data scientist vs analyst

    Data scientist vs Data analyst

    Vous possédez un état d’esprit mathématique et aimez le déchiffrer de données afin raconter une histoire. Vous pensez faire carrière en tant qu’analyste de données ou scientifique des données. Après tout, ce sont deux des emplois à la mode dans l’univers de la technologie. De plus ces deux jobs ont l’avantage d’être plutôt bien payés. Harvard Business Review a même attribué à «Data Scientist» le titre de «travail le plus sexy du XXIe siècle».

    Les emplois en science des données et analytique sont en forte demande.

    Selon Forbes, «d’ici à 2020, le nombre d’annonces d’emplois dans Data Science and Analytics devrait augmenter de près de 364 000, pour atteindre environ 2 720 000». Ce ne sont pas les postes les plus faciles à pourvoir. Forbes ajoute que les emplois dans ce domaine “restent ouverts 45 jours en moyenne, soit cinq jours de plus que la moyenne du marché”.

    Même les personnes qui possèdent des connaissances de base en science des données ont confondu les rôles de data scientist et data analyst. Quelle est la différence entre un scientifique et un analyste? Les deux fonctionnent avec des données, mais la principale différence est ce qu’ils font avec ces données.

    Les analystes de données examinent les données et cherchent à identifier les tendances. Quelles histoires ces chiffres racontent-ils? Quelles décisions d’affaires peuvent être prises sur la base de ces informations? Ils peuvent également créer des représentations visuelles, telles que des tableaux et des graphiques, pour mieux mettre en valeur ce que les données révèlent.

    Les scientifiques de données sont des professionnels de l’interprétation des données

    Mais ils ont également tendance à avoir une expertise en matière de codage et de modélisation mathématique. La plupart des scientifiques de données sont titulaires d’un diplôme d’études supérieures et bon nombre sont passés d’analyste de données à scientifique de données. Ils peuvent faire le travail d’un analyste de données, mais sont aussi capable de créer des algos en apprentissage machine, compétents en programmation avancée et peuvent créer de nouveaux processus de modélisation de données. Ils peuvent utiliser des algorithmes, des modèles prédictifs, etc.

     

    Maintenant que nous avons identifié les principales différences entre un analyste de données et un informaticien, approfondissons un peu la question.

    Data Scientist vs. Data Analyst: ce qu’ils font
    Que fait un analyste de données?

    Les analystes de données examinent les données et proposent des rapports et des visualisations pour rendre intelligible les informations implicites contenues dans les données. Quand une personne aide à comprendre des requêtes spécifiques avec des graphiques, il remplit le rôle d’analyste de données. À certains égards, vous pouvez les considérer comme des scientifiques débutants en informatique, ou comme la première étape vers un emploi dans le domaine de la science des données.

    Que fait un scientifique de données?

    À la base, le travail d’un scientifique de données consiste à collecter et à analyser des données, à collecter des informations exploitables et à les partager avec leur entreprise.

    Une fois les données épurées, une partie cruciale est l’analyse exploratoire des données, qui combine la visualisation et le sens des données. Le data scientist trouvera des modèles, construira des modèles et des algorithmes, certains dans le but de comprendre l’utilisation du produit et son état de santé général, et d’autres comme prototypes qui seront finalement intégrés au produit. Il peut concevoir des expériences et elle joue un rôle essentiel dans la prise de décision basée sur des données. Il communiquera avec les membres de l’équipe, les ingénieurs et les dirigeants.

    Ainsi, non seulement les scientifiques doivent-ils savoir comment collecter et nettoyer les données, mais aussi comment construire des algorithmes, trouver des modèles, concevoir des expériences et partager les résultats des données avec les membres de l’équipe dans un format facile à digérer.

     

    Data Scientist vs. Data Analyst: rôle requis
    Quelles sont les exigences pour un analyste de données?

    À la base, la plupart ont besoin de:

    Diplôme en mathématiques, en statistique ou en administration des affaires, avec une spécialisation en analyse
    Expérience de travail avec des langages tels que SQL / CQL, R, Python
    Une forte combinaison de compétences analytiques, de curiosité intellectuelle et de sens des rapports
    Une solide compréhension des techniques d’exploration de données, des technologies émergentes (MapReduce, Spark, des cadres de données à grande échelle, de l’apprentissage automatique, des réseaux de neurones) et une approche proactive, avec une capacité de gérer plusieurs priorités simultanément
    Familiarité avec la méthodologie de développement agile
    Installation exceptionnelle avec Excel et Office
    Solides compétences en communication écrite et verbale

     

    Quels sont les rôles requis pour un scientifique de données?

