{"id":1431,"date":"2016-10-14T08:02:26","date_gmt":"2016-10-14T06:02:26","guid":{"rendered":"http:\/\/variances.eu\/?p=1431"},"modified":"2017-09-25T12:22:32","modified_gmt":"2017-09-25T10:22:32","slug":"la-necessaire-transformation-des-metiers-analytiques","status":"publish","type":"post","link":"https:\/\/variances.eu\/?p=1431","title":{"rendered":"La n\u00e9cessaire transformation des m\u00e9tiers analytiques"},"content":{"rendered":"

L\u2019arriv\u00e9e puis la p\u00e9rennisation du Big Data dans le monde professionnel impacte pleinement le march\u00e9 de l\u2019emploi\u00a0: 130\u00a0000 cr\u00e9ations de postes pr\u00e9vues en France d\u2019ici 2020 (cf Plan Big Data) ou encore une p\u00e9nurie annonc\u00e9e, d\u2019ici 2 ans, de 190 000 Data Scientist aux Etats Unis selon cf McKinsey. Ces profils \u00e0 mi-chemin entre les statistiques et l\u2019informatique devront \u00eatre arm\u00e9s pour ma\u00eetriser les nouveaux types de donn\u00e9es, les derniers outils ou langages mais aussi les m\u00e9thodes pour exploiter toutes ces informations.<\/span><\/span><\/p>\n

Ainsi de plus en plus de formations s\u2019adaptent, voire se cr\u00e9ent, pour proposer sur le march\u00e9 ces CVs encore trop rares\u00a0: ENSAE, Telecom Paris Tech, ENSAI, ENSIMAG, Polytechnique, Paris Dauphine, Telecom Nancy etc\u2026 Les \u00e9tudiants d\u2019aujourd\u2019hui peuvent d\u00e9cider de prendre cette voie et ainsi s\u2019assurer un bel avenir en termes d\u2019employabilit\u00e9 \u2013 attention quand m\u00eame \u00e0 vivre une r\u00e9elle histoire d\u2019amour avec la donn\u00e9e sans quoi le temps pass\u00e9 derri\u00e8re un \u00e9cran pourra sembler tr\u00e8s long, la tension de ces profils sur le march\u00e9 n\u2019incitera pas les entreprises \u00e0 les faire bifurquer vers d\u2019autres domaines.<\/span><\/span><\/p>\n

Les entreprises font actuellement toutes face \u00e0 d\u2019immenses enjeux de comp\u00e9titivit\u00e9 li\u00e9s \u00e0 la ma\u00eetrise des donn\u00e9es, la p\u00e9nurie de Data Scientist n\u2019en est que plus pr\u00e9occupante dans une optique de recrutement. Cette probl\u00e9matique-l\u00e0 a toutefois tendance \u00e0 en cacher une autre\u00a0: quid des centaines de milliers de personnes qui ont d\u00e9j\u00e0 un m\u00e9tier analytique\u00a0? Des changements sont-ils \u00e0 op\u00e9rer\u00a0? Alors si oui lesquels\u00a0?<\/span><\/span><\/p>\n

    \n
  1. \n

    Une transformation in\u00e9luctable<\/b><\/span><\/span><\/p>\n<\/li>\n<\/ol>\n

    Au quotidien un statisticien \u00ab\u00a0vieille \u00e9cole\u00a0\u00bb peut, sans probl\u00e8me, op\u00e9rer sans tenir compte du monde qui change autour de lui\u00a0: les analyses, mod\u00e8les ou reporting ont toujours besoin d\u2019\u00eatre produits et les m\u00e9thodes ou outils de 2010 fonctionnent encore tr\u00e8s bien.<\/span><\/span><\/p>\n

    Nous pouvons cependant nous interroger sur p\u00e9rennit\u00e9 d\u2019une telle situation\u00a0: combien de temps peut-on se couper des donn\u00e9es de l\u2019IOT (Internet Des Objets)\u00a0? Combien de temps peut-on se passer de moteur de calculs ultra performants\u00a0? Combien de temps peut-on consid\u00e9rer qu\u2019Excel est LE meilleur moyen de restituer visuellement des r\u00e9sultats\u00a0? Je n\u2019ai bien s\u00fbr absolument pas la pr\u00e9tention de r\u00e9pondre \u00e0 ces questions mais appr\u00e9hender ces sujets avant ses concurrents repr\u00e9sente un avantage ind\u00e9niable. A l\u2019heure o\u00f9 \u00ab\u00a0le lien client\u00a0\u00bb est la qu\u00eate absolue, le graal des marques, il apparait suicidaire de ne pas tout faire pour bien connaitre les consommateurs afin de toujours mieux les servir. Pour un assureur le d\u00e9fi est double car au-del\u00e0 de la connaissance client le c\u0153ur de son business est bas\u00e9 sur des donn\u00e9es pour ma\u00eetriser et piloter ses risques.<\/span><\/span><\/p>\n

    Si l\u2019on se r\u00e9f\u00e8re au web alors le virage, a minima s\u00e9mantique, vers la Data Science a d\u00e9j\u00e0 \u00e9t\u00e9 pris. Il a sans doute \u00e9t\u00e9 boost\u00e9 en 2012 par l\u2019article de la m\u00e9diatique Havard Business Review \u00ab\u00a0<\/span><\/span>Data Scientist: The Sexiest Job of the 21st Century<\/b><\/span><\/span>\u00a0\u00bb.<\/span><\/span><\/p>\n

    <\/p>\n

    Tendances des recherches Google, comparatif Statistician\/DataScientist:<\/i><\/span><\/span><\/p>\n

    Ce ph\u00e9nom\u00e8ne n\u2019est malheureusement que virtuel, il s\u2019agit de \u00ab\u00a0DataScienceWashing\u00a0\u00bb consistant \u00e0 retoucher son titre sur LinkedIn pour passer subitement de Statisticien \u00e0 Data Scientist. Ces mises \u00e0 jour n\u2019\u00e9tant que tr\u00e8s rarement justifi\u00e9es par des comp\u00e9tences nouvelles, il faut plus y voir un effet d\u2019aubaine par rapport au d\u00e9s\u00e9quilibre offre\/demande \u00e9voqu\u00e9 un peu plus haut.<\/span><\/span><\/p>\n

    Contrairement aux r\u00e9seaux sociaux, dans la r\u00e9alit\u00e9 op\u00e9rationnelle, les fonctions analytiques sont dans l\u2019obligation d\u2019\u00e9voluer sous peine d\u2019\u00eatre ringardis\u00e9es par les nouvelles g\u00e9n\u00e9rations \u2013 ou pire, d\u2019\u00eatre un facteur de non comp\u00e9titivit\u00e9 pour leurs employeurs. Ceci serait d\u2019autant plus dommage que la Data Science est en fait une discipline tellement large que tous les profils et toutes les exp\u00e9riences peuvent y trouver une place de choix. Sans pour autant qu\u2019il y ait d\u2019urgence chacun doit s\u2019interroger sur les comp\u00e9tences techniques et technologiques cibles pour son poste\u00a0:<\/span><\/span><\/p>\n