Les qualités et compétences indispensables pour travailler dans la Data

Forts de notre expérience, nous vous donnons quelques clés pour vous éclairer sur les atouts nécessaires pour évoluer dans le milieu de la Data.

Les qualités attendues

  • La curiosité intellectuelle : Le milieu évolue à une vitesse impressionnante, difficile à suivre même pour les chercheurs. Une veille technologique doit être réalisée en permanence sous peine de se retrouver dépassé. Il faut avoir l’envie de se tenir informé des nouvelles évolutions, de sortir de sa zone de confort.
  • Des capacités d’apprentissage : Il est important de pouvoir être capable d’apprendre en continu de nouvelles choses pour rester à la page car encore une fois, les choses vont très vite dans la Data.
  • Rigueur et précision : Il faut savoir être minutieux et rigoureux, car une erreur d’inattention peut grandement modifier ses résultats.
  • Capacités de communication : Il faut être capable de vulgariser ce que l’on fait, d’en expliquer le bien fondé et les apports à des personnes qui ne sont pas techniques. Le domaine de la Data est relativement nouveau et il faut composer avec des gens qui ne connaissent pas du tout les nouvelles pratiques.
  • Culture du partage : La Data est un milieu collaboratif : rester connecté à la communauté de la Data pour échanger, se tenir informé, monter en compétence et faire monter en compétences d’autres personnes est essentiel.
  • Autonomie : En Data, on ne trouve pas nécessairement les solutions tout de suite, il faut savoir être autonome et chercher par soi-même, en tâtonnant parfois lors de procédures expérimentales et itératives
  • Une sensibilité aux enjeux business : En entreprise, la Data est utilisée pour des objectifs bien précis. Il est crucial de saisir ces enjeux business afin que la Data soit un moyen pour y parvenir et non une fin en soi.
  • Esprit d’équipe : Il faut savoir travailler en équipe, que ce soit au sein de l’équipe Data mais également avec des équipes d’autres départements, car la Data se met à leur service dans des projets transversaux.

Les compétences nécessaires  

La liste ne se veut pas exhaustive mais permet de se faire une idée des savoir-faire attendus.

Pour la Data Science 

  • Modélisation statistique
  • Machine Learning (arbres de décision, régression logistique, traitement automatique du langage naturel, Deep Learning…)
  • Langages de programmation : Python, R, Java…
  • Outils de data visualisation : Tableau, QIikview…

Pour la Data analysis

  • Outils de Data Visualisation (Tableau, Qlikview,…)
  • Langage SQL
  • Excel, VBA

Pour la partie Data Engineering/Architecture Big Data

  • Langages de programmations : C#, C++, Java, Python, R, Scala…
  • Bases de données SQL et NoSQL
  • Art de l’open source : écosystème Hadoop, Spark…

A propos de l'auteur

Retour