Les professionnels de la donnée sont source de création de valeur et d’innovation pour les entreprises, lesquelles adoptent par répercussion une approche centrée sur les clients.
🎥 Découvrez l’émission Alliancy Inpiration : « Data Literacy : la compétence clé du XXIe siècle à l’épreuve de la crise ».
Marilyn Courtois Perin, Associée de D-AIM
Qu’il s’appelle data scientist ou data analyst, un « spécialiste des données » est un professionnel qui va extraire des informations à partir de données brutes pour enrichir la connaissance clients. Dans le cas d’un retailer, par exemple, l’analyse des données disponibles permet ainsi de comprendre le comportement des clients pour mettre en place des stratégies prédictives.
Différents métiers pour une même finalité
Les noms des métiers de la donnée évoluent en même temps que la technique. Si l’on a longtemps parlé de data miner, les termes de data scientist ou de data analyst sont plus volontiers employés aujourd’hui. Cette évolution terminologique peut s’expliquer par l’évolution du métier en lui-même, les nouvelles technologies comme l’intelligence artificielle (IA) et la concentration des données de masse.
Outre l’évolution du métier lui-même, des branches sont apparues avec la complexification du traitement des données. Cette complexification a en effet suscité le besoin de profils nouveaux, capables de traiter un volume croissant de données. S’il existe des nuances entre les différentes approches du métier de la donnée, toutes ont pour finalité d’optimiser l’analyse pour servir un domaine d’activité spécifique. Les entreprises sont bien sûr friandes de science des données, mais celle-ci joue également un rôle crucial dans les domaines scientifiques.
Le brassage des données change le paradigme en entreprise
En l’espace de 5 ans, les mots IA et Big Data se sont démocratisés et les profils de data analyst et scientist sont devenus les champions des entreprises, très courtisés des recruteurs. Les entreprises n’ont pourtant pas attendu la vague de technologie qui nous submerge actuellement pour exploiter leurs données : à petite échelle, elles l’ont toujours fait. La différence réside dans l’ampleur que cet usage a pris grâce à des outils chaque année plus puissants qui automatisent le traitement des données brutes.
La véritable évolution tient davantage à l’approche nouvelle que les entreprises ont adoptée. Le besoin d’organiser les données a défait les silos et inversé le paradigme, de sorte qu’il ne s’agit plus de partir du produit ou du service pour construire une offre mais bien des besoins des clients. Connaître le client à travers ses données pour le prendre en compte dans sa singularité ; là est le réel changement de paradigme que l’incursion massive des données a fait faire aux entreprises.
A lire aussi : Michaël Emica (Meetic) : « Un poste de responsable data culture permet une approche proactive vis à vis des collaborateurs »
Innovation et diversité : un lien intrinsèque
Diversité et innovation vont de pair, et la rareté des femmes dans les métiers des données représente un problème de taille. Seuls 21% des équipes data sont aujourd’hui paritaires. Il serait faux de croire que le manque de femmes les pénalise elles seules : en n’exploitant pas le potentiel d’innovation qu’elles détiennent, ce sont les entreprises qui y perdent, et plus largement tout l’écosystème Tech. Les initiatives qui se sont initiées, par réaction, accélèrent heureusement l’entrée des femmes sur le marché numérique. L’équilibre devrait progressivement se rétablir tandis que se forment les futures data scientist et analysts. À mesure que le monde des données s’étend, l’on remarque par ailleurs que les femmes y entrent par différentes voies : outre les classiques études d’ingénieurs ou scientifiques, elles sont déjà 21% à rejoindre le monde des données à la sortie d’une école de commerce*.
Autant qu’ils bouleversent, ces métiers de la donnée vont être eux-mêmes bouleversés par l’incursion de l’intelligence artificielle. Les outils d’IA qui commencent à se commercialiser permettent en effet de visualiser les données et de créer des modèles prédictifs sans disposer du niveau de maîtrise d’un data scientist ou d’un data analyst. Pour ces derniers, la conséquence est positive, car en les déchargeant de l’aspect le plus technique de leurs métiers, cette avancée leur rendra un pouvoir créatif en fondant davantage la prise de décision sur l’humain.