Stéphane de Jotemps, VP Sales chez Skillsoft France
Au cours des deux dernières décennies, la data science a connu un véritable essor, et les « professionnels des données » sont aujourd'hui parmi les plus courtisés du marché du travail. Les data scientist disposent d'un mélange d'aptitudes techniques et d'expertises nécessaires au nettoyage, à la normalisation, à l'analyse et à l'exploitation d'un ensemble de données brutes. Cette expertise leur permet de donner de la cohérence aux données brutes, et d'en extraire une connaissance approfondie des goûts et habitudes de la clientèle d'une entreprise.
Recruter les bons spécialistes
Dans la décennie qui s'ouvre, les entreprises vont faire un usage croissant des données pour s'assurer un avantage concurrentiel. Les plus grands dirigeants d'entreprises ont compris l'importance cruciale que celles-ci représentent. La data science constitue en effet un moyen sans précédent de comprendre ses clients, d'élaborer des produits à succès, d'améliorer l'efficacité opérationnelle ou encore de rationaliser la gestion d'une chaîne logistique.
Mais, pour le moment encore, bien peu sont les entreprises qui tirent pleinement profit de l'amas de données qu'elles détiennent. Cette inaptitude à maximiser l'usage des données rend donc impératif le recrutement de talents à même de les exploiter. Les entreprises commencent à prendre largement conscience de cet impératif, et font donc du métier de data scientist l'un des plus recherchés du marché. Mais ces spécialistes restent eux-mêmes relativement rares, et donc difficiles à attirer. Selon LinkedIn, on comptait ainsi 160 000 postes de data scientist ouverts et non pourvus aux USA. En France la récente étude Malt Tech Trends 2019observait les grands groupes français souhaitent embaucher des data scientist et que ces derniers apparaissent en troisième position des compétences demandées.
Détenir un socle de données exploitables
Pour que les spécialistes puissent se montrer efficaces, il faut au préalable qu'ils disposent d'un socle de données adéquat à exploiter. Aujourd'hui, ce n'est pas seulement la quantité de données produites qui engendre le besoin en rôles liés à la data science ; c'est aussi la croissance des technologies, et leurs innombrables applications dans le monde du travail. Le véritable pouvoir des données réside en effet dans leur capacité à construire, développer et nourrir des algorithmes et plateformes d'Intelligence artificielle (IA).
Les technologies émergentes sont en train, non seulement de créer une rupture profonde dans l'industrie et l'économie, mais aussi de créer de nouveaux marchés. Les entreprises sont donc soumises à une pression croissante pour intégrer ces nouvelles technologies à leurs modèles économiques, afin de ne pas se laisser distancer par leurs concurrentes.
Faire usage de la bonne technologie
Cependant, si les dirigeants d'entreprises ne s'interrogent pas en amont sur la façon d'intégrer intelligemment ces technologies, leurs efforts risquent de se solder par un échec. Avant d'engager des investissements coûteux, les dirigeants d'entreprises doivent donc se renseigner sur les meilleures technologies à choisir pour leur secteur d'activité en particulier.
La technologie la plus transverse, qui profite à la majorité des secteurs, est celle du machine learning, qui procure d'impressionnants bénéfices. Les entreprises qui exploitent cette technologie sont davantage capables de satisfaire leur clientèle. Elles parviennent ainsi à gagner des parts de marché et à augmenter leur chiffre d'affaires.
Les dirigeants sont aujourd'hui confrontés à de nombreux défis, dont le principal consiste à trouver un équilibre entre poursuite de l'activité de l'entreprise et intégration de technologies de rupture. Cet équilibre est difficile à atteindre, et le temps manque souvent pour rechercher les profils à même de constituer une équipe de data scientist. Pourtant l'entreprise dispose souvent au sein de ses équipes des profils bénéficiant souvent d'une partie des compétences du data scientist (connaissance des langages Python, R, Apache Spark…). Rien n'empêche de alors l'entreprise de proposer les formations adéquates afin de contribuer au développement des compétences de ces employés et ainsi répondre en partie à ses besoins.
