À l'apogée du film nominé aux Oscars Hidden Figures, la mathématicienne Katherine Johnson est appelée à vérifier les calculs des coordonnées d'atterrissage de la capsule spatiale de John Glenn, Friendship 7. La technologie vient de remplacer les ordinateurs humains, les calculateurs de données qui ont réalisé des équations complexes avant l'arrivée du système informatique, mais les données de la machine présentaient des incohérences qui devaient être résolues par une personne.
C'était la science des données en 1961. Ces jours-ci, les choses sont un peu différentes. Des systèmes de collecte de données complexes permettent aux entreprises de tous les secteurs d’en savoir plus sur leurs activités, leurs clients et leurs perspectives. Mais comme dans Hidden Figures, il faut encore trouver des vérités importantes dans les données.
Voici le scoop sur notre utilisation quotidienne de la science des données et les compétences essentielles dont vous avez besoin pour réussir en tant que data scientist, ingénieur ou analyste.
La science des données est partout
Le potentiel des scientifiques de données, bien au-delà des secteurs de la finance et des technologies, est florissant. «Tous les secteurs réalisent de plus en plus que les compétences en informatique sont devenues essentielles pour être concurrentielles et s'améliorer sur le marché actuel», déclare Michael Galvin, directeur exécutif de Data Science Corporate Training pour Metis, une entreprise spécialisée dans la formation aux techniques informatiques. .
Pensez aux cookies. Non, pas ceux que vous trempez dans du lait - les puissants outils de collecte de données qui aident les analystes de données, les scientifiques et les ingénieurs à se familiariser avec les habitudes du Web des consommateurs et à renseigner les algorithmes autour de ces méthodes «comment-ils-savent-je-pensaient-ils? -de-ça?! "nous sommes diffusés sur Facebook. Leur objectif? Évaluer les intérêts et le comportement des consommateurs et utiliser ces analyses pour faciliter la prise de décisions commerciales essentielles pour les entreprises de tous les secteurs.
«Il existe une prise de conscience plus large de la science des données dans le grand public. Que ce soit pour les achats Amazon ou les fringales Netflix, la science des données touche plus de personnes que jamais auparavant », déclare Galvin.
Comment vous vous situez
Avec la croissance dans les domaines de la science des données, il y a eu un chevauchement accru des rôles de scientifique des données, d'analyste de données et de modélisateur.
Mais selon le Dr Flavio Villanustre, vice-président de la technologie et systèmes HPCC pour LexisNexis Risk Solutions, la distinction entre divers postes est en réalité assez unique et offre des opportunités aux personnes douées dans des domaines spécifiques.
«Les analystes de données sont traditionnellement spécialisés dans les techniques de manipulation de données, qui nécessitent une formation dans tous les domaines, des langages de requête aux modèles de données graphiques», explique Villanustre. "Pendant ce temps, les modélisateurs analysent les données numériques pour rechercher des corrélations et des modèles."
Pour ce qui est de la science des données, M. Villanustre explique que les candidats idéaux devraient présenter un sur-ensemble de ces deux types de compétences, associé à une connaissance du domaine et de l'entreprise. "Les scientifiques de données possèdent généralement des connaissances plus approfondies que les analystes de données sur les techniques de programmation et des connaissances plus vastes que les modélisateurs statistiques sur les méthodologies d'analyse de données utilisant des techniques plus sophistiquées."
Lorsque vous postulez à ces postes, il est important de noter les tâches qu'une entreprise cherche réellement à accomplir.
«L’engouement pour la science des données a poussé de nombreuses entreprises à embaucher des scientifiques pour faire le travail d’un analyste de données, qui finit par nettoyer et préparer les données et ne consacrant que très peu de temps à la science des données, explique Nick Kramer, directeur principal des données et de l’analyse chez SSA & Company, société de conseil en gestion spécialisée dans la transformation de l’analyse de données volumineuses en opérations pour les entreprises.
De nouveaux outils permettent aux personnes ayant un niveau d’expertise faible de créer des modèles d’analyse. Il est donc important de disposer de compétences connexes diversifiées, telles que la connaissance de l’entreprise et des compétences en communication efficaces, pour distinguer les demandeurs d’emploi. Lorsque vous interviewez, assurez-vous de poser des questions pour déterminer exactement ce que recherche une entreprise - puis exposez vos points forts en conséquence.
Notre bureau
Ce qu'il vous faut pour réussir
Le vieil adage qui dit de ne pas voir la forêt sous les arbres est une chose importante à garder en mémoire lorsque vous travaillez en tant qu’informaticien, analyste ou ingénieur. Bien que l’exactitude des données de base soit importante, il est également important de reconnaître l’image globale des problèmes qu’une entreprise souhaite résoudre.
«Les scientifiques de données ont tendance à trop compliquer les choses et à se laisser entraîner dans un trou noir de détails», prévient Galvin. "Au lieu de cela, ils devraient réfléchir au problème commercial qu'ils essaient de résoudre, faire fonctionner quelque chose, puis effectuer une itération."
De plus, un intérêt pour ce que vous faites - comme pour n'importe quel travail - est également essentiel.
«Les entreprises utilisent différents types de données (images, textes et données financières, par exemple) pour résoudre différents problèmes. Vous devez être intéressé et comprendre le type de données avec lequel vous travaillerez pour réussir ", a déclaré Galvin. «Par exemple, les scientifiques qui travaillent avec des images médicales ne sont généralement pas des médecins eux-mêmes, mais leur utilisateur final ou leur client est un médecin. Pouvez-vous comprendre quels problèmes ils essaient de résoudre? Êtes-vous intéressé à résoudre ces problèmes?
Et puis il y a la communication. On dit que les scientifiques, les analystes et les ingénieurs spécialistes des données parlent leur propre langage, mais pour réussir sur un lieu de travail, vous devez être en mesure de communiquer clairement avec ceux qui utiliseront et tireront le meilleur parti de vos compétences.
"La collaboration avec les parties prenantes de l'entreprise est de plus en plus importante", a déclaré Kramer.
La science des données et les carrières connexes ont parcouru un long chemin depuis les années 1960, lorsque la NASA avait besoin d'ordinateurs humains pour exploiter et vérifier le travail de nouvelles machines informatiques. Mais les esprits brillants intéressés par la manière dont les données peuvent influer sur notre façon de vivre, travailler et faire des affaires sont toujours aussi essentiels: sans un expert humain pour interpréter les entrées et les résultats, la science des données pourrait être très mal utilisée, ou tout simplement déroutante.
