Dans un contexte de transformation digitale à l’échelle planétaire, de nombreuses industries (recherche médicale, finance, Blockchain, aéronautique, jeux vidéos…) reposent sur le Big Data, une gigantesque base de données exponentielle, répartie à travers les serveurs du monde entier.
Pour analyser et gérer toute cette quantité d’informations, les entreprises font appel à un métier de plus en plus en vogue, celui du Data Scientist.
La Data Science, un métier qui touche à tous les domaines
Il faut savoir, tout d’abord, que la « Data Science » ou sciences des données est une étude d’informations basée à la fois sur les mathématiques, les statistiques et l’informatique. En conjuguant ces trois matières, on arrive à analyser et à traiter cet afflux massif de données qui circule en temps réel sur le réseau mondial.
L’analyse et l’interprétation de toutes ces données est réalisée par un Data Scientist qui, grâce à son interprétation, peut rendre lisible ces informations à la fois, complexes et déstructurées. Il les convertit ensuite en informations utiles pour le développement d’une entreprise ou pour réaliser un travail de recherche scientifique ou d’expertise, dans différents domaines d’intervention.
Oumaima Lahiani, Data Scientist intern chez Barac.io, affirme que « Le travail de Data Scientist n’est pas simplement de faire parler l’information recueillie. Il faut avant tout savoir qu’il existe pas mal d’étapes dans des projets issus de différents domaines (pharmaceutique, sécurité, finance, assurances…) et que chacun de ces domaines, possède son propre jargon et outils d’analyse ».
En effet, le Data Scientist doit d’abord connaître les besoins spécifiques d’une entreprise, son environnement ou, dans le cas d’une expertise pour le domaine public, avoir une idée préalable sur la problématique. Après avoir recueilli un maximum de données, il les quantifie en algorithmes et statistiques afin d’en tirer des données pertinentes qu’il pourra utiliser pour réaliser son rapport final.
Un métier évolutif dans le temps
La spécialiste des données nous explique que ce métier implique surtout, une connaissance dans la formulation d’une problématique et ce, dès le début d’un projet. Par exemple, la première étape pour chaque projet de Data Science consiste à reformuler la demande du client afin de pouvoir identifier ses besoins en Business Intelligence, avant de passer à la phase de documentation et de quantification.
« En général, ce n’est pas le coding qui est déterminant dans ce métier mais pouvoir présenter des idées claires, lors de la période documentation. Le plus important, c’est d’identifier ses objectifs dès le début d’un projet car au cours de la phase de recueil de la data, il est indispensable de bien maîtriser des termes spécifiques au domaine qui nous concerne. De plus, il s’agit d’un travail durant lequel on finit par développer notre intuition ! » précise Oumaima, avant de conclure : « Ce qui me plaît dans la data Science, c’est que c’est un métier qui évolue constamment, notamment au niveau des outils et des process technologiques qui nécessitent des formations et des mises à niveau régulières ».
