Big Data - Data Scientist
6 novembre 2018

Quels sont les atouts du data scientist pour une entreprise ?

L’avènement du Big Data a engendré la circulation d’un nombre conséquent de données. Comment les traduire et en tirer profit pour piloter son activité ? C’est dans cet objectif qu’intervient le Data Scientist, chargé de faire remonter à la surface des informations pouvant aider les entreprises à prendre des décisions efficaces. Présent aussi bien dans la gestion des risques financiers, le retailing, la maintenance prédictive, la cybersécurité, l’efficacité énergétique ou encore le management des données de l’IoT, le Data Scientist s'exerce sur tous les secteurs où la data se trouve. D’où vient-il ? Quels sont ses atouts ? Que peut-il apporter au développement d’un objet connecté ? Nous avons rencontré Aline Deschamps, fondatrice de la société DACTA, et Caroline Goubaud, Fondatrice de la société Polydata.

Qu’est-ce qu’un Data Scientist ?

La mécanique visant à récolter et archiver une quantité importante d’informations pour les analyser dans le futur est plutôt vieille comme le monde. L’analyste sectoriel Doug Laney définissait, en 2001, les trois caractéristiques de ce qui allait être le Big Data : le volume, la vitesse et la variété. Depuis ces dernières années, se sont ajoutés les notions de véracité et de valeur, avec l’émergence d’un nouveau métier : le Data Scientist.

“Il faut imaginer une nébuleuse de données en circulation. Un nombre considérable de data est délivré par les contenus digitaux. Les données de géolocalisation, de connexion, ou générées par les machines, les mobiles, la RFID, ou issues de recherches, des réseaux sociaux participent au Big Data”, nous explique Aline Deschamps, fondatrice de la société DACTA. “Celles-ci sont générées à une fréquence importante grâce aux évolutions technologiques récentes : les consommateurs et les entreprises produisent de la data dans des temps de plus en plus réduits. À cette fréquence-là, de nombreuses entreprises ne peuvent plus capitaliser sur ces datas.”

Le parcours en informatique orienté statistique et une expérience prolongée dans l’étude marketing et les enquêtes d’opinion ont convaincu Aline de fonder sa société DACTA en 2016. L’entreprise propose aux TPE PME une lecture de ces flux de données. Elle leur délivre ainsi les bons indicateurs de pilotage pour une meilleure connaissance de leurs clients. “Pour la banque et le retail, les problématiques sont souvent marketing. Mais les méthodologies du Data Scientist touchent également les métiers de développement pour les objets connectés et la Smart City.”

Elle constate d’ailleurs que les conséquences de l’émergence du métier de Data Scientist au sein des entreprises ne sont pas anodines. En effet, elles ont permis de mettre en lumière un métier initialement connu de quelques rares experts, mais que le grand public ne percevait pas.

Un constat partagé par Caroline Goubaud, fondatrice de la société Polydata, qui a vu évoluer son métier. “Initialement, j’exerçais en tant que Data Miner” nous explique-t-elle. “La définition littérale du métier de Data Miner éclaire sur son travail et ses missions : il est un « mineur de données ». À la manière d’un mineur, le Data Miner va suivre un filon pour extraire le bon matériau. Dans le cas du Data Miner, le matériau c’est la donnée dont il tire une analyse fine. La mine exploitée, c’est l’ensemble des bases détenues par l’entreprise. Et parce qu’elles étaient détenues par l’entreprise, les données étaient plutôt normées et pouvaient être travaillées via des méthodes académiques.”

Mais avec le Big Data, tout s’est accéléré. Les méthodes ont évolué, ajoutant à la couche opérationnelle du métier de Data Miner l’analyse et les recherches scientifiques du Data Scientist afin de répondre à des problématiques de plus en plus précises. En effet, les services marketing, désireux de mieux connaître leurs clients, leurs comportements et leurs besoins, en appel à ses compétences.

“Le data scientist intervient pour permettre, par exemple, d’anticiper le départ d’un client ou l’arrêt de la consommation d’un produit, on touche là à la connaissance 360° du client, notre rôle est d’observer le client plutôt que les achats. Mais la data science ce n’est pas juste de la statistique. Ce sont des techniques souvent très empiriques. La donnée doit être transformée en connaissance par les algorithmes. Elle doit surtout être rendue opérationnelle et disponible aux points d’interaction sous forme d’indicateurs et de recommandations. Pour réussir, cela nécessite d’écouter et de bien comprendre le besoin de l’entreprise. La clef reste la communication, outre l’analyse de données et l’application des méthodologies” développe Caroline Goubaud. 

POLYDATA_DATASCIENTIST

Infographie : étapes suivies par le data scientist pour répondre à une problématique entreprise

À quoi s’applique son métier ?

Aide à la décision

Dans les défis les plus passionnants de la data science, se trouvent les enjeux liés à la connaissance client, la CRM. La force du Data Scientist est de savoir où trouver les données les plus pertinentes. “Ainsi, lorsqu’une entreprise cherche à identifier si son action événementielle a bien fonctionné, l’utilisation des données générées par les réseaux sociaux est une bonne opportunité.” nous explique Aline. “On peut identifier tout ce qui se dit sur l’événement, les points positifs et négatifs. Cela se traduit par une remontée de tous les tweets par exemple afin de réaliser une analyse de sentiments.” Cette méthode visant en effet à dégager les axes d’amélioration pour les futures actions de l’entreprise. À cet égard, pour Caroline, « cela témoigne qu’aujourd’hui, ce sont les clients qui détiennent et façonnent l’image de marque d’une entreprise.” 

