Les préconçus, réalités du terrain & métier du Data Scientist avec Avisia
4
 min
Carrière
 Publié le 
19/7/2021

Les préconçus, réalités du terrain & métier du Data Scientist avec Avisia

Découvrez dans cet article les idées préconçues sur le métier de Data Scientist, les réalités du terrain, les missions ainsi que les bonnes pratiques à prendre en compte avec Fanny Gaumeton, Ingénieure d'Affaires, Julien Roumagnac, Consulant Data Scientist et Nicolas Telmon, Expert Stratégie Data & Innovation chez Avisia, cabinet de conseil en Data, Digital & Technology.

Qu'est-ce qu'Avisia ?

Avisia est un cabinet de conseil spécialisé dans l'accompagnement des projets Data Centric. Nous intervenons sur toute la chaîne de valeur de la Data dans laquelle les prises de décision s'appuient sur la donnée. Aujourd’hui nous sommes 200 présents sur toute la France, notamment à Paris, où se trouve le siège social, à Lyon, Nantes, Bordeaux et Lille, et dans trois grandes expertises au sein de notre cabinet.

La première expertise est l'expertise Data incluant la Business Intelligence, la Data Ingénierie et la Data Science.

La deuxième expertise est le digital, dont le marketing, l’analyse des comportements, l’expérience client et la vision 360.

La dernière expertise s’articule sur les technologies et les outils de Data, outils de digital, de Big Data et de Data Visualisation.

Nous intervenons sur l'installation, le déploiement, l'administration de ces outils et travaillons majoritairement auprès d'acteurs du CAC 40, notamment dans la banque, l'assurance, mais également dans le média, le retail, le télécom, le tourisme ou encore l'industrie.

Les 7 principales idées reçues sur le métier de Data Scientist !

métier Data Scientist
Data Scientist en pleine mission de code


En tant que Data Scientist lorsque nous travaillons sur du Data pre-processing, nous devons apprendre à manipuler la donnée, même après un travail de restructuration et de mise en forme de la donnée. Selon d’une entreprise à une autre le processus ne sera pas le même. Nous travaillons également sur le travail des Data Ingénieurs. Par exemple, nous pouvons réaliser des missions dans lesquelles les données sont déjà très structurées.

En revanche, nous devons nous approprier la donnée, la travailler afin d’optimiser au maximum mon travail et le rendre le plus efficace possible. Nos missions en tant que Data Scientist ne sont pas uniquement de réaliser des prédictions, mais de savoir structurer la donnée. On procède alors à une phase de Data Ingénierie et de processing de données.


En travaillant sur le spectre d'algorithmes, le métier de Data Scientist consiste aussi à réduire la dimension de la donnée et d'accompagner les métiers sur la définition de KPI. Le rôle d'un Data Scientist est de produire un résultat à partir des données qui va être utile soit au métier ou soit aux utilisateurs.


L’aspiration d'un Data Scientist est de produire un résultat à partir des données qui sera utile à un individu. L’un des préjugés qui peut ressortir est par rapport à Kaggle, car on peut passer des semaines à essayer de gagner 1 %, 2 % afin d'arriver à la perfection. En réalité, ce qui est mis en avant est la valeur. On commence par faire un premier modèle simple et classique permettant de démontrer la valeur du modèle et on va montrer le gap entre les méthodes classiques et les méthodes de Data Science que l’on va appliquer.


Sur la partie mathématique, on ne passe pas notre temps à réaliser uniquement des modèles. Votre métier dépend de la société dans laquelle vous vous dirigez. Le premier mot d'ordre, est de bien comprendre le besoin d’un métier et proposer une solution adéquate. Cela peut être d’accompagner les utilisateurs sur la compréhension de l’A/B testing. Par la suite on passera à la Data Stick sur la partie mathématique.

Lors d’interactions, l’enjeu est de créer un produit utile à un utilisateur. Il est primordial de connaître son besoin avant tout. La partie compréhension de l’utilisateur est alors très importante lorsque l’on prend du temps à comprendre les besoins des utilisateurs. On va pour cela privilégier un algorithme simple et explicable afin que les utilisateurs puissent mieux assimiler les enjeux de notre algorithme.

