A l'ère du Big Data, le métier de Data Scientist a connu une véritable révolution. Le besoin désormais incontournable de gérer, structurer, analyser et exploiter les données massives au service de la décision en entreprise a en effet poussé l'émergence de nombreux métiers autour de la data. Parmi ces métiers, les rôles de Data Scientists font particulièrement rêver les jeunes ingénieurs, docteurs, diplômés des universités et lauréats des Business Schools.
Bien que le métier de Data Scientist renvoie, à la base, à des activités au caractère scientifique, les rôles de la data (i.e. Data Anaylst, Data Engineer, etc.) se sont beaucoup confondus dans la sphère du recrutement au fil du temps, notamment en raison de la pénurie des profils de candidats, de la faible maturité digitale des organisations, ou encore du manque de préparation des leaders business, compte tenu bien entendu de la technicité et la spécialisation nécessaires pour tirer profit d'une telle profession.
Qui peut donc prétendre à des postes de Data Scientists aujourd'hui ?
Quelles compétences se cachent derrières les milliers d'offres d'emploi ?
Y'a-t-il des différences entre les secteurs ? les territoires ou les entreprises ?
C'est ce que nous tenterons de découvrir dans cet article, à la lumière des données temps réel de l'emploi qui nous livrent quelques insights et éléments clés.
Méthodologie
Afin d'analyser les rôles de Data Scientists, nous nous sommes penchés sur les données de plus de 1M offres d'emploi publiées en ligne les 90 derniers jours précédant le 31/08/2020, en filtrant directement sur les intitulés de postes, pré et post normalisation*, considérant les appellations les plus proches au métier de Data Scientist : "Chercheur en sciences de données", "Ingénieur en sciences des données", etc. (ces recherches n'incluent pas les métiers proches comme "Data Analyst" ou "Ingénieur des données").
Près de 1k offres d'emploi uniques ont été identifiées - qui représentent 2% de la demande observée pour tous les métiers du numérique et de la data - et ont été normalisées selon le référentiel ROME en vue de produire des vues statistiques granulaires sur les secteurs qui recrutent, les compétences recherchées ainsi que les types et domaines de formation requis. Enfin, une sélection d'outils et technologies communément utilisés en Data Science a été choisie afin de les comparer selon la demande et la nature de l'activité.
*la normalisation est une tâche effectuée par nos intelligences artificielles visant à catégoriser les éléments d'une offre d'emploi selon un référentiel métiers/compétences.
Prérequis et compétences recherchées
À l’heure actuelle, plus de 60% des offres pour les Data Scientists n'exigent pas d'expérience professionnelle au delà des stages de formation, mais près de 95% nécessitent au minimum un niveau master - 40% en informatique, 35% en mathématiques et maths appliquées, 10% en statistiques et 8% en commerce - dont 9% qui privilégient un doctorat en informatique ou mathématiques. La formation académique technique semble donc nécessaire pour acquérir un niveau de connaissances et de préparation suffisant à l’exercice du métier.
En termes de compétences opérationnelles, les Data Scientists sont attendus sur plusieurs volets, allant de la manipulation des données à la production de recommandations :
Identifier et adapter les outils et techniques de traitement (statistique) de données, en fonction des besoins et problématiques exprimés au sein de l'entreprise
Participer à la réalisation d'études, ainsi qu'à la présentation et la diffusion des résultats auprès des acteurs cibles
Entreprendre une veille technique et documentaire (études récentes, état de l'art scientifique etc.)
Rédiger divers rapports, notes de synthèses, bulletins d'information, etc. et établir des prévisions, des évaluations, des recommandations, des perspectives
A titre de comparaison avec les rôles de Data Analysts (ou analystes de données), ces derniers sont davantage recherchés pour des activités axées sur la maitrise des outils de traitement de données et des logiciels de gestion de bases de données, ainsi que les langages de programmation (Scripting), avec aussi une contribution dans la rédaction de rapports d'études et de notes d'information.
La pratique d’au moins un outil analytique tel que Matlab ou R, en plus de la maîtrise d'un langage de programmation, sont en général indispensables pour un Data Scientist, et c'est bien ce que révèle l'analyse des offres d'emploi. Pour la période étudiée, la demande se concentre principalement sur Python en tant que langage de programmation, suivi par l'environnement R, JAVA, SAS et Matlab. Ces environnements sont particulièrement importants pour implémenter les techniques de Machine Learning - 43% des offres de Data Scientists requièrent des notions en Machine Learning.
Aussi, et en complément des outils analytiques et des langages de programmation, la plupart des recruteurs en cette période attendent des candidats une bonne maîtrise de la programmation en SQL pour formuler et exécuter des requêtes, souvent en plus de Hadoop et autres bases de données NoSQL qui se sont imposés dans le domaine du Big Data.
Enfin, la demande récente est particulièrement concentrée en grandes métropoles, à leur tête Paris, Lyon et Marseille. Les profils de recruteurs s'articulent quant à eux principalement autour des cabinets de conseil/ESN, Grands Groupes (banques, grande distribution) et startups technologiques.
Vous souhaitez en savoir plus sur cette étude ? Vous avez un projet, une étude spécifique à mener ou vous souhaitez avoir accès à nos données et insights ?
Contactez-nous dès maintenant ! TrouveTaVoie dispose de la base de données temps réel sur le marché du travail la plus large, la plus complète et la plus granulaire.
Comments