Se former en Data

La Data connaît un essor sans précédent et ses métiers ont le vent en poupe. Il peut être tentant de s’y orienter au vu du contexte actuel, d’autant plus que la tendance va s’accentuer. Avant de se lancer, mieux vaut toutefois se poser les bonnes questions et anticiper.

Est-ce que mon profil peut intéresser les employeurs de la Data ?

Tout d’abord, il vous faut faire le point sur vos compétences.

Ici, nous pouvons envisager trois cas de figure compatibles avec les métiers de la Data :

  • Vous évoluez déjà en mathématiques/statistiques et souhaitez monter en compétences dans l’univers de la Data Science : dans ce cas-là, il faudra muscler la partie développement/codage pour pouvoir s’insérer facilement.
  • Si vous êtes issus d’une école d’informatique et disposez de compétences techniques (administrations de bases de données, développeur Full-stack ou Back-end, architectes SI, ingénieurs logiciel) une spécialisation est possible en fonction de vos compétences. Vous pouvez par exemple vous tourner vers les métiers du Big Data (ingénieur ou architecte Big Data) où vos compétences IT seront valorisées. Pour être Data Scientist, il faudra également de très bonnes bases en mathématiques/statistiques ! Jetez un coup d’oeil à nos fiches métiers pour y trouver plus de détails.
  • Vous êtes issu d’une école de commerce avec une coloration Data mais coder n’est pas votre domaine de compétence ? vous pouvez alors prétendre à des postes moins techniques comme chef de projet Data ou Business Analyst orienté marketing.

Enfin, si vous êtes diplômé d’une Ecole d’Ingénieur, vous pouvez vous orienter vers la Data car les compétences pluridisciplinaires sont très appréciées en France et à l’étranger ; il sera néanmoins préférable de s’être spécialisé en Mathématiques/Statistiques puis en informatique/Big Data au sein de l’école ou d’avoir complété sa formation par un Master Spécialisé en Big Data.

Se former par soi-même ou compléter sa formation

Quelles que soient les formations envisagées, il faut savoir que s’auto-former en Data demande un investissement personnel conséquent et une veille méthodologique / technologique constante !

Il existe des MOOC (formations en ligne certifiantes) que vous pouvez réaliser seul et qui vous permettent d’acquérir les bases techniques et théoriques de la Data. Parmi ces différents MOOC, on retrouve notamment :

  • « Fondamentaux pour le Big Data » de Mines-Télécom. Cette formation gratuite de 4h par semaine durant 6 semaines est destinée aux personnes ayant une formation en mathématiques, suivant un Master spécialisé « Big data Gestion et analyse des données massives ».
  • « Machine Learning » de Stanford sur la plateforme Coursera (payant)
  • « Le parcours Data Scientist » d’Open Classroom (payant)

Ces MOOC sont en effet des certifications valorisables auprès de nombreuses entreprises recrutant dans le domaine de la Data.

Parallèlement, la bonne approche consiste à faire preuve de curiosité et de se renseigner. Les métiers de la Data Science et du Big Data sont encore récents et évoluent constamment. N’hésitez pas à rencontrer un maximum d’acteurs du secteur afin d’avoir une vision globale des problématiques et des enjeux. Lisez sur le sujet ! Voici quelques ouvrages :

  • « Fluent Python » de Luciano Ramalho
  • « Data Science : fondamentaux et étude de cas » de Éric Bienart et Michel Lutz

Il est également possible de participez aux événements, conférences et autres Meetups qui se multiplient afin de voir un maximum de cas d’usage ! En novembre se tient notamment le salon DataJob qui est un carrefour dédié aux acteurs de la data pour échanger sur leurs projets, se rencontrer et recruter.

Pour aller plus loin, voici quelques lectures plus techniques :

  • « Comprendre le Deep Learning – Introduction aux réseaux de neurones » de Jean-claude Heudin, Science eBook, 2016
  • « Intelligence artificielle » 3e édition de Stuart Russell et Peter Nrovig, Pearson, 2010

Participer à des Challenges Data

Après avoir acquis des compétences en Data, il est possible de se confronter à la pratique à travers de nombreux concours/challenges organisés en ligne. Les plus connus sont sans aucun doute :

  • Kaggle
  • Datascience.net

Ce sont des plateformes web où des entreprises proposent des problèmes en science des données et offrent un prix aux candidats obtenant les meilleures performances. On peut notamment citer le défi Titanic sur la plateforme Kaggle, idéal pour débuter, qui met en jeu du Machine Learning pour la prédiction de la survie des passagers de ce célèbre navire.

Ces challenges sont un excellent moyen de se confronter à des cas réels et de monter en compétences tout en valorisant sa formation auprès des entreprises sur le marché.

Se reconvertir vers les métiers de la Data

Lorsque l’on souhaite se reconvertir, il faut parfois accepter un temps de transition pas forcément facile : malgré ses années d’expérience dans des domaines connexes, il faudra parfois accepter des positions plus juniors afin d’assoir vos compétences sur ce nouveau terrain de jeu.

Il n’y a pas de gap de salaire à aller chercher à court terme et cette évolution vers la Data doit être vraiment considérée comme un projet de vie professionnelle qui offre de nombreux avantages sur le long terme : sécurité de l’emploi, challenge intellectuel, rémunération…

La Data conquiert chaque jour de nouveaux domaines métier ou sectoriels et les perspectives de carrière sont plus diverses pour les aventuriers de la Data que par le passé.

Il est donc tout à fait possible de se reconvertir dans les métiers de la Data. La curiosité sera votre meilleur allié dans votre reconversion. Vous devez connaître vos atouts et ce qu’il est possible pour vous selon votre profil. Ensuite, il ne vous restera qu’à choisir votre voie entre les différentes formations et vous serez prêts afin de décrocher votre emploi dans la Data !

A propos de l'auteur

Retour