Discussion :

[kn0wledge]

Bonjour,

Je suis actuellement en Master 2 Data Science et je cherche un stage de 6 mois de fin d'études. Pourriez-vous me conseiller sur des Entreprises ou des ESN (SSII), sur Lyon et ses alentours, qui recrute des futurs jeunes diplômés dans le domaine du Big Data sachant que je me prépare à être Data Scientist.

Je vous pose cette question car vu que c'est un nouveau domaine, beaucoup d'entreprise n'ont pas la même définition du Data Scientist. Malheureusement, à l'école on nous apprend le Machine Learning, le Data Mining, la Data Visualization, etc, mais nous n'avons pas d'exemple concret, par l'intermédiaire d'intervenant, de leur utilisation dans les Entreprises. Donc une autre question qui vient après celle cité ci-dessus qu'est-ce qu'un Data Scientist pour une Entreprise française. En effet, j'ai déjà entendu en entretien des différences entre Data Architect et Data Scientist, Data Analyst et Data Scientist etc.

Cordialement.

[Emmanuel R]

Hello,

Je ne peux pas forcément t'aider pour des conseils sur Lyon.
Par contre, je peux te donner ma vision des différents postes que tu indiques.

Data Architect : C'est un titre pour désigner la préparation des données, en amont. Cela peut regrouper des missions telles l'intégration de données par ETL, la création (ou plus généralement l'enrichissement) de datawarehouse, la création de datamarts. En bref, la modélisation des données, qui pourraient être utilisées en visualisation. C'est dans ce sens qu'on parle "d'architecte des données" : c'est celui qui va les préparer pour que tout ne s'écroule pas en visualisation...

Data Analyst : A contrario, ici, c'est plutôt l'analyse de données qui est en jeu. Les missions s'orienteront plutôt sur la mise en place des KPI, le rafraîchissement régulier de tableaux de bords, orienter la stratégie d'entreprise... Ou encore, partir dans le datamining, la data viz ou tout autre outil qui te permettra d'extraire la "pépite d'or" enfouie dans les données (d'où le terme de data-mining)...

Data Scientist : Selon moi, pour prétendre à ce poste, il faut plusieurs années (voire dizaines d'années) d'expérience. Aujourd'hui, c'est un poste qui s'axe en :
- Maîtriser les bases de données, l'architecture des données (premier point ci-dessus : il doit être capable de connaître la meilleure manière de traiter des "big data" dans chaque cas qui se présente à lui)
- Maîtriser les méthodes statistiques qui permettent d'en tirer les informations (deuxième point, datamining)
- Et mettre tout ce que tu peux extraire en lien avec le métier.


En quelques mots, data scientist, c'est un peu le couteau suisse de la data. Il a des compétences variées, mais qui se complètent. En quelques mots : il sait faire le boulot de plusieurs personnes à la fois.


C'est un avis assez perso, je travaille dans la BI depuis un peu plus de 4 ans maintenant dont 3 en apprentissage, et ce que j'en pense, c'est que pour devenir Data Scientist, il faut passer à un moment par les postes Data Architect et Data Analyst (qui peuvent prendre des noms bien différents : ingénieur en étude statistiques, technologies de l'information, et j'en passe...).
Le tout étant de rester assez curieux et de toujours tout mettre en lien (en échangeant avec tes collègues qui sont sur d'autres postes, avec le métier...) pour ne pas s'enfermer dans un poste en particulier.

Bon courage

[Luckyluke34]

Intéressant cette spécialité Dommage que ça n'ait pas existé à mon époque...

@Emmanuel R : corrige-moi si je me gourre, mais j'ai l'impression qu'il ne faut pas s'attendre à faire du Machine Learning à temps plein dans la première (même grosse) boîte venue en France en sortie d'école aujourd'hui. A fortiori à Lyon. Et les vrais besoins en Big Data (pas le bullshit que les politiques et les commerciaux de SSII sortent pour se faire mousser), ça reste de l'ultra-niche en Europe, non ?

[kn0wledge]

Je te remercie pour ta réponse @Emmanuel R. J'ai une idée plus claire des différents métiers concernant le Big Data. Je trouve dommage que l'on a un diplôme en tant que Data Scientist sachant que pour en être un "vrai", il faut apparemment avoir de l'expérience.