C’est d’ailleurs pour permettre à l’entreprise de prévoir et mieux définir sa stratégie que le Data Scientist peut également prendre la position d’un chef de projet. “Nous pouvons être amenés à auditer tous les services d’une entreprise afin d’identifier les besoins de chacun. Par exemple, le marketing souhaite sonder la réputation « social media » ou la direction a besoin d’indicateurs précis pour piloter son activité” témoigne Caroline, “le Data Scientist rationalise et interconnecte les données avant de les intégrer dans un réservoir à partir desquels vont se déclencher des reportings automatisés pour aider à la prise de décision.”

Une fois cette photographie de l’activité de la société prise, le Data Scientist peut aller plus loin et mener des études pour répondre à des questionnements plus fins comme « comment mon client est arrivé jusque-là ? ». Les investigations du Data Scientist sont alors poussées au niveau de l’analyse dynamique en croisant avec les données passées de l’activité. “Cela peut aider à comprendre pourquoi une offre fonctionne mieux qu’une autre pour prévoir ou anticiper son futur positionnement.” Aline s’appuie sur le secteur des télécommunications pour illustrer son propos : “dans ce secteur, la dimension data est arrivée tôt et de manière précurseuse grâce au « churn ». Ce calcul visait à identifier le taux de rétention et définir combien de clients ont des chances de partir et quels sont les facteurs de départ. À partir de cet élément, des actions marketing étaient alors mises en place.”

GOUBAUD_CAROLINE_POLYDATA_1

Caroline Goubaud, fondatrice de la société Polydata

#Marketing

Le Data Scientist intervient également dans le domaine du marketing :

  • Marketing relationnel – lorsqu’une entreprise cherche à déterminer la forme idéale de ses prises de parole
  • Marketing de l’offre – pour définir le produit à développer, son pricing ou la façon dont il devra être accueilli.

“Le Data Scientist joue également un rôle dans l’e-commerce à travers les actions d’A/B testing, pour définir le push panier opportun à proposer ou une liste de produits complémentaires” développe Caroline. “Pour réaliser ce type d’opération, il va observer tout ce que les visiteurs ont consulté anonymement sur le site marchand afin de dégager des couples de produits avant de définir des règles. Ainsi, il peut déduire que, lorsqu’une personne consulte la fiche produit Livre de recette de Paty Sierre, elle consulte également dans 80% des cas le produit Livre cuisine de Tom Hate.”

Lorsqu’il s’agit de s’interroger sur l’anonymat des données, le Data Scientist rassure en expliquant que le respect des règles est un pré-requis déontologique.

“Les sociétés ayant une relation commerciale avec leur client sont soumises à ces règles. Elles protègent le client et obligent l’entreprise à ne conserver que des informations utiles pour leur relation commerciale réciproque. Cela concerne les actions de livraison, d’encaissement, de connexion au site marchand ou encore la gestion de l’insatisfaction” précise Caroline. “Tout ce qui relève des enquêtes ou d’informations, qualitatives ou informatives, non-indispensables sont anonymisées. Cet anonymat préserve le client tout en permettant l’analyse statistique pour renseigner un comportement ou des centres d’intérêt.”

AlineDeschamps

Aline Deschamps, fondatrice de la société DACTA

#Industrie

En somme, tous les domaines touchés par la data concernent le Data Scientist. L’industrie en tire également profit sur la thématique de la maintenance prédictive.

Pour Aline, “sur une chaîne montage, l’entreprise à tout à gagner d’être en capacité de prévoir l’usure des pièces de ses machines. Elle évite ainsi que sa ligne de production soit ralentie par la panne d’une machine. En analysant le fonctionnement des machines et les différents incidents, le Data Scientist va pouvoir définir que lorsque la température d’une machine dépasse 45° plus de 3 fois dans la journée, celle-ci tombe en panne tous les 10 jours. Nous pouvons de cette manière anticiper l’étape de remplacement de pièces ou les axes d’amélioration.”

Avec l’avènement de l’IoT, le Data Scientist peut aider à définir l’algorithme à intégrer. Il peut intervenir également lors de l’élaboration du projet IoT pour épauler l’entreprise conceptrice dans la définition des indicateurs à capter et à surveiller.

“Mais il peut se trouver de même efficace en bout de chaîne.” démontre Aline, “dans la Smart City, par exemple, lorsque plusieurs objets connectés relèvent des données, le Data Scientist restitue une information intelligible pour répondre à une problématique particulière. C’est le cas lorsqu’il s’agit de répondre à une stratégie visant à réaliser des économies d’énergie à travers des lampadaires urbains connectés.”

Transversal et s’exerçant sur tous les secteurs d’activités où la donnée est présente, la Data Scientist est l’une des clefs d’une stratégie d’entreprise visant à dégager une réelle plus-value de la data. L’émergence du Big Data permet aujourd’hui de développer une analyse fine, d’aider à la prise de décision et d’anticiper les besoins en s’appuyant sur ces spécialistes qui dispensent une vue globale de l’activité.