https://www.cidj.com/

Data analyst / Data scientist

Synonymes : dataminer, data analyst, analyste de données big data, analyst dataminer, chargé d'études en datamining, consultant dataminer

  • Informatique - Web - Réseaux
  • Sciences Physique – Maths - Data
Le data analyst et le data scientist sont de hauts responsables de la gestion et de l’analyse de « données massives » (Big data). Ces spécialistes des chiffres, des statistiques et des programmes informatiques traitent les données d'une entreprise pour en extraire les informations susceptibles de l'aider dans sa prise de décisions. A l'inverse du data scientist qui a une vision transverse, le data analyst prend en charge un type de données spécifique.

Description métier

Le data analyst et le data scientist sont responsables du croisement des données de l'entreprise avec celles mises à disposition via les services web et autres canaux digitaux (téléphone mobile..). Leur objectif : donner du sens à ces données et en extraire de la valeur pour aider les décisionnaires à prendre des décisions stratégiques ou opérationnelles. 

Dans ce cadre, ils conçoivent les modèles et algorithmes pour collecter, stocker, traiter et restituer les données. C'est justement cette forme de "créativité" qui distingue le data analyst et le data scientist du pur statisticien : ils sont capables d'imaginer de nouveaux modèles d'analyse pour traiter des données brutes et hétérogènes qui ne peuvent pas être analysées à l'aide d'outils classiques de gestion de bases de données. 

Le data analyst et le data scientist travaillant sur un projet doivent mettre en œuvre les tâches suivantes : traduire un problème business en problème mathématiques/statistiques ; trouver les sources de données pertinentes ; proposer des recommandations sur les BDD à modifier, rapatrier, externaliser, internaliser ; concevoir des « entrepôts de données » (datawarehouse) ; évaluer les données, les traiter et les resituer dans le système d’information cible.

Le data analyst (ou data miner) n'inspecte généralement qu'une seule source de données (par exemple le CRM - customer relationship management - de l'entreprise) via un modèle défini. Chargé d'accroître la connaissance de la clientèle d'une entreprise, il conduit des études sur les bases de données, suit les outils datamining pour analyser l'impact des actions marketing. 

Le data scientist, de son côté, dispose d'une vue plus globale et croise les données de différentes sources dispersées. Il est expert des modèles statistiques et des mathématiques. 

Ces professionnels combinent une triple compétence : expertise statistique et informatique, connaissance des bases de données et de l'informatique, expérience métier dans leur secteur d'activité (marketing, finance par exemple).

Ces métiers nécessitent de la rigueur et de l'organisation car le suivi des données de l'entreprise s'effectue régulièrement selon des procédures très ciblées. Il faut bien entendu être un passionné des chiffres et des statistiques et respecter des règles de confidentialité car les données que manipulent le data analyst et le data scientist sont par essence sensibles et stratégiques. 

Le data analyst et le data scientist occupent une place centrale au sein d'une organisation car leur travail d'analyse est partie prenante de la stratégie de cette dernière. Ils peuvent ainsi dégager des tendances d'achat ou de consommation, élaborer le profil de la clientèle,  déterminer ses attentes... 

Lié à l'émergence du big data, ces spécialistes sont recrutés par l'industrie (nucléaire, traitement de l'eau...), les grandes entreprises, les commerces, des entreprises dans le secteur de la finance ou même des organisations médicales ou paramédicales.

Études / Formation pour devenir Data analyst / Data scientist

Un Bac + 4 ou Bac + 5 en informatique, management, statistiques ou en marketing est indispensable pour occuper ce poste. Quelques formations de niveau bac + 3 permettent d'occuper des postes d'assistant. Les formations qui permettent de se former au métier de la big data sont encore peu nombreuses mais elles se mettent en place rapidement pour faire face à la demande. 


