L'art de faire parler les données
Chaque jour, notre monde se numérise un peu plus que la veille. C'est le sens donné par l'histoire.
Le digital et/ou le numérique sont présents partout, envahissant notre quotidien. Il s'ensuit une collecte d'informations comme jamais nous n'en avons connue jusqu'à présent.
Ces informations ou données sont également appelées data, et constituent un ensemble de plus en plus volumineux contribuant à la révolution bien connue désormais du Big data (ou mégadonnées).
La collecte des données est omniprésente via internet, les réseaux sociaux, les smartphones, les GPS, les objets connectés, les caméras, les drones, ...
Tout est enregistré sur de colossales bases de données : nos déplacements, nos recherches internet, nos goûts, nos caractéristiques physiques, les informations climatiques, nos achats, ...
Data scientist : un rôle qui vaut de l'or
Savoir lire, extraire et interpréter les données pertinentes du big data confère indiscutablement un pouvoir certain car des données "brutes" n'ont guère de valeur.
Et c'est là que le data scientist entre en scène.
Son objectif : faire parler les données pour leur donner du sens. Pour cela, il doit produire des algorithmes et des méthodes de tri et d'analyse (si possible automatisées) de données de masse et de sources plus ou moins complexes ou disjointes. Ce traitement devant aboutir à en extraire des informations utiles ou potentiellement utiles via des tableaux de bord.
Son travail est alors utilisé comme un outil d'aide à la décision par de nombreux métiers (directeurs, commerciaux, gestion des risques, marketing, ...).
Son spectre d'intervention est extrêmement varié. Cela peut conduire à la prédiction du comportement d’un consommateur (dans l’e-commerce) ou celui d’un terroriste fiché (dans le domaine de la sécurité), voire la réponse d'un patient à un traitement donné, et les risques potentiels de rechute (domaine médical),....
Sans oublier les métiers touchant à la banque ou à l'assurance. Au vu des mégadonnées disponibles, un data scientist peut - par exemple - relever que toutes les personnes aux yeux bleus de moins de 40 ans ont plus d'accidents de trottinettes que ceux aux yeux marrons... permettant ainsi d'affiner et de personnaliser les grilles tarifaires.
Quel est le bon profil à avoir ?
Pour réussir dans ce métier de data scientist il faut :
- maîtriser différents domaines tels les mathématiques, l'informatique, les statistiques, l'économie, le data mining, le machine learning, ...
- posséder un patchwork de qualités comme : une profonde curiosité, la capacité à expliquer la signification des données dans un langage facilement compréhensible par tous, la passion du métier, ...
Voilà assurément un bon débouché pour des jeunes motivés et accrocheurs !