{"id":98221,"date":"2020-10-25T02:42:25","date_gmt":"2020-10-25T00:42:25","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/kak-stat-uspeshnym-data-sajentistom-i-analitikom-dannyh"},"modified":"2020-11-18T00:58:46","modified_gmt":"2020-11-17T22:58:46","slug":"kak-stat-uspeshnym-data-sajentistom-i-analitikom-dannyh","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/administrirovanie\/kak-stat-uspeshnym-data-sajentistom-i-analitikom-dannyh","title":{"rendered":"Comment devenir un data scientist et un analyste de donn\u00e9es \u00e0 succ\u00e8s","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Comment<\/a><\/noindex>
\nIl existe de nombreux articles sur les comp\u00e9tences n\u00e9cessaires pour \u00eatre un bon data scientist ou analyste de donn\u00e9es, mais peu d'entre eux abordent les comp\u00e9tences requises pour r\u00e9ussir \u2014 qu'il s'agisse d'\u00e9valuations exceptionnelles, de compliments de la direction, d'une promotion, ou de tout ce qui pr\u00e9c\u00e8de. Aujourd'hui, nous vous proposons un contenu d'une auteure qui souhaite partager son exp\u00e9rience personnelle en tant que data scientist et analyste de donn\u00e9es, ainsi que ce qu'elle a appris pour r\u00e9ussir.
\n<\/a><\/noindex><\/p>\n

J'ai eu de la chance : on m'a propos\u00e9 un poste de data scientist alors que je n'avais aucune exp\u00e9rience en Data Science. Comment j'ai relev\u00e9 ce d\u00e9fi est une autre histoire, et je tiens \u00e0 dire que j'avais \u00e0 peine une id\u00e9e de ce que faisait un data scientist avant d'accepter ce poste. <\/p>\n

J'ai \u00e9t\u00e9 embauch\u00e9e pour cr\u00e9er des pipelines de donn\u00e9es gr\u00e2ce \u00e0 mon pr\u00e9c\u00e9dent emploi en tant qu'ing\u00e9nieur en traitement des donn\u00e9es, o\u00f9 j'ai d\u00e9velopp\u00e9 un entrep\u00f4t de donn\u00e9es pour l'analyse pr\u00e9dictive, utilis\u00e9 par une \u00e9quipe de data scientists. <\/p>\n

Ma premi\u00e8re ann\u00e9e en tant que data scientist a consist\u00e9 \u00e0 cr\u00e9er des pipelines de donn\u00e9es pour entra\u00eener des mod\u00e8les d'apprentissage automatique et les d\u00e9ployer en production. Je suis rest\u00e9e dans l'ombre et je n'ai pas beaucoup particip\u00e9 aux r\u00e9unions avec les parties prenantes du marketing, qui \u00e9taient les utilisateurs finaux des mod\u00e8les. <\/p>\n

Au cours de ma deuxi\u00e8me ann\u00e9e dans l'entreprise, le responsable du traitement et de l'analyse des donn\u00e9es, qui \u00e9tait en charge du marketing, est parti. Depuis, je suis devenue le principal intervenant et j'ai particip\u00e9 plus activement au d\u00e9veloppement des mod\u00e8les et \u00e0 la discussion des d\u00e9lais de mise en \u0153uvre des projets.<\/p>\n

En discutant avec les parties prenantes, j'ai r\u00e9alis\u00e9 que la Data Science est un concept flou que les gens connaissent, mais qu'ils ne comprennent pas tout \u00e0 fait, surtout en ce qui concerne la direction.<\/p><\/blockquote>\n

\nJ'ai construit plus d'une centaine de mod\u00e8les, mais seulement un tiers d'entre eux ont \u00e9t\u00e9 utilis\u00e9s, car je ne savais pas comment montrer leur valeur, malgr\u00e9 le fait que ces mod\u00e8les aient \u00e9t\u00e9 initialement demand\u00e9s par le marketing. <\/p>\n

Un membre de mon \u00e9quipe a pass\u00e9 des mois \u00e0 d\u00e9velopper un mod\u00e8le qui, selon la direction sup\u00e9rieure, d\u00e9montrerait la valeur de l'\u00e9quipe de data scientists. L'id\u00e9e \u00e9tait de d\u00e9ployer ce mod\u00e8le dans toute l'organisation apr\u00e8s son d\u00e9veloppement et d'encourager les \u00e9quipes marketing \u00e0 l'appliquer.<\/p>\n