Nous utilisons nos outils de Data Science justement pour remettre une couche analytique. Par exemple, il y a certains projets qu'on a pu réaliser qui sont très performants. Ce que nous faisons est que nous créons un arbre de décision dans lequel nous allions la partie plaisir à la partie explicative par des exemples.

Les uses cases utilisées en Data Science? Il n’ y a pas de préjugés car la Data s’applique sur un large spectre. Nous pouvons faire des missions diverses dans différents secteurs d’activités et selon les types d’entreprises.

travail Data Scientist

Un éminent travail de sensibilisation autour des appréciations est-il mis en place ? 


Il y a un énorme travail à essayer de se comprendre mutuellement entre les personnes qui vont utiliser les produits data et les personnes qui les développent pour que cela devienne utile à tout le monde.


La vulgarisation prenait-elle une place prépondérante au sein de vos projets ?

La vulgarisation joue un rôle extrêmement important. Sur le projet Data on retrouve 70% de Data Management , 20% de modélisation et entre 10 et 15% de vulgarisation !

Il va y avoir des grands use cases qui sont bien connus et qui sont des leviers qui sont facilement actionnarial, comme ce qui est dans l'explication sur l'attribution de crédits, du scoring de clients.

Au fur et à mesure que l'entreprise va se développer, on va aller sur des uses cases plus atypiques, plus précis au fur et à mesure que la Data et la Data Science vont se développer au sein de l'entreprise.

En tant que consultant, avez-vous les expériences métiers de toutes les entreprises pour lesquelles vous réalisez des projets ?


Ce sont deux cœurs de métier complètement différents. Le métier de Data Consultant permet justement de découvrir de nombreux métiers différents. En étant Data Consultant, il est nécessaire d’avoir une certaine curiosité pour essayer d’analyser et comprendre le métier ainsi que le business. En travaillant sur un projet Data Science, il y a une première étape qui est l’audit de compréhension.

Nous avons besoin d’échanger avec d’autres métiers pour comprendre leurs besoins afin de nous améliorer. Dès lors qu'on est Data Scientist, on a besoin de cette étape. Le deuxième point, c'est que l’on est capable de voir l’importance de chacun de ces indicateurs. Finalement nous sommes en mesure de comprendre les grands indicateurs qui dirigent l'entreprise.

Sur la gestion de projet Data, quelle est la finalité du Data Management? 


La finalité du Data Management est de réussir à réconcilier ces sources de données pour constituer son data. Ce sont des étapes de transformation de données qui sont du Data Management !

Quel est le type de profil le plus valorisé auprès des clients et des recruteurs ?


Ce qui est attendu pour notre part est une connaissance technique, une capacité à se mettre à la place du client, à faire de la gestion de projet.


Quel est le processus de recrutement chez Avisia ?

Nous avons un premier entretien avec notre directeur d'agence, puis un entretien avec un consultant au niveau technique. Par la suite, nous avons une intégration.

Ce seront vraiment les connaissances techniques, les hards et les soft skills qui passeront avant la connaissance métier !

Quels sont les conseils sur les compétences des profils seniors ?


La clé est avant tout d'orienter son discours sur la compréhension de nos propos. La technique reste un outil. Il faut savoir expliquer ce que l’on fait.

Si vous souhaitez obtenir toutes les compétences recherchées par Avisia et bien d'autres entreprises dans leurs postes en Data, n'hésitez pas à regarder les formations Data proposées par Jedha !

Rejoignez la communauté sur JULIE !

Python, SQL, gestion de projet Data, toutes les compétences à acquérir pour monter en compétences avec cours en ligne gratuits.

Myriam Emilion
Écrit par
Myriam Emilion
 - 
Directrice Marketing @
Jedha Bootcamp

Python : le language de programmation le plus
populaire parmi les professionnels de la Data !

Obtenez notre livre d'Introduction Pratique à Python !

Programmes, thématiques Data, admissions,
vous avez une question ?

Prenez rendez-vous avec nos équipes