Comment devient-on data scientist?

Comment devient-on data scientist?

Comment devenir data scientist? Telle est la question que se posent de nombreux data-enthousiastes ayant envie de se convertir à la science des données. Nous essayerons d’apporter des éléments de réponse dans cet article. Cet article n’a cependant pas pour vocation de vous donner une recette miracle du type ‘10 étapes faciles pour devenir data scientist’. Il vise plutôt à faire le point sur différents parcours de data scientists pour vous donner des idées et vous aiguiller dans le choix du parcours le plus approprié pour vous, décideriez-vous de devenir data scientist. Cette première partie abordera les profils et compétences des data scientists et l’article suivant donnera des conseils pratiques pour se former et vendre ses talents de data scientists.

Quel est le profil typique des data scientists?

La réponse est que le métier étant relativement jeune (par comparaison aux autres métiers de l’ingénierie ou de l’informatique), il n’y a pas encore un profil type qui se dégage. En effet, peu de data scientists actuels sont passés par une formation classique voire par un programme académique exclusivement destiné à la science des données. Même si on note une recrudescence de tels programmes, la plupart des data scientists actuels ont souvent appris d’eux mêmes et/ou sont issus de filières avec une forte composante scientifique ou analytique e.g. mathématique, économétrie, informatique, astrophysique, ingénierie etc, qui ont facilité la transition vers la data science. Cependant , il est important de noter que même si la population de data scientists se veut plutôt hétéroclite, elle pourrait se décliner en 3 grands groupes à savoir:

  • des BAC+5
  • des BAC+8 et plus
  • des professionnels s’étant reconvertis en data scientists avec ou  sans BAC+5.

Il est peu commun de trouver des data scientists, juniors notamment, qui ont juste une licence. Ainsi, la diversité des parcours fait aussi la particularité de ce métier d’autant plus qu’il est tout à fait possible de s’autoformer à l’aide de livres, de MOOCs (Massive Online Open Classes ou cours massifs ouverts en ligne) et d’autres ressources disponibles sur Internet. Néanmoins, si vous préférez investir dans une formation classique relativement coûteuse, posez-vous la question du retour sur investissement en prenant le soin de penser à l’évolution de ce métier dans les 5 ou 10 années à venir. Car même si les data scientists ont actuellement le vent en poupe, et que de nombreuses études prévoient une pénurie de data scientists d’ici à 2020, il est tout à fait possible que ce métier subisse beaucoup d’évolutions. Avec une tendance à l’automatisation de plus en plus de tâches de data science, il n’est pas insensé de penser que plusieurs aspects de ce métier pourraient être rendus accessibles au plus grand nombre et ainsi faire baisser la demande pour les data scientists ou simplement faire naître de nouveaux types de data scientists ou de nouveaux métiers basés sur la data science.

Mais pour l’instant supposons que nous sommes dans le meilleur des mondes, que les entreprises s’arrachent les data scientists comme des petits pains et que vous voulez en devenir un. Nous passerons en revue les différentes avenues pouvant vous y amener ou du moins pouvant vous permettre de développer vos compétences en la matière. De ce fait commençons d’abord par les compétences attendues d’un data scientist. Celles-ci comprennent à la fois des compétences techniques et de bonnes capacités de communication pour convaincre. Les grands axes peuvent se décliner sous 3 principaux groupes comme présenté sur la figure ci-dessous:

 

CompetencesDataScientist

 

En plus de ces compétences, on pourrait rajouter des connaissances en data mining, en bases de données relationnelles de type SQL ainsi que les bases de données non-relationnelles de type NoSQL (MongoDB, Hadoop, Cassandra…) et des outils de visualisation ou BI de type Tableau. Il peut être aussi utile d’avoir des compétences en développement d’applications (même basiques) pour construire des ‘data products’ qui permettront d’apporter plus de valeur ajoutée aux personnes qui les utiliseront.

La deuxième partie de cet article reprendra en détail les moyens de se former à la data science ainsi que des idées pour construire votre portfolio et vendre vos talents de data scientist. Nous aborderons notamment les points suivants:

  • MOOCs
  • Certifications et formations professionnelles
  • Bootcamps
  • Masters spécialisés 
  • Challenges data science  
  • Livres
  • Blogs, groupes thématiques sur LinkedIn
  • Conférences, Salons
  • Meetups
  • Workshops
  • Trouver son job de data scientist et réussir ses entretiens

image courtesy: dribble.com

Related Posts
Comment ( 1 )
  1. Axel
    August 19, 2016 at 8:53 pm
    Reply

    Bonjour et merci pour cet article intéressant. Je suis en pleine reconversion pour devenir data scientist et je suis à la recherche de ressources qui pourront m’y aider. Pourriez-vous donner une feuille de route précise pour les débutants comme moi.
    Merci,
    Axel B

Leave a reply
datanannan