Formation professionnelle | Qu'est ce que la Data ? | TAK

Big data, big questions ? Dans beaucoup de secteurs d'activités, les données et leur analyse sont devenues un vrai défi en termes de stockage, d'analyse et de prise de décision. Chaque seconde, plusieurs pétaoctets de données sont générés dans le monde et l'avantage est à ceux qui sauront le mieux en tirer partie pour générer davantage de croissance.

Même si elles peinent encore à formaliser leurs vrais besoins, la plupart des entreprises ont pris conscience de l'importance de la donnée, de son traitement, stockage, et analyse à des fins commerciales. Elles se sont mises à recruter à tour de bras des data-scientists, data-analysts, ou data-engineers dont les définitions de postes sont parfois assez floues.

Et cette tendance n'est pas qu'un effet de mode ; en 2019, Bloomberg a enregistré une augmentation de 75% des offres d'emplois de data-scientist, terme qui recouvre une réalité professionnelle plus complexe qu'il n'y paraît.  

La vague de la Big Data est bel et bien là, mais pour postuler pour un nouveau job, s'orienter dans ses études ou se reconvertir ; il n'est pas toujours simple de s'y retrouver dans l'écosystème "data". Surfer de manière agile sur la vague de la data c'est se poser les bonnes questions : pourquoi se lancer dans la data, quelle est la réalité des différents métiers et comment s'y former.

Pourquoi s'intéresser à la data ?

La "data" c'est le mot du moment. Tout le monde en parle, vos collègues, vos amis, vos proches. Avant, on avait tous un cousin qui travaillait dans la fonction publique, aujourd'hui on connaît tous un ami qui bosse sur un projet "Big Data" même s'il croise des données sur un tableur Excel toute la journée. Mais au-delà des effets de mode, pourquoi faut-il s'intéresser à la data et aux métiers ayant attrait à l'utilisation des données au sens large ? 

Le défi de la data

Le traitement des données est un défi pour la plupart des entreprises. Selon une étude menée par Gemalto, 65% d'entre elles ne parviennent pas à analyser ou simplement catégoriser les données qu'elles stockent. Et 89% ont clairement conscience qu'une analyse correcte des données collectées leur donnerait un avantage concurrentiel sérieux. C'est un paradoxe, mais l'afflux constant de données complexifie un monde que seule l'analyse de données peut aider à comprendre ! 

Un besoin fort pour les entreprises 

Avec l'arrivée de l'internet des objets (IoT), la Data s'immisce partout et de plus en plus vite. Cinq milliards de consommateurs interagissent quotidiennement avec les données, et ce nombre passera à 6 milliards d’ici 2025, soit les trois quarts de la population mondiale. De votre enceinte connectée à votre montre en passant par votre carnet de santé ou le cryptage de votre compte banque, on ne compte plus les applications de l'analyse des données. 

Les métiers de la data sont donc propulsés bien au-delà du cliché "geek" qui travaille dans l'informatique. Les professionnels de la data se retrouvent de plus en plus au cœur de l'action tant leur apport est crucial à l'activité de l'entreprise. 

Des compétences recherchées 

Il ne s'agit plus d'une simple tendance, mais d'une donnée de marché : depuis 2011, en France, 94% des diplômés en informatique ont trouvé un emploi, en parallèle de spécialistes qui leur permettent de comprendre et déchiffrer le monde qui les entoure.

Des  perspectives de carrière

Ce n'est pas un hasard si en 2019, LinkedIn a choisi Data Scientist comme étant la carrière la plus prometteuse. Un des critères décisifs fut le salaire moyen - 130 000 dollars - des personnes occupant ce genre de poste.

Les possibilités d'évolutions et d'avancement sont multiples dans cet écosystème ou de nouvelles problématiques apparaissent chaque jour notamment dans le domaine de la sécurisation des données dans le secteur bancaire et de la santé.  

De plus, l'étude menée par LinkedIn montre que les entreprises ont l'intention de fidéliser les personnes embauchées afin de pérenniser les fonctions data en leur sein tout comme le marketing, la vente ou la R&D.

Rôle crucial de la donnée dans le design du produit

En ce qui concerne le développement des produits numériques, les données sont essentielles dans le cycle de développement d’un produit. Un Product Manager Data pourra s’appuyer sur des outils de collecte et de visualisation de données pour prendre des décisions basées sur des analyses statistiques. 

Les différents métiers de la data

Une palette de métiers s'offre aux apprentis sorciers de la data comme aux plus expérimentés. Un chiffre à garder en tête,  le marché de la data a été estimé à 210 milliards de dollars en 2019 selon International Data Corporation. Des milliers de postes sont à pourvoir dans tous les secteurs d'activités et dans tous les types d'entreprises. Même les administrations s'y mettent ! 

Au fur et à mesure que le temps passe et que la data devient plus mature, les intitulés de poste deviennent plus précis. Aujourd'hui, les métiers de la data sont regroupés en trois grands domaines : l'analyse des données, l'analyse marketing, et l'analyse décisionnelle.

Le Data Scientist : Transformer la data en service

Intitulé de poste "fourre-tout", le data scientist est un métier créé dans l'optique de proposer une analyse pointue des données de l'entreprise.  

