La science des données (data science), qu’est-ce que c’est ?

Il s’agit d’un mix entre l'inférence statistique, le développement d’algorithme et la technologie. L’objectif est de répondre à des questions d’analyses complexes en utilisant un mélange d’importants stocks d’informations brutes issues d’entrepôts de données. La science des données permet d’utiliser ces stocks pour générer de la valeur.

 

A quoi sert la data science ?

 

Comprendre les clients et trouver des opportunités

Dans un premier temps, elle permet de découvrir des tendances et des comportements via l'analyse de données. Elle consiste à faire ressurgir des informations pertinentes pouvant servir lors d’importantes prises de décisions. La data science peut ainsi servir à comprendre et utiliser les informations pour établir des stratégies d’entreprises. C’est pourquoi, pour ce type d’utilisation, les Data scientists agissent comme des consultants.

 

Créer des données produits

Une donnée produit est un atout qui repose sur des données et les traite pour générer des résultats via un algorithme. Un exemple concret de donnée produit serait un moteur de recommandation. Il prend en compte les données utilisateurs et les utilise pour générer des recommandations personnalisées (exemples: Amazon, Netflix…). Les données produits n’ont pas pour but d’aider les entreprises dans leurs prises de décision. Ce type de produits est uniquement utilisé par les applications centrales auxquelles sont reliées l’algorithme. Les Data scientists, étant les créateurs des algorithmes, jouent un rôle très important dans la gestion des données produits.

 

Les compétences d’un Data scientist

Les trois grandes familles de compétences nécessaires à un Data Scientist sont les mathématiques, la technologie et le business.

 

Mathématiques et technologie

La science des données n’est pas uniquement liée aux statistiques bien que ces dernières soient importantes. Toutefois, la connaissance des algorithmes de machine learning repose sur d’autres principes mathématiques tels que l’algèbre linéaire. De fait, un bon Data scientist doit avoir de bonnes connaissances dans de nombreux domaines mathématiques. Ce n’est qu’ainsi qu’il sera en mesure d'explorer les vastes ensembles de données et résoudre des problèmes complexes à l’aide d'algorithmes complets.

 

Business

Un spécialiste de la Data science doit pouvoir résoudre des problèmes mathématiques tout en comprenant les enjeux des entreprises qui souhaitent utiliser les données. Ainsi, il doit pouvoir agir comme un consultant tactique. Il a en effet davantage accès à des données et donc à des connaissances que quiconque. C’est pourquoi il doit savoir traduire ses observations et les appliquer à la résolution de problématiques d’entreprises.