La vague de transformation digitale et l’émergence du Big Data ont placé les entreprises face à une nouvelle urgence : comment utiliser au mieux le volume sans cesse croissant des données provenant de sources diverses pour en extraire de la valeur ? Positionné à mi-chemin entre l’analyse avancée de données et la programmation informatique, le Data Scientist répond à cette problématique en élaborant des modèles statistiques et des algorithmes de Machine/Deep Learning.
Problème : d’une part ses compétences sont rares sur le marché, ce qui fait de lui un profil difficile à recruter et à fidéliser ; d’autre part il n’a pas toujours l’expertise métier nécessaire pour extraire de ces données la vraie valeur ajoutée pour l’entreprise.
Allier l’expertise métier aux principes de la Data Science
En parallèle, l’essor des outils de Business Intelligence montre qu’il est possible de fournir aux métiers des solutions simplifiées d’analyse de données allant jusqu’à la conduite d’analyses prédictives. D’après le Gartner, la clé de cette démocratisation réside dans l’automatisation. Cette dernière ne remplace pas le savoir-faire du Data Scientist, mais elle permet à des profils moins spécialisés de manipuler des données pour obtenir des résultats probants. Un nouveau métier est apparu : celui du Citizen Data Scientist. En 2016, le Gartner théorise le concept du Citizen Data Scientist et le définit comme un utilisateur métier capable d’allier son expertise aux principes de la Data Science, sans connaissances approfondies en mathématiques ou en statistiques.
Depuis, l’idée a largement fait son chemin. L’avènement de la Citizen Data Science répond aux besoins croissants des entreprises en matière d’analytics. Elle offre également aux métiers l’indépendance à laquelle ils aspirent, en permettant aux collaborateurs les plus autonomes de travailler directement sur les données qui les intéressent, sans craindre que leurs besoins fonctionnels aient été mal interprétés. Les métiers gagnent ainsi en indépendance, sans pour autant que l’IT ne perde le contrôle sur la cohérence des données et du système d’information.
L’heure est à l’analyse avancée des données en libre-service
Le mouvement est déjà lancé. Tout l’enjeu consiste maintenant à capitaliser sur cette tendance pour en tirer un maximum de bénéfices à l’échelle de l’entreprise. Pour y parvenir, il faut encourager l’émergence d’une véritable culture de la donnée au sein des différents métiers.
D’abord, soulager des tâches les plus répétitives tous ceux qui manifestent une appétence pour l’analyse de données, de façon à ensuite leur permettre d’explorer leurs données grâce à des solutions en libre-service. Puis, enrichir progressivement les capacités d’analyse au fur et à mesure que ces profils montent en compétences (en statistiques notamment) pour, in fine, renforcer la valeur ajoutée et maximiser l’impact positif de la démarche.
Il existe aujourd’hui de nombreuses solutions destinées à faciliter l’exploration de données (Tableau, Power BI, Qliksense), développer les capacités d’analyse avancées et déployer des modèles statistiques et de Machine Learning (Alteryx, Dataiku, DataRobot, Rapidminer).
Le Citizen Data Scientist en action
Concrètement, un Citizen Data Scientist peut mettre son expertise métier et ses compétences techniques au service d’un cas d’utilisation tel que : prédire l’affluence particulièrement importante de passagers dans une zone aéroportuaire.
Dans l’aéroport de Dubaï, Lennart Prins, Head of Business Information, et son équipe ont par exemple créé un modèle capable d’anticiper le nombre de guichets à ouvrir en fonction du nombre de passagers sur site, de la longueur des terminaux, de l’heure d’arrivée des avions, etc. L’objectif est d’adapter la charge de travail du personnel en fonction de l’affluence des passagers et de leurs besoins d’assistance.
La prédiction réalisée (avec la plateforme Alteryx) est ensuite comparée avec les capteurs de mouvements de l’aéroport afin de valider la correspondance de la prévision avec la réalité du terrain. Et devinez quoi, les prédictions se sont avérées exactes !
Mais attention, il n’y a rien de magique
De la même manière que vous vendre une Ferrari ne vous donnera pas le permis de la conduire, des outils d’analyse avancée ne seront pas suffisants, en l’état, pour mettre en place une véritable démarche de Data Science.
Une montée en compétences initiale via des formations spécifiques et adaptées portant sur les fondements de la Data Science peut apporter plus d’efficacité au Citizen Data Scientist. Les principes sont d’ailleurs simples à appréhender pour un profil habitué à travailler sur des données, tels les Data Analysts.
A l’issue de cette formation initiale, il sera alors possible d’adopter une démarche analytique plus pertinente. D’autre part, la pratique permettra de continuellement parfaire ses compétences et de gagner en efficacité. Si vous vous retrouvez dans ce nouveau rôle et sa définition, c’est que vous êtes surement un Citizen Data Scientist en devenir. Nous vous recommandons de profiter d’une formation d’introduction aux principes de la Data Science ainsi qu’aux outils proposés sur le marché.
Positive Thinking Company propose des formations aux fondamentaux de la Data Science. Notre approche consiste justement à mobiliser un Data Scientist qui effectue un transfert de compétences auprès de potentiels Citizen Data Scientists.
Grâce à nos
Auteur
