Data Analysts : 4 raisons de leur faire confiance

 

Le phénomène ne vous a sûrement pas échappé : depuis quelques années, les Data Scientists (DS) sont partout. Si ces experts aux multiples casquettes ont bouleversé l’univers de la data, ils font de l’ombre à une autre profession, tout aussi essentielle et bien plus établie : celle de Data Analyst (DA). Or, si mes dix années d’expérience en analyse et data science m’ont appris une chose, c’est que le sacre du Data Scientist ne devrait en aucun cas reléguer le Data Analyst aux oubliettes. Voici pourquoi.

Quel avenir pour les métiers de la data science et de l’analyse des données ?

En tant que membre du Global Analytics and Data Science Council de Criteo, j’ai la chance de participer, aux côtés de plusieurs dirigeants, aux discussions stratégiques sur l’évolution de ces postes au sein de notre entreprise. Et nous avons assisté en première ligne à l’avènement du Data Scientist (et du cortège de « buzzwords » qui l’accompagne).

Mais Criteo n’est pas le seul concerné. J’ai discuté avec des experts de tous bords, dans des start-ups disruptives ou des sociétés plus établies. Partout, le constat est le même : l’intitulé de poste « DS » est porté aux nues, au détriment des DA. Une conclusion inquiétante.

Data Scientist, Data Analyst… Pour beaucoup, difficile de faire la différence. En général, les DS sont (à tort) jugés plus qualifiés et pertinents que les DA. Et cette idée reçue n’est pas sans conséquences : considéré comme « vieux jeu » ou obsolète, le poste de DA disparaît progressivement au profit du DS, plus prestigieux. Mais si ces fonctions partagent plusieurs compétences, elles restent bien différentes. Voici les distinctions à opérer entre ces deux profils, stratégiques pour toute entreprise axée sur l’exploitation des données.

Les Data Scientists ne sont pas les nouveaux Data Analysts.

Si on en croit la tendance actuelle, le Data Analyst serait tout simplement l’ancêtre du Data Scientist –une version plus rouillée du métier. Pourtant, c’est loin d’être le cas. Et voici pourquoi :

1. Victime d’un effet de mode.

Il y a quelques années, le machine learning détrônait le big data. Aujourd’hui, c’est au tour de l’« IA » d’être sur toutes les lèvres. La glorification du Data Scientist suit la même logique.

De nombreuses entreprises utilisent cet intitulé tendance pour attirer les meilleurs candidats à des postes de Data Analysts. Peu importe si le titre ne reflète pas toujours le rôle – Data Scientist est plus vendeur. Il suffit de se rendre sur LinkedIn pour constater que les postes de Data Scientist sont trois fois plus nombreux que ceux de Data Analyst.

2. L’analyse de données est dévalorisée, à tort.

Certes, les Data Analysts et Data Scientists ont plusieurs compétences en commun. Mais leurs missions sont bel et bien différentes : ces deux profils ne sont pas censés utiliser, ni développer, les mêmes connaissances.

Les Data Analysts se concentrent sur les insights immédiatement exploitables par l’entreprise. Leur rôle est stratégique, ce qui les rapproche des postes décisionnels. Ils sont également soumis à d’importantes contraintes de temps. Impliqués dans les décisions stratégiques, ils font souvent face aux mêmes pressions que les dirigeants de l’entreprise : projets à court terme, environnements ultra-compétitifs, échanges directs avec les clients, objectifs de rentabilité, etc.

Bien sûr, les Data Analysts travaillent aussi sur des problématiques à plus long terme. Mais c’est sur les sujets immédiats que leur expertise est le mieux mise à profit.

3. L’écosystème, les produits et les chiffres du marché n’ont aucun secret pour le Data Analyst.

Pour ceux qui se rêveraient chefs d’entreprise, commencez par un poste de Data Analyst. Car ce profil est essentiel au développement de l’activité.

Les Data Analysts s’adressent à tous les services de l’entreprise pour en décrypter les données. Ce sont donc d’excellents communicants. Polyvalents, ils savent adapter leur vocabulaire et leur argumentaire à leur interlocuteur.

4. Les Data Analysts ont les faveurs de nombreux dirigeants.

J’ai dirigé pendant des années les pôles d’analyse des données, ou science des données, dans de nombreuses entreprises. J’ai donc pu constater en première ligne l’immense valeur ajoutée qu’apportent les Data Scientists à l’entreprise. Mais il faut pour cela que leur travail soit exploité comme il se doit, notamment à travers des analyses détaillées et des outils de prévision.

Si leur rôle est essentiel, il ne remplace toutefois pas celui des Data Analysts, essentiel pour comprendre et développer la stratégie de l’entreprise. De plus en plus, les dirigeants les considèrent comme de véritables conseillers stratégiques : c’est donc vers eux qu’ils se tournent en priorité.

Data Analysts et Data Scientists : l’union fait la force.

La montée en force de la Data Science et de ses différents intitulés de poste m’a permis de m’interroger sur la réelle définition des rôles de DA et de DS, et la valeur que chacun a à apporter. La popularité des Data Scientists n’est pas forcément une mauvaise nouvelle : elle peut contribuer à revaloriser l’importance des DA, à mettre leur travail en lumière. Sur ces bonnes paroles, longue vie au poste de Data Analyst !

Kemal Moktari

En tant que Senior Director of Analytics de Criteo, Kemal supervise le pôle Publisher Business Development de l'entreprise. Il est notamment responsable du suivi et de l'optimisation de la performance des éditeurs pour les régions Amériques, Asie-Pacifique et EMEA. Kemal a rejoint Criteo en 2010 au sein de l'équipe data chargée de l'optimisation des campagnes des annonceurs, avant de fonder l'unité de Global Crisis Management de la société.