Cela s'est sold\u00e9 par un \u00e9chec complet, car personne ne comprenait ce qu'\u00e9tait un mod\u00e8le d'apprentissage automatique et ne pouvait saisir la valeur de son application. Au final, des mois ont \u00e9t\u00e9 gaspill\u00e9s pour quelque chose que personne ne voulait.<\/p><\/blockquote>\n

\nJ'ai tir\u00e9 certaines le\u00e7ons de ces situations que je vais \u00e9num\u00e9rer ci-dessous.<\/p>\n

Le\u00e7ons que j'ai apprises pour devenir un data scientist r\u00e9ussi.<\/h2>\n

\n1. Pr\u00e9parez-vous \u00e0 r\u00e9ussir en choisissant la bonne entreprise.<\/b>
\nLors d'un entretien dans une entreprise, demandez des informations sur la culture des donn\u00e9es et combien de mod\u00e8les d'apprentissage automatique sont accept\u00e9s et utilis\u00e9s dans la prise de d\u00e9cision. Demandez des exemples. D\u00e9couvrez si l'infrastructure de donn\u00e9es est pr\u00eate \u00e0 commencer le mod\u00e9lisation. Si vous passez 90 % de votre temps \u00e0 extraire et nettoyer des donn\u00e9es brutes, il ne vous restera presque plus de temps pour construire des mod\u00e8les afin de d\u00e9montrer votre valeur en tant que data scientist. Soyez prudent si vous \u00eates engag\u00e9 en tant que data scientist pour la premi\u00e8re fois. Cela peut \u00eatre \u00e0 la fois positif et n\u00e9gatif, selon la culture des donn\u00e9es. Vous pourriez rencontrer une forte r\u00e9sistance \u00e0 l'impl\u00e9mentation du mod\u00e8le si la direction embauche un sp\u00e9cialiste en Data Science simplement parce que l'entreprise veut \u00eatre connue comme utilisant la Data Science pour prendre de meilleures d\u00e9cisions<\/i>, mais n'a aucune id\u00e9e de ce que cela signifie r\u00e9ellement. De plus, si vous trouvez une entreprise qui est guid\u00e9e par les donn\u00e9es, vous aurez l'opportunit\u00e9 de grandir avec elle.<\/p>\n

2. Conna\u00eetre les donn\u00e9es et les indicateurs cl\u00e9s de performance (KPI).<\/b>
\nAu d\u00e9but, j'ai mentionn\u00e9 qu'en tant qu'ing\u00e9nieur en traitement des donn\u00e9es, j'avais cr\u00e9\u00e9 une vitrine d'analytique pour l'\u00e9quipe de data scientists. Devenue data scientist, j'ai pu identifier de nouvelles opportunit\u00e9s qui ont am\u00e9lior\u00e9 la pr\u00e9cision des mod\u00e8les, car j'ai travaill\u00e9 intensivement avec des donn\u00e9es brutes dans mon pr\u00e9c\u00e9dent poste. <\/p>\n

En pr\u00e9sentant les r\u00e9sultats d'une de nos campagnes, j'ai pu montrer des mod\u00e8les g\u00e9n\u00e9rant des taux de conversion plus \u00e9lev\u00e9s (en pourcentage), apr\u00e8s quoi l'une des campagnes KPI a \u00e9t\u00e9 mesur\u00e9e. Cela a d\u00e9montr\u00e9 la valeur du mod\u00e8le pour l'efficacit\u00e9 commerciale \u00e0 laquelle le marketing peut \u00eatre li\u00e9.<\/p>\n

3. Assurez l'acceptation du mod\u00e8le en montrant sa valeur aux parties prenantes.<\/b>
\nVous n'aurez jamais de succ\u00e8s en tant que sp\u00e9cialiste en Data Science si les parties prenantes n'appliquent jamais vos mod\u00e8les pour prendre des d\u00e9cisions commerciales. Un moyen d'assurer l'acceptation du mod\u00e8le est de trouver un point de douleur dans l'entreprise et de montrer comment le mod\u00e8le peut aider. <\/p>\n

