Une fois la data récoltée, transformée et formatée par le Data Engineer, le Data Scientist les valorise par la conception d’algorithme qui serviront ensuite étudier des comportements et à élaborer des modèles prédictifs accompagnant la prise de décision stratégiques des équipes métiers et de la direction.
Son objectif est de traiter un énorme volume de données pour en faire une analyse pertinente car basée sur la data.
La data parle d’elle-même et donnera raison à celui ou celle qui l’utilisera. Se baser sur la data, c’est s’assurer de prendre une décision sur un échantillon gigantesque qu’aucun groupe de collaborateurs, sondage ou étude ne saura couvrir.
Plus elles récoltent ou récupèrent de la data, plus elles auront besoin de data scientist pour la traiter et la valoriser, que ça soit pour la prise de décision interne ou pour améliorer son produit en le rendant plus performant grâce à la prédiction.
En soi, le data scientist est le nouveau mathématicien/statisticien dans l’ère de la tech.
Dans une petite équipe tech, il peut porter la responsabilité d’un pôle data en confondant les métiers de Data Engineer et Data Analyst. Il aura ainsi la main sur tout le cycle de valorisation de la donnée sans pour autant pouvoir aller profondément dans ses sujets.
Cela nécessite une connaissance horizontale des problématiques data sans pouvoir développer une expertise verticale.
Dans une grande équipe tech, il travaille sous la responsabilité d’un Manager Data (Head of Data, CDO, Lead Data Manager), en collaboration le Data Engineer qui lui fournit un volume de données dites “propres” prêtes à être utilisées.
Le Data Analyst qui peut être amené à travailler sur les mêmes problématiques de prise décisions mais avec un rendu différent. Le Data Analyst développera des outils visuels (dashboard) et de reporting, là où le Data Scientist mettra en place des modèles prédictifs.
Hors pôle data, il peut également être rattaché à la direction d’une équipe métier afin de travailler sur leurs problématiques en contact direct avec les équipes.
Il va travailler sur :
Pour la programmation, voici les langages et frameworks utilisés :
Il utilise des librairies comme TensorFlow (Deep Learning) avec Python.
Il a des compétences Cloud : Microsoft Azure, AWS, GCP.
Il connaît très bien aussi le Web Analyse : Omniture, Google Analytics.
Pour prétendre à ce poste il faut avoir suivi des formations en :
Une compréhension et une maîtrise des mathématiques appliquées aux statistiques et probabilité est primordiale.
Le salaire d'un Data scientist commence à 35K/an et peut aller jusqu'à 100K€ brut /an. Ils ont des salaires confortables avec une belle évolution toute au long des années :
Data Scientist Junior : 35 à 50 k€
Data Scientist Intermédiaire : 45 à 65 k€
Data Scientist Senior : 60 à +100 k€.
Le Data Scientist peut évoluer vers des métiers de management ou d'expertise :
August 15, 2022
À lire aussi :
