Quels profils de Data Scientist recruter ? (3/4)

Le marché de l’emploi dans le domaine des sciences des données (Datascience) a évolué à pas rapides au cours des dernières années. Cependant, le manque de maturité de certaines entreprises vis-à-vis des données et l’absence de stratégie claire pour guider les décisions d’embauche conduisent à la publication de descriptifs de postes vagues ou inadéquats. 

Dans cet article, nous vous aidons à y voir plus clair dans les profils de Data Scientist à recruter. Quels sont les rôles spécifiques de chacun ? Que peuvent-ils apporter à votre entreprise pour développer vos affaires ? Comment reconnaître un bon Data Scientist suivant sa spécialité ?

Le Data Scientist généraliste : “l’homme à tout faire, maître de rien”

Ce profil très accompli dans le domaine du génie logiciel a un bon sens des affaires. Il peut à la fois construire des tableaux de bord et travailler sur du code C++ de bas niveau. Il connaît bien la NLP (Natural Language Processing) et la vision par ordinateur. Il est aussi compétent en ingénierie des données et a une bonne maîtrise des technologies du cloud. Il peut également effectuer des analyses de séries chronologiques le matin et discuter de stratégie d’entreprise avec des membres de la Direction générale l’après-midi. 

Bref, sur le papier ce profil semble être le candidat idéal pour toute entreprise désireuse d’amorcer l’exploration de ses données, sans réellement savoir ce dont elles ont besoin en matière de compétences data. Mais…

Le Data Scientist généraliste laissera sa place à des spécialistes

Avec l’évolution de la science des données, le Data Scientist au profil généraliste devient un recrutement à haut risque. Au cours de sa carrière, il a eu la chance de toucher un peu à tout, de travailler sur différentes tâches en lien avec la data… Il est certes très à l’aise dans tous les domaines, mais il ne maîtrise en réalité aucun d’entre eux. 

D’ailleurs, si vous creusez un peu, vous vous rendrez sans doute compte que ses expériences précédentes se sont déroulées dans des entreprises avec une très faible maturité des données, et peu de moyens alloués à la datascience. Au lieu de travailler sur « des projets stimulants », il a probablement été cantonné à des tâches ennuyeuses et banales, avec des perspectives de développement limitées par les contraintes budgétaires et le manque d’outils. Après tout, pour encore beaucoup d’entreprises : “On peut très bien faire de l’apprentissage automatique dans Excel, il n’y a pas besoin de Spark dans le cluster” (Sic).

Le généraliste en science des données va donc lentement s’effacer avec le temps, éclipsé par des profils émergents de data scientists spécialistes. Nous allons voir lesquels.  

Lire l’article suivant : Quels profils de Data Scientist recruter ? (4/4)