Dans un déluge de données, les entreprises cherchent à remplir un nouveau rôle

La description de poste de data scientist n'existait pas il y a cinq ans. Personne ne faisait de publicité pour un expert en science des données, et vous ne pouviez pas aller à l'école pour vous spécialiser dans le domaine. Aujourd'hui, les entreprises se battent pour recruter ces spécialistes, des cours pour en devenir un font leur apparition dans de nombreuses universités, et le revue de Harvard business a même proclamé que le data scientist est la plus sexy métier du 21ème siècle.

Les scientifiques des données prennent d'énormes quantités de données et tentent d'en extraire des informations utiles. Le travail combine statistiques et programmation pour identifier des facteurs parfois subtils qui peuvent avoir un impact important sur les résultats d'une entreprise, qu'il s'agisse de savoir si une personne cliquera sur un certain type d'annonce ou si un nouveau produit chimique sera toxique pour le corps humain.

Alors que Wall Street, Madison Avenue et Detroit ont toujours employé des data jockeys pour donner un sens aux statistiques commerciales, l'essor de cette spécialité reflète l'expansion massive de la portée et de la variété des données désormais disponibles dans certaines industries, comme celles qui collectent des données sur les clients. sur le Web. Il y a plus de données que les gestionnaires individuels ne peuvent en imaginer : trop de données, qui changent trop vite, pour être analysées avec des approches traditionnelles.

Alors que les smartphones promettent de devenir une nouvelle source de données précieuses pour les détaillants, par exemple, Walmart est en concurrence pour attirer davantage de data scientists et propose désormais des dizaines de postes vacants, dont celui d'ingénieur Big Fast Data. Les capteurs dans les usines et sur les équipements industriels fournissent également des montagnes de nouvelles données, ce qui a conduit General Electric à embaucher des scientifiques des données pour analyser ces flux.

Le terme science des données a été inventé dans la Silicon Valley en 2008 par deux analystes de données travaillant alors chez LinkedIn et Facebook (voir What Facebook Knows ). Désormais, de nombreuses startups fondent leur activité sur leur capacité à analyser de grandes quantités de données, souvent issues de sources disparates. ZestFinance , par exemple, dispose d'un modèle prédictif qui utilise des centaines de variables pour déterminer si un prêteur doit offrir un crédit à haut risque. Le risque de souscription qu'il atteint est inférieur de 40 % à celui supporté par les prêteurs traditionnels, déclare John Candido, data scientist de ZestFinance. Toutes les données sont des données de crédit pour nous, dit-il.

Le spécialiste des données est devenu un titre de poste populaire en partie parce qu'il a aidé à rassembler un nombre croissant de rôles de travail définis au hasard et qui se chevauchent, explique Jake Klamka, qui dirige un programme de six semaines. camaraderie placer des docteurs dans des domaines comme les mathématiques, l'astrophysique et même les neurosciences dans de tels emplois. Nous avons quelqu'un qui travaille avec beaucoup de données dans ses recherches, dit Klamka. Ils doivent savoir programmer, mais ils doivent également avoir de solides compétences en communication et de la curiosité.

Les meilleurs data scientists se définissent autant par leur créativité que par leurs prouesses en écriture de code. L'entreprise Kaggle organise des concours où les data scientists s'affrontent pour trouver le meilleur moyen de donner un sens à des ensembles de données massifs (voir Startup Turns Data Crunching into a High-Stakes Sport ). Beaucoup des meilleurs Kagglers (il y a 88 000 inscrits sur le site) viennent de domaines comme l'astrophysique ou le génie électrique, explique le PDG Anthony Goldbloom. Le participant le mieux classé est un actuaire à Singapour .

Les universités commencent à répondre aux besoins du marché du travail. L'Université de Stanford prévoit de lancer une filière de maîtrise en science des données dans son département de statistiques, selon le président du département Guenther Walther . Une douzaine d'autres programmes ont déjà été lancés dans des écoles comme l'Université de Columbia et l'Université de Californie à San Francisco. Cloudera , une entreprise qui vend des logiciels pour traiter et organiser de gros volumes de données, a annoncé en avril qu'elle travaillerait avec sept universités pour offrir aux étudiants de premier cycle une formation professionnelle sur la façon de travailler avec les technologies de mégadonnées.

Le directeur du programme d'éducation de Cloudera, Mark Morissey, affirme qu'une pénurie de compétences se profile et que le marché ne va pas croître au rythme qu'il souhaite actuellement. Cela a fait grimper les salaires. Dans la Silicon Valley, les salaires des data scientists débutants se situent entre 110 000 $ et 120 000 $.

D'autres pensent que la tendance pourrait créer un nouveau domaine d'externalisation. Shashi Godbole, un scientifique des données à Mumbai, en Inde, qui est classé 20e sur le tableau de bord de Kaggle, a récemment terminé un concert horaire de conseil organisé par Kaggle, une nouvelle entreprise dans laquelle la plate-forme se lance. Il a travaillé pour une petite organisation à but non lucratif de défense de la santé située à Chicago et soumissionne maintenant pour plus d'emplois (il gagne 200 $ de l'heure et Kaggle collecte 300 $ de l'heure). Son travail à Kaggle est à temps partiel pour l'instant, mais il dit qu'il est possible que ce soit sa principale source de revenus un jour.

Pour les data scientists eux-mêmes, le travail est certainement moins sexy qu'on ne le prétend. Josh Wills, directeur principal de la science des données chez Cloudera, explique que la plupart du temps, il s'agit de nettoyer des données désordonnées, par exemple en les plaçant dans les bonnes colonnes et en les triant.

Je suis concierge de données. C'est le travail le plus sexy du 21e siècle, dit-il. C'est très flatteur, mais c'est aussi un peu déroutant.

cacher