Observatoire des métiers du numérique, de l’ingénierie, du conseil et de l’évènement
Présentation du métier
Contexte de travail
Conditions de travail
Compétences et niveaux attendus
Certifications
Proximité(s)/évolution(s) envisageables
Tendances nationales sur le métier
Pour en savoir plus

DATA SCIENTIST

Famille : Etude et conception de projet
Autres appellations en français
  • Chargé de modélisation des données
  • Explorateur de données
Autres appellations en anglais
  • Data Scientist
  • Data Miner

Présentation du métier

Le Data Scientist permet d'introduire des techniques de Data Science et d'intelligence artificielle, pour proposer la résolution d'une problématique métier ou client, par l'analyse et la structuration de données massives, en vue d'une optimisation des offres de services de l'entreprise.
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 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 permet l'exploitation des résultats pour les besoins métiers des utilisateurs.

Coordonner les aspects RH et technologiques :
Il participe au dimensionnement des ressources humaines, technologiques et organisationnelles demandées par la solution et réadapte la solution d'ensemble selon les 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.

Contexte de travail

Nature de la problématique métier :
Pour le Data Scientist, elle influe sur le type des données et les caractéristiques de la solution mise en place. Une même solution est rarement appliquée pour 2 situations analogues, mais des blocs de solutions sont fréquemment réutilisés.

Technologies d'IA et Data Science mobilisées :
Les technologies et langages de traitement des données sont différents selon les besoins des projets (ex : Données produits, données consommateurs, de résistance, vision artificielle, traitement de la voix et du langage naturel, robotique). Le Data Scientist mobilise fréquemment des briques de solutions existantes, qu'il adapte et complète par des briques qu'il conçoit.

Type de données exploitées :
Les types de données sont différents selon le secteur d'application et la finalité. Les expertises techniques vont donc varier selon ces points (données numériques, signal sonore ou visuel, métadonnées, etc.). L'aspect réglementaire et éthique intervient également pour certaines données (ex. RGPD, données de santé).

Ressources mobilisées :
Les ressources techniques mises en oeuvre pour la solution (ex : puissance de calcul, sources et stockage de données, réseaux, flux de données ponctuels ou actualisés en temps réel) font varier les interlocuteurs et la structure du projet. Les ressources financières engagées modifient également ces paramètres de projet.
Type et taille d'entreprise :
En tant qu'indépendant, une expertise sectorielle est requise en complément des expertises métiers et gestion de projet. En plus de compétences techniques, il nécessite des compétences administratives, de positionnement sur le marché et de prises de partenariats de commercialisation et de production avec des sociétés susceptibles de capter ces demandes. Dans un bureau d'études, le besoin de connaissances est multisectoriel. La dimension "traitement statistique" est accrue, dans l'optique d'une prise de décision marketing et stratégique. Une automatisation du traitement de certaines données peut aussi générer des besoins de compétences spécifiques. Dans un grand groupe, la finalité d'automatisation de process, de prédiction et de prise de décision sera ici privilégiée, générant des besoins de compétences complémentaires en accompagnement de projet, de décision et d'organisation.

Type et taille de projet :
Le Data analyst travaille sur des projets d'une grande diversité. En relation étroite avec tous les services concernés par l'exploitation des données, il peut intervenir sur des projets très spécifiques (développement d'une application spécifique à l'entreprise) ou au contraire travailler sur des missions transversales, par exemple pour répondre à des besoins liés à l'analyse du marché.

Conditions de travail

Il varie selon la phase de conception ou de test de la solution, mais reste soutenu dans la phase d'exploitation. La durée de vie d'une solution peut demander des ajustements sur toute la durée de vie d'une organisation et le mode projet n'est donc pas le seul mis en oeuvre.
Ils sont occasionnels, notamment pour les rencontres clients ou les autres sites de l'organisation. Ils peuvent être plus fréquents lorsque les données sont uniquement accessibles sur le site d'exploitation.
Relations internes
  • Chef de groupe
  • Business / Data Analyst
  • Directeur d'études
  • Chargé d'études
  • Manager - Responsable de mission
  • Directeur-Associé
  • Chef de projet
  • Directeur clientèle

Relations externes
  • Chef de projet client
  • Responsable métier clients
  • Responsable marketing
  • Dirigeants
  • Autres Data Scientist

