesure où il faudrait acquérir des bases de maths et d’informatique assez solides pour comprendre et manipuler efficacement des jeux de données parfois très volumineux et savoir comment approcher correctement des problèmes scientifiques. Néanmoins il ne faut pas oublier que de nombreux excellents data scientists se sont révélés sur des compétitions sur les plateformes comme Kaggle !

Découvrez les offres d’emploi disponibles chez Richemont

3. Quelles sont les compétences nécessaires pour réussir en tant que data scientist ?

JD : Au-delà des compétences analytiques et en informatique évoquées plus haut, je pense qu’il faut être capable de trouver un sens business aux solutions que l’on met en place – la data science répondant souvent à des problèmes business concrets. Il faut également être consciencieux et rigoureux lorsque l’on souhaite vérifier la qualité de la donnée avec laquelle nous travaillons. Enfin, il faut être capable de communiquer ses analyses et résultats dans un langage intelligible par tous.

DY : Être curieux, être à l’écoute, savoir coder et avoir de bonnes connaissances en mathématique : voilà une bonne partie des compétences du data scientist.  

Ce qui fait la différence dans le milieu professionnel, et qui est de plus en plus demandé par les entreprises, ce sont des compétences en Data Engineering. Cette double casquette souhaitée porte même un nom : le Machine Learning Engineer.

Autre compétence : le data Storytelling, qui est le fait d’expliquer aux professionnels (n’ayant pas la même appréciation des modèles que nous) nos résultats de façon simple et clairvoyante.

MBA : Un data scientist peut exercer son métier dans beaucoup de domaines, (médecine, de finance, d’industrie lourde, etc). En fait, la data science a sa place partout là où des données sont récoltées et stockées. En plus des compétences de base (mathématiques, informatique), il est donc essentiel d’avoir un grand esprit d’analyse et d’adaptation afin de résoudre des problèmes afférant aux divers types de métiers avec lesquels on peut être amenés à interagir. Mais s’il n’y avait qu’une compétence à retenir, je choisirais la curiosité intellectuelle.

Découvrez les offres d’emploi disponibles chez Publicis Groupe

devenir data scientist

4. Quel est votre rôle au sein de l’entreprise ?

JD : Je travaille au sein d’un grand groupe de luxe. Mon rôle est de proposer et mettre en place des solutions de data science pour mieux servir nos clients. Par exemple, nous travaillons à proposer une expérience personnalisée aux clients en fonction de leur profil en développant des algorithmes de recommandation de produit. Certaines de nos maisons produisent aussi des pièces en édition très limitées : il est important d’essayer de prédire où ces pièces auront le plus de chances d’être vendues pour optimiser la logistique et éviter une rupture de stock. Mon rôle est également de protéger les données avec lesquelles je travaille dans le respect de la RGPD.

DY : En tant que Data Scientist mon rôle principal, le point commun à toutes mes missions, est de faire parler la donnée. 

Dans le Lab, chaque Data Scientist possède sa propre mission. Dans mon cas, elles sont la plupart du temps liées à des campagnes marketing digitales dont je dois analyser l’impact sur les consommateurs finaux. Ce qui va nous permettre de cibler au mieux de futurs prospects. Pour effectuer nos missions, l’une des tâches les moins appréciées mais également très importante est le Data Cleaning qui consiste à transformer la donnée brute en donnée exploitable. Une fois la donnée nettoyée, je réponds à une problématique précise grâce à un modèle et j’explique mes résultats.

MBA : Au sein de l’entreprise, je suis un ingénieur au sens strict. Parfois je dois résoudre un problème clairement présenté par des membres d’autres services, il faut alors savoir quels outils d’analyse et quels modèles sont les mieux adaptés pour être à la fois efficaces et compréhensibles par tous, y compris les clients finaux ! En parallèle je travaille sur des projets de recherche et développement à plus long terme, c’est une facette essentielle du métier car elle permet de conserver un esprit scientifique éveillé et de se tenir à jour de ce qui se fait de mieux dans le domaine.

Découvrez les offres d’emploi disponibles chez Jellyfish

5. A quoi ressemble une journée type de data scientist ?

JD : Je vais plutôt décrire une mission type. Il y a d’abord une réunion de cadrage du sujet avec différentes équipes opérationnelles pour bien cerner la problématique business que nous essayons de résoudre. Il s’ensuit une phase exploratoire de la donnée pour auditer sa qualité et sortir un premier lot d’analyses descriptives pour affiner la problématique. Ensuite vient la phase de développement de la solution qui répond à la question business : nous essayons de construire une première solution puis de l’améliorer itérativement, c’est le moment où nous mettons en place et optimisons un algorithme de machine learning. Une fois que nous sommes satisfaits de la solution, vient le moment de l’industrialisation, c’est-à-dire automatiser la mise en place de la solution et l’héberger sur un cloud.

DY : Nous avons la chance d’effectuer un métier ou chaque jour nos missions sont différentes.

Nous pouvons passer une ou plusieurs journées pour déterminer le modèle le plus efficace, faire de la recherche ou bien une fois le travail terminé faire le point avec les clients ou le service interne.  

MBA : Chaque data scientist a une façon de travailler qui lui est bien propre. Pour ma part, j’accorde une grande importance à la recherche et à la veille scientifique. Je lis beaucoup de publications sur des sujets qui font l’actualité (et il y en a !) ou qui touchent à une méthode qui me permettrait directement de traiter une problématique dans mon travail. Le reste du temps je code, que ce soit pour du simple entraînement, pour des algorithmes de résolution finale d’un problème, pour de la manipulation de données, ou pour des tests qui donneront plus tard naissance à des solutions plus élaborées. D’une façon générale, un data scientist a toujours la tête très occupée et les mains dans le code !


Cet article vous a définitivement donné envie de devenir data scientist mais vous n’avez pas encore toutes les compétences ? Découvrez comment vous former gratuitement avec les MOOC.