L'émergence constante de nouvelles applications d'IA rend les profils capables de les exploiter particulièrement précieux, car ils permettent de maintenir un avantage concurrentiel. Sans les professionnels des données, les entreprises ne peuvent pas tirer profit de données disparates ni les exploiter au sein d'outils technologiques. Les leaders de la technologie le savent : l'intégration du machine learning est de plus en plus nécessaire à l'innovation dans le domaine des biens et des services, mais elle est presque impossible sans le savoir-faire des professionnels des données. Mettre en œuvre des programmes et outils de formation est donc devenu un impératif business primordial.
Recruter les bons spécialistes
Dans la décennie qui s'ouvre, les entreprises vont faire un usage croissant des données pour s'assurer un avantage concurrentiel. Les plus grands dirigeants d'entreprises ont compris l'importance cruciale que celles-ci représentent. La data science constitue en effet un moyen sans précédent de comprendre ses clients, d'élaborer des produits à succès, d'améliorer l'efficacité opérationnelle ou encore de rationaliser la gestion d'une chaîne logistique.
Mais, pour le moment encore, bien peu sont les entreprises qui tirent pleinement profit de l'amas de données qu'elles détiennent. Cette inaptitude à maximiser l'usage des données rend donc impératif le recrutement de talents à même de les exploiter. Les entreprises commencent à prendre largement conscience de cet impératif, et font donc du métier de data scientist l'un des plus recherchés du marché. Mais ces spécialistes restent eux-mêmes relativement rares, et donc difficiles à attirer. Selon LinkedIn, on comptait ainsi 160 000 postes de data scientist ouverts et non pourvus aux USA. En France la récente étude Malt Tech Trends 2019observait les grands groupes français souhaitent embaucher des data scientist et que ces derniers apparaissent en troisième position des compétences demandées.
Détenir un socle de données exploitables
Pour que les spécialistes puissent se montrer efficaces, il faut au préalable qu'ils disposent d'un socle de données adéquat à exploiter. Aujourd'hui, ce n'est pas seulement la quantité de données produites qui engendre le besoin en rôles liés à la data science ; c'est aussi la croissance des technologies, et leurs innombrables applications dans le monde du travail. Le véritable pouvoir des données réside en effet dans leur capacité à construire, développer et nourrir des algorithmes et plateformes d'Intelligence artificielle (IA).
Les technologies émergentes sont en train, non seulement de créer une rupture profonde dans l'industrie et l'économie, mais aussi de créer de nouveaux marchés. Les entreprises sont donc soumises à une pression croissante pour intégrer ces nouvelles technologies à leurs modèles économiques, afin de ne pas se laisser distancer par leurs concurrentes.
Faire usage de la bonne technologie
Cependant, si les dirigeants d'entreprises ne s'interrogent pas en amont sur la façon d'intégrer intelligemment ces technologies, leurs efforts risquent de se solder par un échec. Avant d'engager des investissements coûteux, les dirigeants d'entreprises doivent donc se renseigner sur les meilleures technologies à choisir pour leur secteur d'activité en particulier.
La technologie la plus transverse, qui profite à la majorité des secteurs, est celle du machine learning, qui procure d'impressionnants bénéfices. Les entreprises qui exploitent cette technologie sont davantage capables de satisfaire leur clientèle. Elles parviennent ainsi à gagner des parts de marché et à augmenter leur chiffre d'affaires.
Les dirigeants sont aujourd'hui confrontés à de nombreux défis, dont le principal consiste à trouver un équilibre entre poursuite de l'activité de l'entreprise et intégration de technologies de rupture. Cet équilibre est difficile à atteindre, et le temps manque souvent pour rechercher les profils à même de constituer une équipe de data scientist. Pourtant l'entreprise dispose souvent au sein de ses équipes des profils bénéficiant souvent d'une partie des compétences du data scientist (connaissance des langages Python, R, Apache Spark…). Rien n'empêche de alors l'entreprise de proposer les formations adéquates afin de contribuer au développement des compétences de ces employés et ainsi répondre en partie à ses besoins.
L'émergence constante de nouvelles applications d'IA rend les profils capables de les exploiter particulièrement précieux, car ils permettent de maintenir un avantage concurrentiel. Sans les professionnels des données, les entreprises ne peuvent pas tirer profit de données disparates ni les exploiter au sein d'outils technologiques. Les leaders de la technologie le savent : l'intégration du machine learning est de plus en plus nécessaire à l'innovation dans le domaine des biens et des services, mais elle est presque impossible sans le savoir-faire des professionnels des données. Mettre en œuvre des programmes et outils de formation est donc devenu un impératif business primordial.