    Le diagramme de Venn des scientifiques de données

    The data scientist venn diagram

    Source | Stack Exchange

    Nous avons mentionné que la plupart des scientifiques de données possédent un diplôme supérieur. En fait, c’est près de 90%! KDnuggets, une ressource de l’industrie, a révélé que 88% des scientifiques de l’informatique possédaient une maîtrise et 46% un doctorat. Les diplômes les plus fréquents sont en mathématiques et statistiques (32%), suivis de l’informatique (19%) et de l’ingénierie (16%).

    Les scientifiques des données sont assez dissemblables des analystes de données. Les data scientist sont beaucoup plus techniques statistiques. Ils ont en general plus de connaissances en informatique. De plus les entreprises préfèrent recruter des personnes avec des diplômes supérieurs.

    Le necessaire

    Maîtrise ou doctorat en statistique, en mathématiques ou en informatique
    Expérience de l’utilisation de langages statistiques tels que R, Python, SQL, etc.
    Expérience des techniques d’exploration statistique et de données, y compris régression linéaire et régression linéaire généralisée, forêt aléatoire, boosting, arbres, fouille de texte, analyse de réseau social
    Expertise de travail avec et de création d’architectures de données

    5-7 ans d’expérience de la manipulation d’ensembles de données et de la création de modèles statistiques
    Expérience dans l’utilisation de services Web: Redshift, S3, Spark, DigitalOcean, etc.
    Expertise de l’analyse de données provenant de fournisseurs tiers, notamment Google Analytics, Site Catalyst, Coremetrics, AdWords, Crimson Hexagon, Facebook Insights, etc.
    Expérience avec des outils informatiques / de données distribués: Map / Reduce, Hadoop, Hive, Spark, Gurobi, MySQL, etc.
    Expérience de la visualisation / présentation de données pour des intervenants utilisant: Periscope, Business Objects, D3, ggplot, etc.

    En plus de comprendre les données, un scientifique doit être à l’aise pour présenter ses conclusions aux parties prenantes de l’entreprise. Trouver une personne compétente en mathématiques et en codage, qui est également habile à présenter et à expliquer leurs découvertes en termes simples, n’est pas une tâche facile. C’est pourquoi le «data scientist» est un poste aussi lucratif.

     

    Data Scientist vs. Data Analyst: combien gagnent-ils?


    Combien gagne un analyste de données?

    Selon une étude récente réalisée par PWC, il y aura 2,7 millions d’offres d’emplois pour les postes d’analyste de données et de science des données d’ici 2020. L’étude poursuit en affirmant que les candidats doivent avoir la forme compétences techniques, mais aussi «compétences générales telles que la communication, la créativité et le travail d’équipe».

    Trouver une personne qui possède le mélange idéal d’habiletés cerveau droit et cerveau gauche n’est pas une tâche facile. C’est l’une des raisons pour lesquelles les analystes de données sont bien payés. Selon les sources et les pays, le salaire moyen d’un analyste de données est de 70 000 euros. Les salaires des analystes de données peuvent varier selon les domaines (banques, santé, …).

    Combien gagne un Data Scientist?

    Selon les pays et le domaine, le salaire annuel moyen d’un data scientist experimenté est de 100 000 euros.

    Devenir un informaticien n’est pas facile, mais la demande en compétences en informatique continue de croître. Selon le rapport sur la main-d’œuvre d’août 2018 de LinkedIn, «les pénuries de compétences en sciences de l’information sont présentes dans presque toutes les grandes villes américaines.»

    CONCLUSION

    Un scientifique de données fait, mais pas un analyste de données.
    Data analyst vs. data scientist: que font-ils réellement?
    Un scientifique de données travaille à des programmes, à la codification, etc., ainsi qu’à une analyse des nombres, tandis qu’un analyste de données est plus susceptible de se limiter à un numéro.
    Data analyst vs. data scientist: quel est le salaire moyen le plus élevé?
    Un scientifique de données a un salaire moyen plus élevé.

     

    Si vous êtes au début de votre carrière et que vous aimez les chiffres, mais que vous devez encore affiner vos compétences en modélisation et en codage de données, vous serez alors plus apte à occuper un poste d’analyste de données. Vous pouvez considérer un analyste de données comme un tremplin pour devenir un informaticien, si tel est votre objectif final.

    Les deux domaines sont en croissance et lucratifs, et vous ne pouvez pas vous tromper.

     

    >