Pour y voir plus clair, nous sommes allé à la rencontre de Christophe Louat, Data Scientist chez Airbus au sein du Digital Transformation Office à Toulouse, il nous parle de son métier.
J’ai obtenu mon Doctorat en recherche opérationnelle en 2008 qui m’a donné l’occasion d’apprendre C++ et Java (deux langages de programmation utilisés pour l’analyse des données). J’ai ensuite commencé par travailler, principalement en tant que consultant optimisation, pour Air France et EDF mais aussi à mon compte et plus tard dans une startup toulousaine spécialisée dans le domaine aéronautique. J’ai l’étiquette data scientist depuis seulement 5 ans et d’ailleurs ce poste là n’existait pas vraiment avant !
La majorité de mon temps est consacrée à la récupération, le nettoyage puis l’analyse des données. Je construis ensuite des modèles qui permettent in fine de répondre aux besoins de mes clients. Je dirai qu’entre 20 et 40 % de mon temps est consacré à la conception d’algorithmes en Python mais ce ratio peut varier en fonction de l’état des données qui me sont mises à disposition.
Depuis 2017, je travaille au sein du Digital Transformation Office d’Airbus qui est transverse et accessible à tous les services de l’entreprise (manufacturing, procurement, etc.). On est une vingtaine de data scientist dans ce service et notre mission est d’évaluer et répondre aux besoins des autres services, tous domaines confondus.
C’est justement de pouvoir découvrir plein de domaines différents chez Airbus; c’est véritablement LA spécialité du Digital Transformation Office ! Et c’est toujours enrichissant de ne pas être cantonné à un domaine de compétences. J’aime prendre le temps de comprendre les problématiques business d’un Service et pouvoir ensuite l’aider via l’exploitation des données. Mon rôle c’est de permettre l’optimisation du temps de diverses équipes via la prédiction.
Python et la librairie Pandas & NumPy !
TensorFlow, librairie de deep learning, peut être un bon complément. Evidemment R avec le package DPLYR qui permet de faire plein d’opérations efficaces sur ses Data frames. J’aime beaucoup Rshiny pour développer rapidement des appweb avec de beaux résultats.
Attention, l’effort de veille technologique est à faire régulièrement car l’environnement technique évolue vite. Il faut par exemple toujours bien vérifier les mises à jours des versions de ces technologies (notamment Python et R qui sont open source).
J’ajouterai que Stackoverflow reste un indispensable au quotidien est l’anglais est tout autant incontournable pour faire sa veille technologique et suivre des conférences spécialisées sur la Data.
Le data analyst est un peu le data scientist junior !
Il va faire des modèles moins poussés ou évolués que le Data Scientist, qui fait pour sa part plus de statistiques et de mathématiques.
Il est d’ailleurs possible aussi de faire la transition entre le métier de développeur et celui de Data Scientist, mais sous condition d’avoir un bon niveau en mathématique !
Comment vois-tu évoluer les métiers liés à la Data sur ces prochaines années?
À mon sens, la Data va devenir indispensable y compris hors des grands groupes.
Partout où il y a de la donnée, il y aura besoin de profils formés. Et c’est valable à toutes les échelles, du simple bar qui voudra analyser les besoins de commandes aux institutions publiques par exemple, qui disposent déjà de nombreuses données qui restent à exploiter.
Si la Data t’intéresse et que tu as envie de donner un nouveau cap à ta carrière, découvre le programme de formation Data Analyst proposé par la Wild Code School dès la rentrée de septembre 2019 sur plusieurs campus en France (Lille, Lyon, Toulouse,Paris, Bordeaux, Nantes)
À lire également, l’article La data, par où commencer ?