métiers big data, conseil orientation scolaire, coaching

Filières scientifiques, Métiers

Tout savoir sur les métiers du Big Data.

Data analyst, data engineer, data scientist… Un domaine important aux débouchés multiples.

Par notre consultante au Mesnil-le-Roi, Valérie Le Tallec

Tu as vu la série House of Cards ?
Dans cette dernière, même le président des Etats-Unis éprouve des difficultés à recruter un Data Scientist. C’est dire à quel point ce métier est en tension et offre des opportunités incroyables aujourd’hui.

Mais le Big Data ne s’arrête pas à ce seul métier. Beaucoup d’autres possibilités existent et à travers cet article, tu vas les découvrir.

Le Big Data, qu’est-ce que c’est ?

C’est un terme qu’on peut souvent entendre, mais sans vraiment savoir ce qu’il veut dire :

Littéralement, ces termes signifient mégadonnées, ou encore données massives. Ils désignent un ensemble très volumineux de données qu’aucun outil classique de gestion de base de données ou de gestion de l’information ne peut vraiment travailler.
En effet, nous procréons environ 2,5 trillions d’octets de données tous les jours. Ce sont les informations provenant de partout : messages que nous nous envoyons, vidéos que nous publions, informations climatiques, historique de nos visionnages sur Netflix, signaux GPS, enregistrements transactionnels d’achats en ligne et bien d’autres encore. Les géants du Web, au premier rang desquels Yahoo (mais aussi Facebook et Google), ont été les tous premiers à déployer ce type de technologie.

Ces données peuvent être de nature personnelle, professionnelle ou institutionnelle, et peuvent provenir de différentes sources d’information circulant par le biais des différents réseaux numériques (texte, vidéo, audio, base de données…). Pour être qualifiées de « données du Big Data », ces dernières doivent répondre au critère des trois V :

Le volume (plus ou moins massif)
La variété (nature et niveau de structuration)
La vitesse (de la production, de la collecte et d’analyse)

A qui cela sert ?

Voici quelques domaines qui tirent profit du Big Data :

La recherche médicale : grâce à l’évaluation des données massives, les médecins peuvent trouver de meilleures solutions de thérapie et de traitement pour leurs patients.

L’industrie : grâce à l’utilisation des données des machines de la chaîne de production par exemple, les entreprises peuvent augmenter l’efficacité de leur production et travailler de manière plus durable.
L’économie : il permet aux entreprises de mieux connaitre leurs clients et de leur proposer des offres toujours plus adaptées à leurs besoins.
L’énergie : les données sur la consommation d’énergie permettent à long terme d’adapter l’offre aux besoins des utilisateurs dans le but de rendre l’approvisionnement énergétique plus responsable et durable.
Le marketing pour mieux cibler les clients, améliorer les relations avec les consommateurs et augmenter le taux de conversion.
Le secteur bancaire : le Big Data permet à une banque de proposer des services adaptés au profil de ses clients ou de mieux anticiper ses risques de défaut ou de liquidité.

Pourquoi le Big Data est-il qualifié de « nouvel or noir » ?

Une ressource de plus en plus importante :

En raison de la digitalisation de nos modes de vie, nous émettons tous des milliers de données chaque jour.

Sous réserve du respect des règles de protection des données personnelles, les entreprises peuvent se servir de ces données pour faire évoluer leurs pratiques.

Le volume de données exploitable augmente de façon exponentielle : il a été multiplié par 100 entre 1987 et 2007, et depuis, il double tous les deux ans.

Pour une entreprise, savoir tirer profit de ces données est stratégique. Rater le tournant de la data, c’est prendre le risque d’être dépassé par la concurrence. Il devient de plus en plus important de baser les décisions stratégiques d’une entreprise sur l’analyse des données auxquelles elle a accès.

Des métiers en plein essor.

Des métiers recherchés mais qui manquent d’offres :

La collecte et l’exploitation des données exigent donc des compétences techniques. C’est pourquoi les spécialistes de la Data Science sont particulièrement recherchés sur le marché du travail.

Malheureusement, les entreprises souffrent d’une pénurie de talents : en 2020, 250 000 offres d’emploi pour un Data Scientist sont restées sans réponse (selon QuantHub). Et ce n’est pas prêt de s’arrêter, puisque le nombre de postes à pouvoir devrait augmenter de 15% par an jusqu’en 2029.

Quel profil et quelles qualités avoir ?

