44% des data scientists prévoient de changer d’entreprise cette année
Parmi les experts data des DSI, 44% anticipent de changer d’employeur durant l’année en cours, dont 21% cherchent d’ores et déjà un nouveau poste. Les data scientists se plaignent de la part trop importante du travail de préparation des données et du manque d’impact sur le business.
Parmi les experts data des DSI, 44% anticipent de changer d’employeur durant l’année en cours, dont 21% cherchent d’ores et déjà un nouveau poste. Les data scientists se plaignent de la part trop importante du travail de préparation des données et du manque d’impact sur le business.
L’emploi des data scientists est un marché en tension. La difficulté pour les entreprises consiste donc à attirer ces candidats, puis à les fidéliser. Même si la crise du Covid-19 génère de l’incertitude en termes d’embauches, la volatilité de ces profils reste d’actualité d’après l’étude « The State of Data Science 2020 ».
Selon les résultats de l’enquête menée auprès de plus de 2000 professionnels de la Data, les employeurs ont tout intérêt à se préoccuper de la satisfaction des data scientists. Un tiers d’entre eux prévoient ainsi de changer d’entreprise au cours des 12 prochains mois.
Des data scientists nombreux à chercher un nouveau poste
Ils sont en outre 24% à anticiper un tel changement durant les trois années qui viennent. Et ces envies d’ailleurs sont particulièrement fortes parmi les experts de la Data rattachés à la DSI. Ils sont 21% à rechercher actuellement un nouveau poste. S’y ajoutent 23% qui se préparent à le faire d’ici 6 à 12 mois.
A l’IT, 44% prévoient de partir au cours des 12 prochains mois
Plusieurs facteurs pourraient expliquer cette tendance. La forte demande pour ces compétences d’abord. La concurrence entre employeurs offrent aux data scientists de nombreuses opportunités sur le marché de l’emploi.
Mais si les data scientists sont enclins à changer de travail, c’est peut-être aussi en raison de la nature même de leurs tâches. L’étude constate en effet que ces experts continuent de consacrer en moyenne 45% de leur temps à la préparation des données.
Ces opérations les écartent des tâches à plus forte valeur ajoutée qu’est notamment le développement de modèles ou de la data visualisation. Ce n’est cependant pas le seul motif d’insatisfaction.
La préparation de la Data trop chronophage
« Une fois que leurs modèles sont prêts pour la production, ils doivent faire face à de nombreux environnements, dépendances, et même à des lacunes en matière de compétences avant que les modèles ne voient le jour » souligne l’étude.
Chargement et nettoyage des données l’emportent sur les autres tâches liées aux données
Les répondants considèrent ainsi que les tâches de gestion de la donnée continue de représenter « une quantité disproportionnée de temps de travail. » Et cette situation génère d’évidentes frustrations.
En effet, moins de la moitié (48%) des répondants estiment pouvoir démontrer l’impact de la data science sur les résultats des entreprises. La contribution perçue à l’activité de la société est plus élevée parmi les experts travaillant au sein de centres d’excellence. Les moins satisfaits d’entre eux sont en revanche à la DSI.
Biais et vie privée, des enjeux négligés ?
Les difficultés rencontrés par les spécialistes de la Data ne tiennent néanmoins pas uniquement à l’organisation. Les professionnels sondés se montrent ainsi plus particulièrement préoccupés par les enjeux de biais et de vie privée en ce qui concerne l’IA et le Machine Learning.
Près de la moitié des répondants citent l’un de ces deux thèmes comme le « plus grand problème à résoudre dans le domaine de l’AI/ML aujourd’hui ». Ces préoccupations restent néanmoins peu prises en compte dans les organisations.
Ainsi, seulement 15% des répondants avouent que leur équipe s’occupe activement de la question des biais. L’enseignement semble lui aussi en retard sur ces questions. En effet, 15% des universités uniquement incluent des cours sur l’éthique.
La maturité de la data science progresse néanmoins pour les auteurs de l’étude. La discipline « cherche encore son identité » et « le voyage vers la maturité est en cours ». Faire de la data science une fonction business stratégique dans un plus grand nombre de secteurs pourrait ainsi prendre encore 2 à 3 ans.