Apr\u00e8s avoir discut\u00e9 avec notre d\u00e9partement des ventes, j'ai compris que deux repr\u00e9sentants travaillent \u00e0 plein temps, examinant manuellement des millions d'utilisateurs dans la base de donn\u00e9es de l'entreprise pour identifier les utilisateurs avec des licences individuelles susceptibles de passer \u00e0 des licences d'\u00e9quipe. Un ensemble de crit\u00e8res a \u00e9t\u00e9 utilis\u00e9 pour la s\u00e9lection, mais cela prenait beaucoup de temps car les repr\u00e9sentants examinaient un utilisateur \u00e0 la fois. Avec le mod\u00e8le que j'ai d\u00e9velopp\u00e9, les repr\u00e9sentants pouvaient choisir les utilisateurs avec la plus \u00e9lev\u00e9e probabilit\u00e9 d'achat d'une licence d'\u00e9quipe, augmentant ainsi la probabilit\u00e9 de conversion en moins de temps. Cela a conduit \u00e0 une utilisation plus efficace du temps gr\u00e2ce \u00e0 une augmentation du taux de conversion pour les indicateurs cl\u00e9s de performance auxquels le d\u00e9partement des ventes peut \u00eatre li\u00e9.<\/p>\n

Apr\u00e8s plusieurs ann\u00e9es, j'ai r\u00e9agi en d\u00e9veloppant sans cesse les m\u00eames mod\u00e8les et j'avais l'impression de ne plus apprendre quoi que ce soit de nouveau. J'ai d\u00e9cid\u00e9 de chercher un autre poste et j'ai finalement obtenu un poste d'analyste de donn\u00e9es. La diff\u00e9rence de responsabilit\u00e9s ne pouvait pas \u00eatre plus marqu\u00e9e par rapport \u00e0 l'\u00e9poque o\u00f9 j'\u00e9tais data scientist, m\u00eame si je soutenais \u00e0 nouveau le marketing.<\/p>\n

C'\u00e9tait la premi\u00e8re fois que j'analysais des exp\u00e9riences A\/B et je d\u00e9couvrais tout<\/i> les fa\u00e7ons dont une exp\u00e9rience peut mal se d\u00e9rouler. En tant que data scientist, je n'ai pas vraiment travaill\u00e9 sur les tests A\/B, car cela \u00e9tait r\u00e9serv\u00e9 \u00e0 l'\u00e9quipe des exp\u00e9rimentateurs. J'ai travaill\u00e9 sur un large \u00e9ventail d'\u00e9tudes analytiques influenc\u00e9es par le marketing \u2014 allant de l'augmentation du taux de conversion premium \u00e0 l'engagement des utilisateurs et \u00e0 la pr\u00e9vention du taux de d\u00e9sabonnement. J'ai appris de nombreuses fa\u00e7ons d'analyser les donn\u00e9es et j'ai pass\u00e9 beaucoup de temps \u00e0 compiler les r\u00e9sultats, \u00e0 les pr\u00e9senter aux parties prenantes et \u00e0 la direction. En tant que data scientist, j'ai principalement travaill\u00e9 sur un type de mod\u00e8le et j'ai rarement donn\u00e9 des pr\u00e9sentations. Avan\u00e7ons de quelques ann\u00e9es et parlons des comp\u00e9tences que j'ai apprises pour r\u00e9ussir en tant qu'analyste.<\/p>\n

Les comp\u00e9tences que j'ai apprises pour devenir un analyste de donn\u00e9es performant<\/h2>\n

\n1. Apprenez \u00e0 raconter des histoires avec des donn\u00e9es<\/b>
\nNe regardez pas les KPI isol\u00e9ment. Reliez-les, regardez l'entreprise dans son ensemble. Cela permet d'identifier les domaines interconnect\u00e9s. La direction examine l'entreprise \u00e0 travers une lentille, et une personne d\u00e9montrant cette comp\u00e9tence est remarqu\u00e9e au moment de prendre des d\u00e9cisions sur les promotions.<\/p>\n

2. Fournissez des id\u00e9es exploitables<\/b>
\nOffrez \u00e0 l'entreprise une id\u00e9e exploitable<\/i> pour r\u00e9soudre un probl\u00e8me. Encore mieux si vous proposez proactivement une solution avant qu'on ait signal\u00e9 que vous \u00eates confront\u00e9 \u00e0 un probl\u00e8me prioritaire. <\/p>\n