Exemples de formations : 

niveau bac + 3

  • BUT informatique
  • Licence professionnelle métiers de l'informatique : systèmes d'information et gestion de données
    Différents parcours :
    infrastructures stockage et analyse de données massives - big data (Université de Bourgogne)
  • Licence professionnelle métiers du décisionnel et de la statistique
    Différents parcours :  
    data mining ou applications aux domaines de la santé (Paris Descartes)
    ingénierie de données (Université de Pau)
  • Diplôme (type bachelor) d'école spécialisée (IA School)

niveau bac + 5

  • Master MIAGE - méthodes informatiques appliquées à la gestion des entreprises
    Différents parcours : big data décisionnel et apprentissage / data science (Université de Rennes)
  • Master informatique
    Différents parcours : optimisation et recherche opérationnelle (université de Nantes), machine learning and data mining (université de Saint Etienne), données st systèmes connectés (université de Saint-Etienne), big data (université de Cergy), intelligence artificielle embarquée (université de Cergy), data mining (université de Lyon 2), MIASHS : big data et fouille de données (Paris 8), master of science in informatics - MOSIG (Ensimag), gestion des données et extraction de connaissances à large échelle (université de Paris Saclay)
  • Master SIAD - systèmes d'information et d'aide à la décision
    Différents parcours : data sciences, business intelligence 
  • Master mathématiques
    Différents parcours : 
    statistiques pour l’évaluation et la prospective (université de Reims-Champagne Ardennes)
    ingénierie statistique et data science - ISDS (ISUP - institut de statistique de Sorbonne Université) 
  • Master mathématiques et applications
    Différents parcours : statistiques appliquées et analyse décisionnelle - SAAD  (université de Caen), méthodes stochastiques et informatiques pour la décision - MSID (université de Pau et des pays de l'Adour), master of science in industrial and applied mathematics - MSIAM (Ensimag)
  • Master MIASHS - mathématiques appliquées aux sciences humaines et sociales
  • Master sciences des données
  • Master méga données et analyse sociale - Medas (Cnam - INTD)
  • Master data sciences for business (école Polytechnique, HEC) 
  • Mastère spécialisé en big data (ESGI, Grenoble Ecole de management)
  • Mastère in artificial intelligence & management (IA school)
  • MSc (master of sciences) : statistics for smart data (Ensai), big data for business (Ecole polytechnique – HEC), data sciences & business analytics (Centrale Supelec - Essec Business School), applied data science & big data (Data science institute), data science (Ensae ParisTech), data management (PSB)
  • Diplôme d’ingénieur avec spécialisation big data, statistiques, informatique
    IAMD – ingénierie et applications des masses de données (Télécom Nancy)
    big data & data science (Mines Nancy)
    data science (Ensae ParisTECH)
    ingénierie des systèmes d'information (Grenoble INP Ensimag)
    informatique et statistique (Polytech Lille)
    autres écoles : Isep

Plus de détails sur les masters : www.monmaster.gouv.fr

niveau bac + 6

  • Mastère spécialisé (MS) :
    Big data - gestion et analyse des données massives (Télécom ParisTech),
    Big data : analyse management et valorisation responsable (Ensimag + EMSI Ecole de management de Grenoble)
    Data Science (ENSAE)
    Expert en sciences des données (Insa Rouen Normandie)
    Data science pour l'ingénierie (INP Sigma)
  • International Program Big Data et Data Science (Mines Nancy)

Salaires

Le salaire d'un data analyst débutant oscille entre 35 K€ et 38 K€. Après 4 ans d'expérience, il peut atteindre 45 à 55 K€.

Le salaire du data scientist, forcément professionnel expérimenté, s'établit à partir de 50 K€ à 60 K€. 

Evolutions de carrière

Après une expérience significative, le data analyst peut évoluer vers les fonctions de data scientist ou vers les services de pricing ou de revenue management.

Il peut également prendre en main le service CRM c'est à dire le service de relation client.


Crédit photo : Markus Spiske - Unsplash