Elle ou il croise l’ensemble des données de l’entreprise à un plus haut niveau et conçoit des modèles servant à faire parler ces données et d’en dégager des indicateurs viables intelligibles pour sa Direction. Ses principales responsabilités sont : 

• Analyser les données à traiter et les cibles à atteindre pour permettre à l’entreprise de conduire son activité à haut niveau
• Concevoir et créer les modèles à réaliser ainsi que les algorithmes servant à la corrélation des données avec les règles de gestion de l’entreprise
• Modéliser les chaînes de collecte, de stockage, de traitement et de restitution des données
• Identifier et développer les référentiels et outils de Master Data Management (MDM) essentiels à la bonne manipulation des données, tout en assurant leur intégrité et leur qualité
  

Le Data Architect : Construire les infrastructures

Un architecte Big Data définit, construit et fait évoluer les solutions technologiques soutenant le développement des services data de l'entreprise. Il constitue le Document d’Architecture Technique, valide les infrastructures, les solutions, et les flux de données.

Le Data Engineer : Maîtriser les outils

Un ingénieur Big Data maîtrise quant à lui les outils techniques qui permettent de manipuler la donnée. Il joue un rôle clé de traducteur entre le Data Scientist et le Data Architect, avec qui il fait évoluer les solutions et l’infrastructure. C’est le Data Engineer qui, une fois validés avec le métier, intègre les modèles et algorithmes en production.

Le Data Analyst : Vulgariser les informations

Le Data Analyst travaille en général sur un type spécifique de données issues d’une source unique et connue, qu’il analyse avec un regard marketing ou finance selon le secteur afin d’orienter les prises de décisions stratégiques de l’entreprise.

Il utilise les techniques statistiques et informatiques afin d’explorer, d’organiser, de synthétiser et de traduire les données brutes de l’entreprise, à partir de cette analyse menée à l’aval de la chaîne de traitement de la donnée, en collaboration avec le data scientist sur les aspects technico-scientifiques,

Le but du Data Analyst est de faciliter les prises de décision de l’entreprise lui permettant de prendre un avantage compétitif. 

Product Manager Data vs Product Manager

La data est également présente dans la gestion de projet. La principale différence entre un Product Manager, et un Product Manager Data, est la place de la donnée dans son travail au quotidien. Le "PM Data" est responsable du design de produits et fonctionnalités basées sur des données. 

Si pour un Product Manager classique,  la donnée est utilisée comme outil décisionnel pour construire une fonctionnalité, pour le Data PM, elle fait partie intégrante de la fonctionnalité. 

Le Data Product Manager est donc également responsable de sélectionner en amont quels types de données vont être utilisés pour développer telle ou telle feature. La donnée pourra même être le produit lui-même. Dans ce cas, il pourra être responsable de la master data, et du cycle de vie de la data en elle-même.

Par où commencer ? 

Pas toujours facile de s'y retrouver dans les offres de formation, d'autant plus que la data attire de nombreuses personnes qui sont déjà en poste et qui souhaitent se reconvertir ou trouver une passerelle entre leur job actuel et la data. 

Affiner son projet professionnel autour de la data

Avant de vous lancer tête baissée dans une formation data il est préférable de vous renseigner. Il existe toute une littérature sur le web autour de la data et de ses acteurs.

Pour vous tenir au courant  des méthodologies et outils, écouter des retours d’expérience sur la data, voici deux de mes podcasts favoris : 

• → Big Data Hebdo pour en apprendre plus sur les outils
• → Demain.ai pour écouter des retours d’expérience
  

Formations longues 

Si vous partez de "zéro" en data, une formation longue s'impose. Elles sont surtout destinées aux plus jeunes d'entre nous puisqu'ils sont encore dans le monde des études. 

Les formations les plus classiques pour devenir Data Analyst sont les écoles d’ingénieurs ainsi que les parcours universitaires comme un Master 2 (Bac+5) en statistiques, en informatique ou en mathématiques. Il est aussi possible de trouver des formations diplômantes qui englobent ces différentes matières afin d’être plus en phase avec la réalité du métier. C’est le cas par exemple du Master Mathématiques appliquées et statistiques.

Reconversion et formations courtes

Des formations bien plus courtes existent également. Avec la pandémie de COVID-19, le web regorge de cours en ligne (les fameux MOOCs) et de modules de formations accompagnées de vrais diplômes.

Ces parcours peuvent s’avérer judicieux pour des profils autodidactes et motivés qui souhaitent s’insérer rapidement sur le marché du travail ou des candidats à la reconversion professionnelle qui sont encore en poste.  Voici deux exemples de formations "data" : 

• → Formation orientée Analyse chez OpenClassRoom : https://openclassrooms.com/fr/paths/324-data-analyst
• →  Formation orientée Data Science par Coursera : https://www.coursera.org/specializations/jhu-data-science
  

S'entraîner

Comme pour beaucoup de choses dans la vie, on apprend en accumulant de l'expérience. Rien de mieux pour se lancer ou pour progresser dans la data que de s'entraîner avec un vrai projet de manière régulière. 

Le projet Titanic

Sous forme de challenge, la  plateforme Kaggle propose un exercice de Machine Learning qui vous  propose de prédire combien de passagers survivent au naufrage du Titanic. Pour vous aider dans votre démarche, un forum très actif vous permet de demander de l'aide, de former une équipe, ou de poser des questions.

Vous pouvez aussi vous appuyer sur des datasets disponibles en ligne, ou utiliser les données que vous générez sur vos services en ligne. Twitter, Spotify, et beaucoup d’autres services vous permettent d’accéder à vos données via des APIs.