Les data scientists sont-ils démodés ?

Des startups aux entreprises du Fortune 500, les entreprises sont à la recherche de cette personne rare qui a probablement un doctorat en mathématiques, connaît suffisamment Python ou R pour écrire du code prêt pour la production, a une compréhension intuitive du décodage du comportement de ses collègues et a probablement aussi besoin d’avoir de l’expérience dans l’industrie dans laquelle se trouve l’entreprise.

Cela ressemble à un défi de taille ? Ce sont peut-être ces attentes élevées qui ont alimenté la réalité de l’embauche des entreprises selon laquelle les data scientists sont à peu près aussi difficiles à trouver.

Un profil très recherché

Ces dernières années, le poste de data scientist est devenu l’un des postes les plus recherchés et les plus recherchés pour les entreprises, mais trouver quelqu’un avec cet ensemble de compétences est un défi. Le nombre de postes ouverts explose.

En fait, Forbes prédit que d’ici 2023, le nombre d’offres d’emploi pour les emplois en science des données et en analyse continuera de croître, passant d’environ 364 000 aujourd’hui à 2,72 millions, la plupart de ces postes étant concentrés dans la finance et l’assurance, les services professionnels et l’informatique.

Un changement d’infrastructure

Dans la hâte de ne pas manquer le battage médiatique du début des années 2010, les entreprises ont mis en place de nombreux outils différents qui étaient censés aider à donner un sens à l’assaut sans fin de points de données qu’ils collectaient. Le résultat pour de nombreuses entreprises était une architecture désordonnée qui devait être remaniée et truquée par un jury pour gérer tout ce qui était le problème d’analyse le plus urgent du moment.

Malheureusement, cela signifie que l’infrastructure appropriée n’est pas en place pour les data scientists d’aujourd’hui. Ainsi, ces professionnels finissent par passer une grande partie de leur temps à effectuer de la maintenance au lieu de faire de la science des données. Ils finissent par réparer cette infrastructure et les problèmes d’ingénierie qui l’accompagnent, une tâche en dessous de leur niveau de rémunération, et sont obligés de se concentrer sur la qualité et la gestion des données – certainement pas aussi sexy que cette description de poste le faisait sonner.

La réalité est que trouver une alternative est nécessaire pour que de nombreuses entreprises réussissent. Les organisations, à court de trouver quelqu’un capable de gérer l’infrastructure de données désordonnée qu’elles ont accumulée, ne peuvent pas s’attendre à ce que cette personne veuille rester, effectuant un travail subalterne par rapport à la tâche initiale qui leur était confiée.

Si les entreprises veulent tirer le meilleur parti de leurs efforts de science des données, elles doivent travailler en amont avec un personnel plus approprié pour s’assurer que l’infrastructure fonctionne comme un système de support pour leurs efforts de science des données, et pas simplement comme un outil dans une boîte à outils très désorganisée.