Votre référentiel des métiers de la Data

/ 01 Data Scientist

Situé au cœur de la chaine de valeur de la donnée, le Data Scientist analyse les data pertinentes à l’aide d’algorithmes élaborés par ses soins et hiérarchise les résultats afin qu’ils soient exploitables par le pouvoir décisionnel. Pour ce faire, il dispose de compétences à la croisée des trois domaines :

1) les mathématiques - régression logistique, modèle bayésien naïf, chaîne de Markov...
2) l’informatique - programmation en Python, connaissance des plateformes cloud et des frameworks Hadoop et Spark...
3) et le business - compréhension des enjeux et des problématiques stratégiques de l’entreprise.

Le Data Scientist doit savoir intervenir sur toutes les étapes du travail : définition du problème, collecte et nettoyage des données, création de modèles, implémentation d’algorithmes. Cependant, selon ses appétences et selon les besoins et la maturité de l'organisation à laquelle il appartient, le Data Scientist pourra développer une coloration Business, Tech ou Recherche.

/ 02 Data Engineer

Le Data Engineer s’occupe de la maintenance au quotidien des bases de données et des frameworks Big Data. C’est également lui qui fait migrer les bases de données et les frameworks des entreprises vers les évolutions les plus récentes. Il est responsable du maintien de la solution Big Data développée : il réalise des tests et des évaluations sur la structure pour être sûr que celle-ci résiste au poids généré par la masse de données exploitée par les Data Scientists. Il s’occupe également de la construction des pipelines de données et fait en sorte qu’elles soient disponibles pour les autres métiers Data. Il maîtrise à la perfection les frameworks du Big Data comme Hadoop et Spark et est évidemment un as des bases de données (SQL et noSQL).

/ 03 Machine Learning Engineer

Au croisement de la Data Science et du Data Engineering, le Machine Learning Engineer a pour rôle d’optimiser et de mettre en production les algorithmes développés par le Data Scientist au sein de l’infrastructure préparée par le Data Engineer. Les contours exacts de ce poste restent cependant encore à définir tant son émergence est récente !

/ 04 Data Analyst

Le Data Analyst utilise des outils statistiques et informatiques afin d’organiser, synthétiser et traduire les informations utiles aux organisations pour orienter les prises de décision des acteurs décisionnels. Il travaille souvent sur des données issues d’une source unique et déjà connue. A l’aval de la chaîne de traitement de la donnée, tout en collaborant avec le Data Scientist sur les dimensions technico-scientifiques, il explore et exploite, extrait et analyse les données en définissant des KPI pertinents : il peut ainsi vulgariser et restituer de manière pertinente et, a fortiori, sous un format exploitable, les résultats aux décideurs, notamment au travers de Data visualisations.

Selon les organisations et leurs besoins, les compétences et les outils qu'on demande aux Data Analysts de maîtriser peuvent légèrement varier. Nous pouvons ainsi distinguer deux sous-familles : le Data Analyst "statisticien" et le Data Analyst "Business Intelligence".

/ 05 Responsable Data Gouvernance

Le chef de projet Data Gouvernance ou responsable Data Gouvernance définit et lead le programme de gestion de la donnée d'un point de vue métier afin d'en garantir la qualité. Son objectif est tout d'abord de sensibiliser à la nécessité d'avoir une donnée collectée proprement ; puis de mettre en place les process pour y arriver, dans le respect des règles de conformité. En collaboration avec l'IT - qui gère la traçabilité des données SI- et avec la Data - qui valorise la donnée collectée - il détermine un dictionnaire de la donnée ainsi qu'un référentiel et des outils communs.

/ 06 Chef de projet Data

Grâce à sa connaissance des enjeux et problématiques Data mais aussi business (sur un secteur ou une entreprise), le Chef de projet Data est capable de faire le lien entre les profils techniques et les profils opérationnels afin d'identifier les cas d'usage Data pertinents, de les prioriser et de suivre leur mise en œuvre. Ce faisant, il est est un acteur majeur de l'acculturation d'une organisation à la Data et à l'IA. Le chef de projet pilote généralement un aspect de la stratégie données de l’entreprise comme la gestion et l’enrichissement du socle de données ou le déploiement d’outils Big Data. Relationnel, pédagogie, travail d’équipe et leadership lui sont indispensables.

/ 07 Data Product Manager

Au même titre que le chef de projet Data, le Data Product Manager assure un rôle d'intermédiation entre Business et Technique, mais avec comme particularité de travailler dans une entreprise orientée Produit. Concrètement, son objectif est soit de faire évoluer un produit 100% Data tel un logiciel d'analyse de données/IA, soit de développer les features Data d'un produit "conventionnel". Cette organisation 'product centric' induit des prérogratives supplémentaires : outre l'identification des cas d'usage Data, leur priorisation et le suivi de leur mise en oeuvre, le Data Product Manager définit la roadmap Data du produit et travaille donc au plus près de la stratégie long terme de l'entreprise. Il peut disposer d'une équipe dédiée (Data Scientists, AI Software Engineers, Data Engineers, Machine Learning Engineers, Data Analysts...) qu'il animera et alimentera en cas d'usage Data, et avec qui il s'assurera de la maintenance des features développées et de leur adéquation continue avec la stratégie produit.