Conseil

Data Scientist

Spécialiste des chiffres et des statistiques, il utilise les données d'une entité pour en tirer des informations utiles à la prise de décision

Synonymes : Aussi appelé Chargé de modélisation des données, Explorateur de données. En anglais : Data Scientist, Data Miner
Domaine : Conseil

Qu'est-ce qu'un Data Scientist ?

Le Data Scientist intègre des techniques de Data Science et d'Intelligence Artificielle pour aborder la résolution d'une problématique métier, la prise d'une décision sur l'automatisation d'opérations.

Que fait un Data Scientist ?

Identifier et explorer la problématique à traiter :
Le Data Scientist identifie les opportunités de traitement algorithmique sur tout ou partie d'une problématique métier (discipline, secteur). Il recense et agrège les sources de données disponibles ou non, massives (Big Data) ou non, homogènes ou hétérogènes, concentrées ou dispersées.

Concevoir et exploiter la solution de Data Science et d'Intelligence Artificielle :
Il conçoit et/ou assemble les blocs de solutions nécessaires au traitement des données. Il coordonne le développement, les tests de résultats et améliore la solution sur sa durée de vie. Il exploite des résultats pour les besoins métiers des utilisateurs.

Coordonner les aspects métiers et technologiques :
Il participe au dimensionnement des ressources humaines, technologiques et organisationnelles demandées par la solution et réadapte la solution d'ensemble selon ces ressources, dans le cadre de la stratégie d'organisation. Il anticipe l'équilibre des flux de données et ressources mises en oeuvre sur toute la durée de vie de la solution.

Compétences

  • Déterminer l'opportunité de l'intégration d'outils IA/Data Science dans le modèle d'affaires

  • Produire les éléments d'une proposition technique ou d'une présentation

  • Délivrer une analyse synthétique et une préconisation

  • Concevoir un questionnaire quantitatif ou qualitatif selon les objectifs et le contexte

  • Définir plusieurs options stratégiques, projeter leurs conséquences selon le contexte

  • Piloter les étapes et livrables d'un projet agile et innovant

  • Synthétiser une argumentation percutante et anticiper les objections

  • Délivrer et soutenir des livrables ou propositions complexes

  • Actualiser le référentiel des risques et analyser leurs impacts potentiels

  • Administrer les données, paramétrer et rédiger les règles de gestion logicielles selon les besoins d'exploitation

  • Valoriser et pérenniser les connaissances au sein d'une organisation

  • Piloter une ou plusieurs phases et équipes projets