Le Data Analyst et le Data Scientist travaillent tous les deux dans le digital et les données numériques. Pourtant leurs fonctions diffèrent légèrement quant aux données.
Le Data Scientist brasse de son côté une grande masse de données numériques, ce qu’on appelle communément le Big Data, tout en créant des algorithmes et du langage informatique.
Le Data Analyst, à l’opposé, manipule également ces données, mais à moindre mesure. Il répond à un objectif marketing sur un ciblage spécifique sur ces données numériques. On est davantage sur un métier hybride entre le marketing et la technique.
On retrouve principalement ces rôles dans le cadre de la transformation digitale des entreprises.
Les données sont partout et il y a nécessité d’avoir des spécialistes
« Dans le secteur du numérique, un nouveau nom de métier apparaît tous les mois en ce moment ! La plupart de ces professions n’existaient pas, il y a encore trois ans », indique Godefroy de Bentzmann, président de Syntec numérique, le syndicat de ce secteur en pleine ébullition.
Parmi ces nouveaux métiers liés à la transformation digitale ou au digital tout simplement, on trouve les Data Analyst et les Data Scientist qui ne font pas exception à la règle. Ils sont d’ailleurs fortement demandés pour leur capacité à analyser les données.
La puissance du Big Data est telle que son volume impressionnant de données à analyser s’en fait ressentir aujourd’hui. Ce qui implique directement de se former au métier de data analyst d’une part, mais aussi à celui de data scientist.
À chaque instant, des données sont produites et cela n’importe où dans le monde. Ces « mégadonnées » prennent de plus en plus d’ampleur qu’elles soient en instantané ou non de façon structurée ou non. La multiplication des objets connectés risque bien de renforcer ce phénomène.
Et aujourd’hui, le constat est réel pour de nombreuses entreprises, elles ne savent plus comment gérer ces données et surtout comment s’en servir à bon escient. Ainsi, il devient urgent pour celles-ci de recruter des spécialistes de ces données numériques…
Ces nouvelles professions 3.0 qui sont encore méconnues, sont de véritables opportunités professionnelles.
A la recherche des Data Analyst et des Data Scientist
Qui sont ils ? Ce sont des spécialistes des données numériques et surtout des férus de chiffres, de statistiques et de programmes informatiques. Une différence persiste tout de même entres ces deux métiers…
Le Data Scientist ne lésine pas à rentrer dans le vif du sujet en allant chercher ces données par le biais de codages informatiques et de calculs mathématiques. Le but étant de « pouvoir regrouper, agréger, donner du sens et extraire des données qui sont utiles et qui nourrissent souvent le travail des professionnels du marketing, de l’informatique et de la vente » (source emlv.f ). Le langage informatique le plus connu pour manipuler ces données est le langage Python. (Plus d’info en vidéo)
Le Data Analyst, lui, récupère les données extraites pour les analyser ! Il va tenter de les comprendre et surtout de donner un résultat aux personnes tierces (clients externes, directeur marketing, etc.). C’est un profil hybride entre la technique et le marketing.
Le Data Scientist va chercher les données pour les extraire et le Data Analyst va les analyser pour les comprendre !
Le Data Scientist, acteur important dans la transformation digitale
Scientifique à part entière, informaticien spécialiste, le Data Scientist propose des solutions à l’entreprise face aux données numériques. Pour cela, il est amené à produire des algorithmes sur les données afin d’anticiper leurs comportements, de faire des recommandations ou de les catégoriser.
Il est considéré comme un chercheur d’or, qui s’aventure dans le nouveau Far West : celui du Big Data. Ce spécialiste devient donc indispensable, et cela, dans tous les secteurs confondus pour :
- Résoudre des problématiques avec de grandes quantités de données,
- De mettre en valeur des données pour toutes les fonctions de l’entreprise.
Et bien qu’il utilise les données existantes, il peut être amené à en créer de nouvelles…
Ainsi, il devient un élément déterminant de l’entreprise en matière de « business intelligence » l’amenant vers la propre transformation digitale de celle-ci.
Le Data Analyst, un profil hybride entre la technique et le marketing
Une fois les données récupérées par le Data Scientist, le Data Analyst, lui, se charge de travailler ces données. Il apporte un éclairage nouveau sur un comportement particulier à partir d’un objectif définit par l’entreprise. Exemple, ce cas précis « Comment améliorer la vente d’un produit sur un site e-commerce ? »
Pour ce cas le Data Analyst récupère différentes données types (nombre d’achats de ce produit, profil des acheteurs etc.) pour ensuite proposer une solution à l’équipe marketing, aux clients externes, au comité direction, etc.
Ainsi, il est amené à travailler sur différents objectif marketing comme la fixation des prix, l’optimisation du parcours client ou l’analyse financière d’un business unit.
Sa tâche principale consiste à mettre à jour la base donnée, retranscrire les des données numériques en langage business d’où son côté marketing. C’est grâce à des outils d’analyse de type Dataviz qu’il parvient à formuler des solutions.
Il peut d’ailleurs mettre à disposition ses résultats sur une plate-forme dédiée pour être consultés par les autres équipes.
Pour devenir Data Analyst, quelques qualités (voir ci-dessous) sont requises et tout comme le Data Sciencist, le goût des chiffres est nécessaire surtout en statistique. Avoir un esprit curieux et interrogatif pour trouver des solutions. Un côté technique pour l’utilisation des outils de statistique et la connaissance des outils Big Data. Être organisé et rigoureux.
|
Machine Learning |
 |
 |
|
|
|
Génie logiciel |
|
 |
|
|
|
Calcul multivariable et algèbre linéaire |
|
|
|
|
Les 8 compétences indispensables à un bon Data Scientist
Le site cartelis.com nous dresse un tableau des compétences clés du bon data scientist. Elles sont au nombre de 8 et sont comparées à d’autres métiers dont le Data Analyst.
(source : cartelis)
- 1. Des compétences en programmation
- 2. Des compétences en statistiques
- 3. Des compétences en Machine Learning
- 4. Des compétences en algèbre linéaire et en fonctions de plusieurs variables
- 5. Des compétences en préparation des données
- 6. Des compétences en Data Visualization et en communication
- 7. Des compétences en génie logiciel
- 8. De l’intuition
L’avenir de ces métiers avec les données numériques
Ces métiers se développent de plus en plus et les secteurs qui recrutent sont variés comme par exemple les entreprises commerciales, celles spécialisées en marketing ou encore des entreprises médicales.
D’autres voies sont possibles comme devenir Data Engineer, Ingénieur Business Intelligence, Machine learning, ou bien Data Specialist, Data Designer.
Et avec la Loi RGPD ?
Enfin, avec la nouvelle réglementation RGPD ces spécialistes seront contraints à changer leur mode de fonctionnement. En effet, cette nouvelle loi sur la protection des données a changé la donne sur les données numériques, notamment sur le comportement des clients vis-à-vis de celles-ci.
Ainsi, de nombreuses entreprises devront revoir leurs actions marketing. Selon Markess « 77% des responsables ont été amenées à revoir leur approche marketing » (source e-marketing)
Acteurs essentiels en terme de transformation digitale des entreprises. Un bel avenir s’annonce devant eux pour ces spécialistes de la donnée numérique !
