La data est partout : dans les entreprises, mais aussi les terrains de sport, les institutions, les administrations et bien sûr les foyers avec les objets connectés.
Tout ce volume de données disponibles vient nourrir un fantasme cher aux êtres humains : celui de tout contrôler, de tout comprendre. Ne serait-ce pas merveilleux de comprendre, grâce à l’analyse de données, des phénomènes jusqu’ici inexpliqués? A-t-on, avec ces outils désormais disponibles, plus de clés pour comprendre le monde?
On parle désormais de “l’or noir” des entreprises. Depuis quelques années, la data occupe l’espace et les esprits. Le rapport Villani baptisé “Donner du sens à l’Intelligence Artificielle” explique, au travers de 135 propositions au Gouvernement , l’ambition de la France dans ce domaine. La médiatisation récente des avancées autour de l’IA a permis d’expliciter sa chaîne de valeur et en particulier le rôle central occupé par la data. Car c’est bien en exploitant les données massives que l’IA se développe.
Les métiers de la data intéressent : avant la remise du rapport Villani, en début d’année, Facebook a annoncé une enveloppe de 10 millions d’euros consacrée à la recherche sur l’intelligence artificielle en France. Google a ensuite communiqué sur le recrutement de 300 chercheurs et ingénieurs data en France.
La banque-assurance, les télécoms et l'e-commerce, à la tête d’importants viviers de données disponibles, ont été les secteurs précurseurs dans ce domaine. Aujourd'hui, les enjeux de la data concernent tous les secteurs, tous les métiers et toutes les tailles d’entreprise. Les sources des données traitées sont très variées : elles proviennent de la géolocalisation, des objets connectés, de l’utilisation d’Internet ou de programmes, de sources média, des réseaux sociaux, des sites web… À ces nombreuses sources vient s’ajouter l’open data, qui désigne l’ensemble des données en accès libre, appartenant au domaine public.
On comprend alors comment les outils d’analyse de données, exploités à bon escient, peuvent aider l’entreprise à multiplier ses performances.
Data scientist et data analyst sont deux métiers autour du traitement des données dont on parle beaucoup. Comment les distinguer?
Arthur Muller, Co-fondateur et Chief Product Officer de Liegey Muller Pons, entreprise spécialisée dans le traitement de données pour la communication d’influence, nous indique que ce sont avant tout les compétences de data analyst qui font aujourd’hui défaut sur le marché de l’emploi. En effet, l’enseignement supérieur français est réputé pour sa capacité à former des ingénieurs dehaut niveau, et l’offre de formation s’est adaptée pour répondre aux enjeux amenés par l’IA et le Machine Learning, ce qui n’est pas le cas pour le profil de data analyst.
C’est ainsi en allant à la rencontre d’entreprises partenaires des 14 campus qui forment son réseau, que la Wild Code School a identifié le profil de data analyst comme un enjeu prioritaire sur le marché de l’emploi.
L'étude LinkedIn 2017, réalisée pour le compte du Conseil pour l’Orientation et l’Emploi, vient confirmer ce positionnement et classe les compétences de data analyst parmi les plus demandées, juste avant les compétences en programmation, et celles liées à la conception de logiciels. Les compétences suivantes sont particulièrement pointées: data warehousing, data presentation, database management and software.
Les entreprises ont plus que jamais besoin d’artisans de la donnée, en mesure de l’analyser pour la transformer en informations exploitables, grâce à la maîtrise d’outils et de langages de programmation spécifiques.
Dans son enquête TIC de 2016, l’INSEE annonçait que seulement 11% des entreprises exploitait des données massives. Les entreprises découvrent en permanence plus de sources de données – et les cas d’application associés qui permettent d’améliorer les fonctions d’une entreprise… La data a encore de beaux jours devant elle.
Consultez la page de présentation de la formation, candidatez dès maintenant ou venez nous rencontrer pour en savoir plus !