Compétences et niveaux attendus en 4 niveaux cumulés

Macro compétences
Niveaux et compétences attendues
Exemple concret d'activité pour le niveau attendu
Macro compétences :
Intégrer des outils IA/Data Science
Niveaux et compétences attendues :
Niveau attendu : 4
Exemple concret d'activité pour le niveau attendu :
Lors d'une réponse sur un appel d'offres d'un client, le Data Scientist détermine le meilleur équilibre entre les capacités d'investissement de l'organisation, la finalité du projet, les technologies et ressources mobilisées.
Macro compétences :
Gérer une proposition commerciale
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Il rédige le volet technique de Data Science d'une proposition de conseil en marketing ou organisation.
Macro compétences :
Gérer et exploiter des données massives
Niveaux et compétences attendues :
Niveau attendu : 4
Exemple concret d'activité pour le niveau attendu :
Dans le cadre d'une rédaction de cahiers des charges, il anticipe le besoin de rafraîchissement des données sur l'ensemble de la durée de vie des données ou de la solution d'IA/Data Science.
Macro compétences :
Mettre en place et exploiter une étude
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Lors de la phase de conception, il articule une enquête statistique en fonction des résultats issus de la solution de Data Science.
Macro compétences :
Mener et exploiter une analyse stratégique
Niveaux et compétences attendues :
Niveau attendu : 3
Exemple concret d'activité pour le niveau attendu :
Il participe à la définition d'un conseil stratégique sur la base des résultats de la solution de Data Science et des autres moyens de l'étude lors de la phase de conception.
Macro compétences :
Animer une démarche agile et innovante
Niveaux et compétences attendues :
Niveau attendu : 3
Exemple concret d'activité pour le niveau attendu :
Lors du démarrage du projet, il articule les itérations entre besoins et propositions des acteurs, techniques et métiers.
Macro compétences :
Influencer et convaincre
Niveaux et compétences attendues :
Niveau attendu : 3
Exemple concret d'activité pour le niveau attendu :
En soutenance de projet, il produit un conseil orienté vers l'usage client à partir d'une solution technologique.
Macro compétences :
Utiliser l'anglais en contexte professionnel
Niveaux et compétences attendues :
Niveau attendu : 4
Exemple concret d'activité pour le niveau attendu :
Il dirige une réunion de projet pour un client multinational.
Macro compétences :
Analyser et gérer les risques
Niveaux et compétences attendues :
Niveau attendu : 1
Exemple concret d'activité pour le niveau attendu :
Il identifie les risques juridiques de l'exploitation d'un type de données lors de la phase d'analyse.
Macro compétences :
Gérer les logiciels métiers
Niveaux et compétences attendues :
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Durant le déroulement du projet, il coordonne l'adaptation des paramétrages en fonction des besoins qualitatifs et structurels de données à exploiter.
Macro compétences :
Manager la connaissance
Niveaux et compétences attendues :
Niveau attendu : 4
Exemple concret d'activité pour le niveau attendu :
Lors de la phase de conception, à partir des données massives, il organise une architecture de la connaissance exploitable par les métiers de l'organisation.
Macro compétences :
Gérer un projet
Niveaux et compétences attendues :
Niveau attendu : 3
Exemple concret d'activité pour le niveau attendu :
Il adapte sa conception de l'organisation du projet et du développement de la solution selon les besoins stratégiques de l'entreprise.

Certifications

Liste des certifications

Hors branche

Proximité(s)/évolution(s) envisageables
La proximité des métiers

Axes de mobilité professionnelle

Sens d'évolution
Sélection de secteur
Numérique
Numérique
Ingénierie
Ingénierie
Études & Conseil
Études & Conseil
Évènement
Évènement
Transverses
Transverses
Autre
Cliquer sur un secteur pour afficher uniquement les provenances et les évolutions depuis et vers ce secteur
Cliquer sur les flèches pour accéder à la comparaison des métiers.
Provenances possibles
Evolutions envisageables
Autres provenances Autres provenances
Provenances lointaines Provenances lointaines
Provenances moyennes Provenances moyennes
Proximité forte Proximité forte
Evolutions moyennes Evolutions moyennes
Evolutions lointaines Evolutions lointaines
Autres évolutions Autres évolutions
Data Scientist
Ingénieur Machine Learning
Directeur clientèle
Chargé d'études statistiques
Data Engineer
Data Scientist
Data Scientist
Directeur d'études
Business - Data analyst
Spécialiste R&D
Directeur de projet
Ces mobilités sont données à titre indicatif, sans valeur d’obligation pour les entreprises et les salariés qui doivent les adapter à leur situation particulière.

Tendances nationales sur le métier

71
offres d'emploi sur un an
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle
+28.9%
offres d'emploi sur un an
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Répartition des offres d'emploi sur le dernier semestre

Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Expérience requise au recrutement

0 à 2 ans : 66 / 3 à 5 ans : 2 / 6 à 10 ans : 3
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Niveau de formation requis au recrutement

Non renseigné : 17 / Bac : 3 / Bac+2 : 10 / Bac+3/+4 : 8 / Bac+5 : 32
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Types de contrats au recrutement

Contrat à durée indéterminée (CDI) : 54 / Stage/Jeune diplômé : 9 / Alternance : 5 / Contrat à durée déterminée (CDD) : 2
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Taille des entreprises qui recrutent

1-9 salariés : 21 / 10-49 salariés : 9 / 50-249 salariés : 11 / 250+ salariés : 27 / sans salariés : 2
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Les compétences les plus demandées au recrutement

Techniques informatiques : 56 / Logiciels autres : 39 / Logiciel administration SI : 18 / Management de projet : 17 / Etudes et conception : 14
Données au 30/12/2021
Source : Agrégation de sites d'offres d’emploi, ministère du Travail, traitement Kyu Lab (cf. page Méthodologie)
Date de MAJ : janv-22
Mise à jour semestrielle
OPIIEC :
25 Quai Panhard et Levassor
75013 Paris
Contactez-nous