Fiche métier data analyst

• Mission d’un data analyst
• Data analyst versus data scientist : quelles sont les différences ?

Cette carrière stimulante au rythme effréné s’articule autour de la collecte, de l’interprétation et la communication d’informations à partir des données massives allant jusqu’à l’ordre de zettabytes. Les professionnels qui exercent ce métier doivent être capables de faire la liaison entre les données potentiellement vastes et de fournir des conclusions pertinentes qui aident les entreprises à prospérer. Dans cet article, nous allons voir les missions, les compétences et les conditions d’exercices d’un data analyst ainsi que les différences entre un data analyst et un data scientist.

Mission d’un data analyst

L’analyste de donnée est souvent rattaché à la Direction de systèmes d’information d’une structure. Il prend en charge le recueil et l’analyse des données de l’entreprise et les convertit en rapports exécutifs pour les dirigeants de l’entreprise et les clients. Pour ce faire, il utilise des logiciels statistiques dont Excel, SAS, SQL, VBA, ACCES etc. Les données peuvent concerner les clients, les produits et leurs performances et même les concurrents du marché. Les rapports issus de son étude apportent une vision cohérente des activités de la structure tout en indiquant les tendances. Ils permettent d’orienter les prises de décision des dirigeants et d’améliorer les objectifs et les stratégies de la structure.

Outre la création, l’administration et la modélisation de base de données, ce spécialiste effectue aussi une mise à jour des données pour faciliter le travail des autres équipes de l’entreprise.

Voici la liste des missions d’un data analyst :

• il recueille les données et extrait les données pertinentes pour les traduire ensuite en données statistiques accessibles aux dirigeants de l’entreprise
• il traite, exploite, contrôle et intègre ces data dans un data warehouse. Il fait également leur mise à jour régulière et assure la bonne interprétation des rapports d’analyse.
• il crée des dashboards, met en place des Kpis pour évaluer les résultats des équipes et les retombées des décisions prises.
• Il propose également des recommandations sur les bases de données à modifier après avoir défini la cible de campagne marketing et après avoir déterminé les tendances des consommateurs
• l’implantation d’un processus de requête et automatisation, la gestion des outils d’analyse, la veille technologique des outils permettant d’optimiser les données figurent aussi parmi ses missions.

Ce métier exige ainsi la maîtrise du langage informatique et les outils statistiques. Les data analystes qui réussissent possèdent aussi des talents en mathématique et en statistique avec un sens et une compréhension solide des affaires. Le métier requiert aussi les soft skills comme la rigueur, l’esprit d’analyse, le sens d’organisation à toute épreuve, le bon sens relationnel, le respect des règles de confidentialité et la maîtrise de l’anglais.

La plupart des postes d’entrée pour ce métier passe par un baccalauréat en informatique, en économetrie ou en statistique suivi des études jusqu’au bac + 3 ou + 5. Les recruteurs apprécient aussi une connaissance en marketing et relation client. Parmi les diplômes qui peuvent mener à ce poste, on peut citer le master en marketing, le cursus big data et business analytics, le mastère spécialisé big data, le diplôme d’université analyste big data…

En raison de l’expansion numérique, ce professionnel de données peut travailler dans la plupart des secteurs où les grandes quantités de données sont analysées et stockées. Il peut travailler dans le secteur de santé, la finance, le marketing, les entreprises médicales, industrielles… Les opportunités d’embauche ne manquent pas surtout pour ceux qui ont une formation supérieure et une expérience professionnelle. Au début de sa fonction, un data analyst peut toucher au moins 35 k €/an. Avec des années d’expérience, il peut gagner jusqu’à 65 k €/an. Et s’il devient par la suite data scientist, il peut percevoir plus de rémunération.

Data analyst versus data scientist : quelles sont les différences ?

Aujourd’hui, les entreprises s’appuient de plus en plus sur l’analyse des données avant de prendre des décisions. Le data scientist est un expert en données analytiques. Il utilise le data science pour explorer, comparer et cartographier des informations à partir des quantités massives de données structurées ou non structurées. Le but est de répondre aux besoins et aux objectifs commerciaux spécifiques. Pour qu’un data scientist trouve du sens dans les données, les dirigeants de l’entreprise doivent communiquer ce dont ils recherchent comme objectifs comme l’optimisation du rendement, la recherche de leviers de croissance etc. L’expert en data science doit ainsi posséder une expertise suffisante du domaine d’activité pour traduire les objectifs de l’entreprise en produits compréhensibles basés sur les données. Il collabore avec l’équipe de data engineering pour récolter et assembler les données afin de les exploiter par la suite et d’orienter l’entreprise vers les nouvelles opportunités de croissance. Le parcours à suivre pour exercer ce métier ne diffère pas beaucoup de celui d’un data analyst. Il faut aussi décrocher un diplôme de bac + 4 ou +5 en mathématiques, statistiques ou en ingénierie informatique. Il peut aussi exercer ce métier dans divers secteurs d’activités comme l’ingénierie, le commerce, le finance, l’assurance… Une première expérience en tant que data analyst permet généralement d’évoluer vers le métier de data scientist. Après quelques années d’expérience, cet expert en data science peut endosser le rôle de chargé de direction des systèmes d’information.

Voici les principales différences entre ces deux métiers en vogue :

• le data analyst se spécialise dans l’extraction des données du Big data afin de résoudre les questions posées par l’entreprise. Il manipule les logiciels et les langages de programmation comme Python, R, SQL, HTL, Javascript, Excel. Certains se servent aussi de l’outil comme Hadoop pour mieux extraire les données. L’idée est de tirer des conclusions stratégiques à très forte valeur ajoutée. Ses compétences sont donc plus limités comparé à celles de son confère data scientist. Ce qui ne l’empêche pas d’avoir une curiosité scientifique.
• le data scientist quant à lui, a une expertise métier et une capacité plus vaste en analyses bruts des données et en visualisation des données. En ce sens, ses analyses sont axées sur les données d’une source unique comme le système de gestion de relation client par exemple. Il effectue l’exploration des données de multiples sources en formulant lui-même les questions dont les solutions sont utiles à l’entreprise. De ce fait, il conçoit des prédictifs mathématiques et statistiques qui deviennent par la suite des outils de décision pour la structure. Ce qui implique la maîtrise de machine learning. Le data scientist est ainsi une formule plus poussée de data analyst. Ce poste nécessite plus de créativité et d’une expertise technique plus poussée. Il aura besoin des compétences d’un analyste concernant les mathématiques, les probabilités, les modélisations d’incertitudes, les statistiques, l’informatique etc. Outre ces capacités analytiques, il lui faut aussi savoir comment utiliser SAS, MatLAG, Pig, Hive et Scala. La compréhension des problématiques métiers le distingue aussi d’un data analyst. De plus, il doit communiquer les résultats de ses analyses aux équipes informatiques de l’entreprise avec Dataviz. La data vizualisation ou la réprésentation visuelle des données permet d’éclairer les informations noyées dans un ensemble de paramètre. Le data scientist peut ainsi influencer sur les prises de décision de l’entreprise et la façon dont elle relève les défis.

Le point commun entre ces deux métiers est qu’ils explorent tous les deux une quantité massive de données et les interprétent bien qu’ils ne sont pas identiques.