Il faut avoir de solides bases en mathématiques et aimer les statistiques. Il convient donc d’avoir la spécialité Maths.

Des compétences techniques nécessaires :

– programmation en langage Python, SQL ou R

– mathématiques, statistiques et traitement de données

– des compétences « métiers » c’est-à-dire avoir des compétences dans un domaine particulier: finance, marketing, agronomie, recherche médicale…pour comprendre les enjeux du métier

– data visualisation pour présenter sous forme de graphique, animations

– reporting…

Mais aussi des softs skills :

– rigueur et précision

– esprit critique et prise de recul

– curiosité, apprendre à chercher

– de bonnes qualités rédactionnelles

– sens de l’analyse et de la synthèse

– esprit communicant pour passer les bons messages auprès du comité de direction

Pour quels métiers et débouchés ?

Les métiers de la Data peuvent se découper en trois familles :

-les métiers liés à la collecte et au stockage des données

-les métiers liés au traitement et à l’analyse des données

-les métiers liés à la protection et à la sécurisation des données

1 – Les métiers liés à la collecte et au stockage des données :

Data engineer :

Il a pour rôle de récolter et de préparer les données, afin que les autres spécialistes du traitement et de l’analyse des données (Data Analyst, Data Scientist…) puissent les exploiter.

Il conçoit et administre les systèmes de collecte de données, et s’occupe de les organiser une fois qu’elles ont été collectées. Il épaule le Data Scientist en lui garantissant un accès facile et rapide à toutes les données collectées.

Ses compétences sont très variées : il doit maîtriser les langages dédiés à la donnée comme SQL, ainsi que les outils de stockage des données. Mais il doit également être familier des langages de programmation généralistes comme Python et avoir des connaissances en statistiques et en Machine Learning (pour être capable de comprendre ce que le Data Scientist va faire avec les données)

Le CDO (Chief Data Officer) :

Il gère les interactions entre la direction de l’entreprise et le département chargé de l’analyse data. Il assure l’accès des dirigeants aux bases de données et aux résultats des analyses menées. Parallèlement, il dirige les opérations d’analyse, optimise la gestion des données et contrôle la qualité du travail effectué par les Data Analysts et Data Scientists.

Il doit pour cela bien connaître le secteur économique de l’entreprise, les outils d’analyse des données (PowerBI, langages SQL et Python) ainsi que les principes mathématiques qui les sous-tendent. Enfin, il fait preuve de leadership car il dirige les travaux des Data Scientists.

Le Data Miner :

Il a pour mission d’explorer les données qui sont à la disposition de l’entreprise, pour trouver celles qui sont utiles à son entreprise. Lorsqu’il a trouvé des données qui méritent d’être analysées, il les formate afin de les rendre exploitables. Il travaille donc en étroite collaboration avec le Data Analyst et le Data Scientist. Il peut même parfois porter plusieurs casquettes !

Ses compétences sont la maîtrise des outils de stockage des données, ainsi que des connaissances en statistiques pour pouvoir anticiper sur le travail du Data Analyst.

L’architecte Big Data :

Il supervise la récupération, la gestion et le stockage des données. Il doit être capable d’optimiser tous ces processus, et de réaliser des inventaires des données disponibles qu’il soumettra aux dirigeants ou au Chief Data Officer.

Pour cela, il maîtrise les technologies du Big Data telles que : les langages de la Data Science comme Python, les systèmes de gestion NoSQL comme Cassandra, les outils de stockage des données comme Memtables, les infrastructures serveurs comme Hadoop ou Spark.

2 – Les métiers liés au traitement et à l’analyse des données :

Le Data Analyst :

Il exploite et analyse les données recueillies par l’entreprise. Il peut également enrichir les sets de données, en utilisant une API ou les techniques du web scraping. Son super-pouvoir est de rendre un grand volume de données intelligibles pour les managers : le Data Analyst “fait parler les données”.

Son savoir-faire repose sur la maîtrise d’outils tels que Python et SQL. Python est un langage de programmation très polyvalent, et qui dispose de nombreuses bibliothèques dédiées à la data analyse. SQL (Structured Query Language) est un langage dédié à la manipulation de grands volumes de données stockées dans des bases de données relationnelles.

