Data Scientist et Data Analyst : deux expertises dans le monde de la data 

Si la profusion des données numériques représente un potentiel de croissance certain pour les entreprises, il devient cependant indispensable que ces dernières recrutent les bons profils pour profiter pleinement de la valeur ajoutée du Big Data. Profils rares, les Data Scientists et Data Analysts sont au cœur des stratégies de recrutement des organisations qui souhaitent devenir data driven. Mais qu’est-ce qui distingue exactement ces deux profils ?

Leurs expertises sont souvent synthétisées en une seule et même définition, réductrice : l’exploration et l’analyse de volumes importants de données pour en déduire des informations qui permettent de faire des choix éclairés. Et pourtant, Data Scientists et Data Analysts seraient plutôt les deux faces d’une même pièce.

Avec la participation éclairée de Benjamin Riu, Data Scientist chez Reeport, intéressons-nous aux différences, mais aussi aux relations qu’entretiennent ces deux fonctions très distinctes.

 

data driven data scientist data analyst

 

Le Big Data, à la convergence de deux expertises


L’apparition massive de données numériques est la conséquence du terme « Big Data » (ou mégadonnées) qui représente l’ensemble des nombreuses données numériques provoquées par l’utilisation des nouvelles technologies. L’arrivée de volumes importants de données brutes a fait émerger une nouvelle manière de découvrir le monde. En parallèle, l’apparition d’applications à visée analytique a permis d’accéder en temps réel à une multitude de données et de leur apporter du sens. Logiquement, de nouveaux métiers de l’analyse de la data ont découlé de ce phénomène.


Data scientist, data analyst… il n’est pas toujours simple de comprendre la différence entre ces métiers en apparence fortement similaires. Effectivement, ces deux expertises sont en charge d’explorer un nombre considérable de données afin d’en extraire des informations utiles, mais il est nécessaire de discerner la nuance entre ces deux disciplines pour mieux comprendre le rôle de chacune.


Qu’est-ce qu’un Data Scientist ?


Ce scientifique de la donnée examine en profondeur un nombre important de données brutes – donc complexes – en utilisant des modèles statistiques et mathématiques afin d’en faire ressortir (et souvent d’en révéler) des insights importants. A la manière du célèbre Indiana Jones, son rôle est d’explorer la jungle des données et de les analyser sous de nombreux angles afin de découvrir de nouveaux indicateurs qui peuvent être déterminants pour l’entreprise. Dôté d’une double compétence en Machine Learning et en développement software, un bon Data Scientist doit également posséder des compétences en communication et savoir faire le lien entre théorie et pratique.


« Pour être data scientist, il est nécessaire d’avoir un background en mathématiques appliquées, quel que soit le domaine d’où l’on vient » - Benjamin Riu, Data Scientist


Bien que ce métier fasse rêver bon nombre de personnes, la simple appétence pour cette discipline n’est pas suffisante. Le Data Scientist est avant tout un technicien dont les compétences avancées en mathématiques apparaissent comme la porte d’entrée vers l’univers de la data science.


Qu’est-ce qu’un Data Analyst ?


Quand bien même Harvard Business School a qualifié le métier de Data Scientist comme le plus sexy du 21e siècle, le Data Analyst est expert dans l’utilisation d’outils spécifiques à l’exploration des données numériques. Son objectif est d’analyser des données ciblées sur un sujet donné afin de répondre à des questions et de résoudre des problèmes. Le Data Analyst doit comprendre les enjeux de son entreprise et l’industrie dans laquelle il évolue : en plus d’avoir de solides compétences en statistiques, son travail consiste à restituer son analyse et ses conclusions aux autres départements de l’entreprises sous différents formats de lecture (présentations, data visualisations, etc.) dans le but de faire des recommandations pertinentes.


Quand la différence entre ces deux disciplines n’est pas synonyme de hiérarchie


Comme l’affirme Benjamin Riu, beaucoup d’entreprises ne sont pas encore assez mâtures pour faire la distinction entre Data Scientist et Data Analyst – notamment au niveau du recrutement et des tâches à accomplir - même si elles affirment le contraire. Cette confusion a fini par altérer la distinction entre ces deux métiers qui requièrent pourtant des compétences très distinctes. Alors qu’une connaissance avancée en mathématiques n’est pas nécessaire pour un Data Analyst, elle est indispensable dans le travail d’un Data Scientist. Tandis que le Data Analyst est un expert qui exploite les données dans un objectif précis, le Data Scientist est un technicien qui utilise des méthodes mathématiques dans le but d’extraire du Big Data des informations utiles. Toute la nuance repose dans la manière de procéder et le but à atteindre.

 

Reeport580x100mars2019-1


Internet regorge de clichés qui confortent les internautes dans certaines généralités qui n’ont rien de réel. Alors qu’un grand nombre d’articles laissent à penser que le métier de Data Analyst n’est qu’une étape pour arriver au statut de Data Scientist, en réalité il n’en est rien.


« Passer de Data Analyst à Data Scientist est illusoire à moins de faire cinq ans d’études en mathématiques appliquées. » - Benjamin Riu


Pour autant, cela ne veut pas dire qu’il y a une hiérarchie entre les deux fonctions. Ces deux compétences se complètent. Souvent, on attend d’un Data Scientist qu’il soit un expert dans le domaine dans lequel il évolue, ce qui est le rôle du Data Analyst. Parce qu’il possède une connaissance parfaite du métier, ce dernier doit communiquer son expertise au Data Scientist afin de compléter son travail. Le Data Analyst s’appuie également sur les modèles prédictifs mathématiques du Data Scientist pour affiner son analyse.


Bien que la confusion entre les deux disciplines soit fréquente, il est donc primordial de les particulariser pour mieux comprendre leurs expertises et la relation qu’ils entretiennent au sein d’une entreprise.


Pour en savoir plus :

 

Business Intelligence Reeport

 

Écrit par Justine Pichot le 18 March 2019.

A propos de l'auteur

Articles que vous pourriez aimer