Les 4 compétences indispensables pour les futurs data scientists
lundi 11, septembre 2023
L'importance croissante des données et de l'analyse dans divers secteurs, de l'agriculture à la fabrication, de la santé aux services financiers, signifie que la prochaine génération de leaders des données jouera un rôle majeur dans la stratégie, la prise de décision, les opérations et de nombreuses autres fonctions. Joel Shapiro, dans un article publié sur Harvard Business Review le 8 septembre 2023, met en lumière quatre compétences clés que les futurs data scientists doivent développer pour maximiser leur valeur au sein d'une entreprise.
1. Identifier les problèmes
Les data scientists doivent être capables de repérer les problèmes sous-jacents, même lorsque ceux-ci ne sont pas évidents. L'article donne l'exemple d'une chaîne hôtelière confrontée à des problèmes de notation lors de l'enregistrement de ses clients. Plutôt que de se contenter de résoudre le problème immédiat, l'équipe d'analyse de données a utilisé des techniques d'analyse textuelle pour découvrir que le problème n'était pas lié à l'enregistrement en tant que tel, mais à des problèmes d'infrastructure générale de l'hôtel. Cette compétence permet aux data scientists de repérer des opportunités d'amélioration souvent négligées.
2. Cadrer le problème
Après avoir identifié un problème, il est essentiel de le cadrer correctement. Les data scientists doivent travailler en étroite collaboration avec les responsables métier pour comprendre la nature précise du problème, les résultats attendus, et les données nécessaires pour résoudre le problème. Cette étape garantit que les outils et les concepts d'analyse des données sont utilisés de manière pertinente.
3. Accompagner le processus
Plutôt que de travailler en isolation, les data scientists devraient maintenir une communication constante avec les équipes métier. En partageant régulièrement des résultats préliminaires et en recueillant des commentaires, ils s'assurent que le projet évolue dans la bonne direction. Cette approche favorise la collaboration et évite les surprises de dernière minute qui pourraient compromettre la confiance des parties prenantes.
4. Traduire la solution
Finalement, la réussite d'un projet dépend de la capacité des data scientists à présenter la solution de manière compréhensible pour les équipes métier. Cela ne consiste pas seulement à créer des graphiques, mais à expliquer la solution de manière claire et concise. Une méthode recommandée est le "mémo d'analyse de données en deux pages", qui met l'accent sur les éléments essentiels du problème et des recommandations.
