Découvrez les compétences les plus attendues en data
On l’a vu, les rôles en data sont parfois flous, et les entreprises ne mettent pas les mêmes définitions derrière des intitulés de poste identiques.
Essayons toutefois de dresser une vue des :
Outils les plus demandés sur le marché pour avoir une base de réflexion.
Missions et compétences (techniques et soft skills) associées à chaque type de métier.
Les outils les plus demandés
Langages de programmation | Python C’est très certainement le langage de programmation vedette en data, car il dispose de librairies utiles pour le traitement et l’analyse de données :
SQL C’est également un incontournable, car ce langage permet de manipuler et exploiter les bases de données. Il est utilisé par tous les métiers, du data analyst au data engineer, en passant par le data scientist. Autres : JAVA, Scala, Spark, PySpark… |
Bases de données |
|
Outils de visualisation de données | Power BI, Tableau, Qlik… |
Solutions cloud | AWS, GCP, Azure… |
Frameworks Big Data | Hadoop, Apache Spark… |
Voyons maintenant quelles sont les missions et les compétences associées à différents postes en data.
Les missions et compétences associées du data scientist
Missions | Compétences techniques | Soft skills |
|
*Outils : SQL, Python (Pandas, NumPy, scikit-learn…) |
|
… data analyst
Missions | Compétences techniques | Soft skills |
|
*Outils : SQL, outils de data visualisation |
|
… data engineer
Missions | Compétences techniques | Soft skills |
|
*Outils : SQL, Python, Spark, Scala, bases de données SQL et NoSQL, solutions cloud et infrastructures data |
|
… chef de projet data
Missions | Compétences techniques | Soft skills |
|
*Outils : SQL (notions) |
|
Maintenant que vous avez cela en tête, passons à la suite et voyons comment vous pouvez valoriser votre expérience passée !
Valorisez votre parcours académique et votre expérience professionnelle passée
Identifiez le type de département qui vous correspond
Afin de bien vous positionner et d’identifier les opportunités qui vous correspondent, réfléchissez au type de département dans lequel vous seriez le plus à l’aise en entreprise (même si chaque entreprise a son propre fonctionnement) :
Directement au sein des métiers ?
À l’IT ?
Dans un département Data ?
Voici 4 configurations possibles pour le positionnement de l’équipe Data :
On représente les 4 exemples de départements pour donner à l’apprenant une vision globale avant de rentrer dans les détails.
L’insertion des profils data dans les équipes business – au marketing par exemple, ou dans le pôle digital. Vous serez alors positionné directement sur des sujets en lien avec les besoins actuels de l’organisation, mais aussi portés par des impératifs business généralement plus court-termistes que dans d’autres départements.
La centralisation des compétences data dans une division autonome : ce sont les fameux « data labs » qui peuvent agir comme des cabinets de conseil internes. Il vous faudra aller au contact des métiers pour bien comprendre leurs enjeux et anticiper les problèmes de communication avec les autres départements, parfois peu acculturés à la data.
Le rattachement des métiers data à l’IT, ce qui est très commun pour des postes en data engineering ou data architecture par exemple, mais que l’on peut voir également pour la data science. Les interactions avec les profils business pourront alors être moins courantes.
Le positionnement des profils data au sein de cellules R&D travaillant sur des sujets plus long-termistes. Vous serez alors majoritairement en contact avec vos pairs, et les enjeux de vulgarisation seront moins prégnants.
En 2016, lorsque je débutais dans le recrutement de profils data, l’un de mes candidats passait plusieurs process de recrutement, notamment en conseil en data. Il venait d’un cursus recherche, en sortie de post-doctorat en mathématiques appliquées. Il avait des compétences mathématiques impressionnantes, mais avait plus de mal dans les interactions avec les métiers. De même, il aimait le temps long de la recherche et était frustré par l’urgence business qui nécessitait, selon lui, de survoler les sujets sans avoir l’occasion d’approfondir. Un poste en conseil ne lui convenait donc absolument pas. Il a trouvé son bonheur au sein d’une cellule de recherche en data science pour un acteur de l’industrie qui avait des projets long-terme en intelligence artificielle.
À vous de jouer !
Sélectionnez le ou les métiers qui vous intéressent en data.
Reproduisez le tableau des missions et compétences associées au début du chapitre pour le / les métiers visés :
Missions | Compétences techniques | Soft skills |
… | … | … |
Reprenez la liste des outils les plus demandés en début de chapitre et indiquez dans le tableau ceux que vous maîtrisez. Ajoutez également les outils que vous maîtrisez et qui n’y figurent pas !
Faites de même pour les compétences techniques.
Puis pour les soft skills.
Découvrez les conseils de nos intervenants
Retrouvons maintenant Eric et Zakaria pour découvrir ce qu'ils ont à dire sur la valorisation des expériences passées quant il s'agit de réorienter vers le monde professionnel de la data :
En résumé
Posez-vous les questions suivantes pour faire le point sur la ou les compétences data que vous maîtrisez le plus (business, mathématiques-statistiques, informatique) :
Quelle est ma formation principale ?
Quelles compétences ai-je développé pendant mes expériences professionnelles (stage, premier emploi, etc.) ?
Identifiez les éléments dans vos expériences passées valorisables sur le marché de la data.
Réfléchissez au type de département dans lequel vous seriez le plus à l’aise en entreprise.
Fort d’une lecture claire de votre expertise et de votre positionnement, voyons maintenant comment sélectionner les bonnes fiches de poste !