Le Data Analyst doit également maîtriser la data visualisation. Elle lui permet de présenter ses données et son analyse sous forme de graphiques (ou même d’animations), qui seront parlants pour ses interlocuteurs. Il a également un rôle de conseil sur la stratégie de l’entreprise

Voici deux vidéos pour bien comprendre le rôle d’un data analyst :

Le Data Scientiste :

Tout comme le Data Analyst, le Data Scientiste a pour mission d’exploiter les données recueillies par l’entreprise et il est amené à interagir avec les différents services de l’entreprise (stratégie, marketing, finance). A la différence du Data Analyst, le Data Scientist a souvent une approche plus théorique de l’analyse de données. Il est chargé d’établir des modèles statistiques d’analyse de données commerciales, que le Data Analyst pourra ensuite utiliser. Le Data Scientist est également celui qui va établir les modèles prédictifs à partir des données qu’on lui fournit.

C’est pourquoi un Data Scientist doit pouvoir justifier de compétences solides en mathématiques, statistiques mais aussi codage. Il sait utiliser Python, R et il est à l’aise avec le Machine Learning (apprentissage automatique). Il maîtrise les outils de datavisualisation et est doté d’un bon sens du relationnel puisqu’il doit faire remonter ses analyses aux managers.

Le Data Manager :

Il doit veiller à ce que les données soient accessibles pour tous les collaborateurs qui en ont besoin, et à ce qu’elles soient utilisables. Par exemple, c’est lui qui met en place des processus techniques pour que, lorsqu’un Data Analyst travaille sur un set de données, cela n’empêche pas les autres Data Analysts d’accéder à ce même set !

Il vérifie également la qualité des données, et leur conformité face aux lois comme le RGPD.

Il doit pour cela connaître les langages de programmation tels que Python, R et SQL, ainsi que les systèmes de gestion de base de données comme PostgreSQL. Il doit en outre avoir une bonne connaissance du secteur d’activité de l’entreprise.

Le Machine Learning Engineer :

Il est programmateur en informatique. Il est spécialisé dans le Machine Learning, une discipline qui permet aux machines d’effectuer automatiquement des tâches pour lesquelles elles n’ont pas été spécifiquement programmées (elles se programment elles-mêmes).

Il doit donc disposer de solides compétences en mathématiques : analyse, algèbre linéaire, statistiques et probabilités. Il maîtrise les langages de programmation (Python, R) ainsi que les applications cloud. En analyse des données, il est capable de développer des réseaux de neurones profonds, ainsi que des modèles complexes pour les données non structurées (images et langage naturel).

3 – Les métiers liés à la protection et à la sécurisation des données :

Le DPO (Data Protection Officer) :

Il est doté d’une double casquette :

S’assurer que les données de l’entreprise, en particulier les données sensibles, sont à l’abri des intrusions malveillantes
S’assurer que ces données (leur stockage et leur utilisation) respectent les règlements en vigueur, notamment le RGPD.

Il doit donc disposer de compétences dans plusieurs domaines : informatique, cybersécurité, expertise juridique.

Le Data Steward :

Il est responsable de la maniabilité et de la qualité de la data qui est à la disposition des Data Analysts. Il doit s’assurer qu’elle est triée, organisée, mais surtout issue d’une source fiable.

Pour cela, il met en place des systèmes de détection et de contrôle des données. Il gère également l’accès aux données : il crée des process spécifiques pour déterminer qui a accès à quelle base de données.

Il doit donc maîtriser les outils de gestion des données comme SQL, Python ainsi que les systèmes d’information sur le cloud.

Les débouchés sont nombreux, le marché est en pleine explosion. As-tu envie de saisir cette opportunité ?

Quelles sont les différentes formations ?

Face à l’augmentation de la demande, les formations supérieures se développent de plus en plus.

Zoom sur ces formations « hybrides » qui forment des profils transversaux doués en technologie et en compétences managériales et non plus cantonnés à la « technique » face à l’explosion du marché de la Data.

De nombreux bachelors accessibles à l’issue du bac émergent comme :

Le Bachelor Big Data et Management créé en septembre 2021 par Centrale Nantes et Audencia

Le Bachelor Ingénierie Digitale et management ouvert en septembre 2022, conjoint entre l’EDHEC Business School et l’UTC,
Le bachelor in Management, parcours Digital engineering entre l’ISEN et Rennes School of Business,

Par ailleurs, les universités développent aussi leur offre de formation comme avec Dauphine qui propose une double licence Intelligence artificielle et sciences des organisations. On trouve également des écoles spécialisées comme Albertschool ou l’IA School.