Le 6 septembre 2016

Focus sur la Science des données

Mon interview avec Sylvain P., UC Talent de la Data Science

 

Selon la Harvard Business Review, c’est le « métier le plus sexy de l’année ». D’autres utilisent déjà le terme de « rock star » de l’IT du XXIe siècle. Nous parlons du Data Scientist, une figure de plus en plus convoitée par les entreprises, la seule capable de manipuler les données complexes du Big Data.

En règle générale, un Data Scientist combine trois fonctions : analyste statisticien, informaticien programmeur et manager. Mais c’est souvent beaucoup plus que cela…

Aujourd’hui, nous nous entretenons avec Sylvain, un de nos UC Talent les plus brillants. Découvrez son expérience chez UC Group, un « mouton à 5 pattes » au cœur des données.

1. Bonjour Sylvain et bienvenue. Tu occupes actuellement un poste de Data Scientist au sein de la société UC Group. En quoi cela consiste-t-il et quelles sont tes principales missions ?

Je m’occupe de définir le périmètre d’action et des besoins pour le module de SMART-Data du projet de conversion digitale. Cela consiste à définir formellement les cas d’usage métier des différents modèles de data science. E.g. descriptif, classification, prédictif.

Parallèlement, j’évalue la pertinence et les champs d’application des modèles automatisés de data science. Ces méthodes permettent de réduire les coûts d’un service de data science en automatisant une partie de la composante traditionnellement humaine. C’est un domaine dont l’application est récente et qui peut fortement réduire le coût d’un service de data science dont le ticket d’entrée est élevé, en particulier pour les PME.

2. La Data Science joue un rôle important dans la stratégie de transformation des entreprises. Au-delà de son savoir technique, qu’est-ce qu’un Data Scientist peut apporter à une entreprise en termes d’idées, de relations humaines ?

Dans le domaine des idées son apport peut, par exemple, permettre de pragmatiquement infirmer ou confirmer des à priori métier ainsi que de mettre en évidence des liens insoupçonnés dans les données clients.

Le data scientist, ainsi que le data analyst, ont aussi pour mission de rendre des données complexes visuellement compréhensibles et ainsi de faciliter les prises de décision de l’upper-management. J’invite le lecteur curieux à considérer cet exemple bien connu des statisticiens où six données sont simultanément représentées de façon intuitive : https://datavizblog.com/2013/05/26/dataviz-history-charles-minards-flow-map-of-napoleons-russian-campaign-of-1812-part-5/

3. Tu as récemment participé au « Salesforce World Tour Paris », un des plus grands événements dédiés au CRM, au cloud et à la transformation digitale. Qu’est-ce qui fait la tendance, selon toi, en ce moment?

A mon sens la priorité doit être portée sur le recueil et le transfert des données. L’utilisation de frameworks adaptés permettant un transfert cross-platform/technologie est aujourd’hui plus que nécessaire. C’est ce qui garanti
Au-delà de ce point technique, la maturité des objets connectés permet aujourd’hui de recueillir des informations temps-réel qui n’étaient que difficilement accessibles auparavant. Par ailleurs, le coût dérisoire des puces RFID permet d’équiper n’importe quel objet. Les possibilités d’exploitation de ces nouvelles données sont un vaste champ à défricher.

Enfin, il faut démocratiser les méthodes de data science et de data mining. Trop peu d’ingénieurs sont formés à la compréhension et l’utilisation de ces concepts et méthodes. Nous sommes dans une période où les technologies de stockage et les données enregistrées ont pris une avance considérable sur les capacités de traitement. Les méthodes novatrices d’automatisation de data-science sont précisément un angle d’approche.t la persistance des données et leur facilité d’accès, première étape avant leur traitement.

Laisser un commentaire