Par exemple, si vous disiez au marketing : \u00ab J'ai remarqu\u00e9 qu'il y a une baisse du nombre de visiteurs sur le site web r\u00e9cemment \u00bb<\/i>. C'est une tendance qu'ils auraient pu remarquer sur le tableau de bord et vous n'avez propos\u00e9 aucune solution pr\u00e9cieuse en tant qu'analyste, car vous vous \u00eates content\u00e9 de signaler l'observation. <\/p>\n

Au lieu de cela, analysez les donn\u00e9es pour trouver la cause et proposez une solution. Le meilleur exemple pour le marketing serait : \u00ab J'ai remarqu\u00e9 qu'il y a une baisse du nombre de visiteurs sur notre site web r\u00e9cemment. J'ai d\u00e9couvert que la source du probl\u00e8me \u00e9tait la recherche organique, en raison des changements r\u00e9cents qui ont entra\u00een\u00e9 une baisse de notre classement dans les recherches Google \u00bb<\/i>. Cette approche montre que vous suivez les KPI de l'entreprise, que vous avez remarqu\u00e9 un changement, que vous avez enqu\u00eat\u00e9 sur la cause et que vous avez propos\u00e9 une solution au probl\u00e8me.<\/p>\n

3. Devenez un conseiller de confiance<\/b>
\nDevenez la premi\u00e8re personne vers laquelle vos parties prenantes se tournent pour des recommandations ou des questions concernant votre domaine d'activit\u00e9. Il n'y a pas de raccourci, car il faut du temps pour d\u00e9montrer ces comp\u00e9tences. La cl\u00e9 r\u00e9side dans la fourniture coh\u00e9rente d'analyses de haute qualit\u00e9 avec un minimum d'erreurs. Chaque erreur dans les calculs vous co\u00fbtera des points de cr\u00e9dibilit\u00e9, car la prochaine fois que vous fournirez une analyse, les gens pourraient se demander : Si vous vous \u00eates tromp\u00e9 la derni\u00e8re fois, pouvez-vous vous tromper cette fois aussi ?<\/i>. V\u00e9rifiez toujours votre travail deux fois. Il peut \u00e9galement \u00eatre utile de demander \u00e0 votre manager ou \u00e0 un coll\u00e8gue de jeter un \u0153il \u00e0 vos chiffres avant de les soumettre, si vous avez des doutes sur votre analyse.<\/p>\n

4. Apprenez \u00e0 communiquer clairement des r\u00e9sultats complexes<\/b>
\nEncore une fois, il n'y a pas de raccourci pour apprendre une communication efficace. Cela n\u00e9cessite de la pratique, et avec le temps, vous vous am\u00e9liorerez dans ce domaine. L'essentiel est de d\u00e9terminer les points cl\u00e9s de ce que vous souhaitez faire et de recommander toute action que, suite \u00e0 votre analyse, les parties prenantes peuvent entreprendre pour am\u00e9liorer l'entreprise. Plus vous \u00eates haut dans la hi\u00e9rarchie d'une organisation, plus il est crucial de bien communiquer. Transmettre des r\u00e9sultats complexes est une comp\u00e9tence importante \u00e0 d\u00e9montrer. J'ai pass\u00e9 des ann\u00e9es \u00e0 \u00e9tudier les secrets du succ\u00e8s en tant que data scientist et analyste de donn\u00e9es. Les gens d\u00e9finissent le succ\u00e8s de diff\u00e9rentes mani\u00e8res. Recevoir la caract\u00e9risation d'analyste \u00ab \u00e9tonnant \u00bb et \u00ab \u00e9toile \u00bb constitue le succ\u00e8s \u00e0 mes yeux. Maintenant que vous connaissez ces secrets, j'esp\u00e8re que votre chemin vous m\u00e8nera plus rapidement au succ\u00e8s, peu importe comment vous le d\u00e9finissez.<\/p>\n

Et pour que votre chemin vers le succ\u00e8s soit encore plus rapide, gardez le code promotionnel HABR<\/b>, qui vous permet de b\u00e9n\u00e9ficier d'une r\u00e9duction suppl\u00e9mentaire de 10 % sur celle indiqu\u00e9e sur la banni\u00e8re.<\/p>\n

\"Comment<\/a><\/noindex><\/p>\n