Les professions du Big Data : zoom sur leur caractère vital au sein des entreprises

Harish Sriram

Au vu des quantités massives de données générées en ligne chaque seconde, les entreprises peinent à les exploiter de manière à en tirer des recommandations stratégiques pertinentes. Cette difficulté a conduit à une forte augmentation de la demande de data scientists et data analysts dans les entreprises souhaitant exploiter ces quantités importantes de données. Alors qu’un certain nombre d’organisations ont déjà intégré l’analyse de données à leurs activités principales, beaucoup d’autres ont encore du mal à en tirer parti.

Dans une entreprise du big data, les postes de data scientists et data analysts sont parmi les plus importants. Quels sont-ces métiers et les défis qui les caractérisent ?

 

Data Scientist

  • Les data scientists construisent le cadre organisant les données plus simplement pour leur permettre d’être exploitées ensuite par les analystes. Les data scientists sont indispensables lorsqu’il s’agit d’organiser de grandes quantités de données en ensembles cohérents. En d’autres termes, ils sont responsables de la construction des infrastructures de données, des pipelines de données et des cadres d'analyse.
  • Ils possèdent une connaissance approfondie des statistiques et de la programmation, et se concentrent sur les algorithmes de machine learning.

 

Data Analyst


Les data analysts sont principalement chargés de collecter, manipuler et analyser les données provenant d'une ou de plusieurs sources. Ils sont souvent appelés les « conteurs », car ils donnent du sens et tirent une véritable histoire de leur « plongée » dans les données. Dans les grands cabinets de conseil en Big Data, les analystes interagissent directement avec le client, et sont donc indispensables à la prestation offerte. Les analystes sont extrêmement importants dans les organisations du Big Data, notamment pour les raisons suivantes :

  • Les analystes gardent constamment une perspective business sur les projets d’analyse. Ils comprennent les besoins des entreprises, et sont en mesure de fournir des recommandations précises, alignées sur les objectifs stratégiques et les priorités.
  • Ils ont la capacité d’analyser en profondeur des données à une échelle micro, du fait de leur maîtrise des outils et techniques de traitement des données. De même, cela leur permet de rechercher constamment de nouveaux types d’analyses, plus efficaces.
  • Bien que la compréhension des enjeux stratégiques et la recherche constante d’amélioration des analyses soient une part importante de leur travail, les analystes doivent également communiquer leurs conclusions de manière claire. Le « storyboarding » des données, et la capacité à clarifier des informations complexes est nécessaire, afin que les clients visualisent ces conclusions de façon simple et intuitive.


Les data analysts et les data scientists travaillent en coordination : les analystes collectent et analysent les données du marché, tandis que les data scientists rendent ce travail possible en construisant l'architecture des données (voir illustration ci-dessous).

 

Challenges

 

Selon une étude de MIT Sloan Management, une entreprise sur deux peine à obtenir une vraie valeur commerciale de l'analyse. Pendant longtemps, de nombreux conglomérats traditionnels ont compté sur des données externes pour comprendre leurs clients. Ces entreprises disposent généralement de données internes en abondance, mais non organisées et éparpillées entre plusieurs sources et fonctions commerciales. Elles ont alors commencé à relever ce défi en mettant en place des divisions de business intelligence et en recrutant massivement des scientifiques et des data analysts, donnant à juste titre à ces professions le nom « sexiest job of the 21st Century ».

Source : MIT Sloan Management Review Survey

L’augmentation rapide de la demande pour ces profils, dépassant largement l’offre, a créé un ensemble de nouveaux défis. Un rapport de McKinsey prédit que d'ici 2018 aux Etats-Unis, le besoin de personnes possédant des compétences analytiques approfondies pourra s'élever à 190 000 postes, et le besoin en managers ayant des connaissances suffisantes à ce sujet ira jusqu'à 1,5 million. De même, au vu des technologies de traitement de données de plus en plus sophistiquées, les entreprises attendent de leurs employés des compétences dans ce domaine, accentuant ainsi le phénomène de niche.

Apporter de la valeur ajoutée nécessite un certain niveau de compréhension d'une entreprise donnée et de l'industrie dans laquelle elle opère. Bien que les analystes excellent dans le traitement des données, leur capacité à fournir des recommandations de qualité dépend aussi beaucoup de leur compréhension de l’entreprise ou de l’industrie en question, afin de lier les résultats d’analyses aux résultats commerciaux. Parallèlement, en raison de leur profil très analytique, les analystes ont tendance à adopter une approche liée à l’interprétation des données. Mais pour prendre des décisions data-driven en entreprise, il faut adopter une approche plutôt orientée vers les recommandations. Cette transition nécessite de la formation et de l’expérience, pour avoir l’approche « storytelling » qui accompagne une vision des données d’un point de vue business.

De nombreuses organisations ont lancé des programmes de formation et de perfectionnement pour leurs analystes afin de relever ces défis. De même, on assiste aussi à une récente tendance des entreprises à la recherche de talents en interne et la formation avec les outils nécessaires.

Avec les récents progrès dans le machine learning, le paysage du Big Data devrait subir de grands changements pour les data scientists comme pour les analystes. L'automatisation des tâches manuelles et répétées pousse le niveau de complexité de ce travail, ce qui les oblige à acquérir plus de compétences de niche. Ceux qui survivront à long terme dans cette industrie seront ceux capables de faire les choses dont l’IA est incapable.