Les  Data Scientists ont une compétence soulignée sur l’exploitation et l’utilisation optimale du patrimoine numérique pour l’entreprise dans l’objectif de maîtriser sa gestion, de maximiser la durabilité et la pénétration de son marché.

Les caractères techniques complètes des profils des Data Scientists sont :

–          datamining : modélisation, arbres de décision, algorithmes de clustering –segmentation-scoring, réseau de pétri, réseau de neurones (3 types), et connaissance métier.

–          datamanagement : transformation, work flow, data ware house, meta données et lexique des données

–          datavisualisation : représentation multidimensionnelle et communication des chiffres, des règles et des connaissances causales

–          statistique : tests d’échantillonnage, série chronologique, optimisation stochastique, chemins optimaux sur graphe, algorithme génétique, random forests.

–          informatique / logiciels / machine / architecture : ETL, MDM, Learning, Parallélisme.

Le data scientist est en capacité d’extraire des données structurées et non structurées de l’entreprise et de les « matcher » (éventuellement) avec des données extérieures de l’entreprise pour en faire ressortir des actions à fort ROI et validées par les métiers. Il travaille dans un esprit de transversalité de la donnée : vision marketing (client, SAV satisfaction client), vision commerciale (canaux de communication, ressources), vision finance (DAF) et contrôleur de gestion (provision sur risque, investissement capitalistique, ressources immobilisations et amortissements, fraude), vision RH (GPEC, détection profil et anticipation des actions impactantes).

En outre, des compétences d’animation de réunion et de négociation des périmètres des données (règles de gestion) avec les acteurs métiers sont nécessaires pour augmenter le ROI des missions des data scientists (missions agiles à 2 mois).

Le chief data officer coordonne et gère les missions des data scientists. Il est le responsable de la mise en adéquation de l’urbanisation des données avec la cartographie des besoins métiers, de l’optimisation du ROI de l’exploitation des données. Il contribue :

–          aux évolutions du modèle économique de l’entreprise / augmentation du CA

–          à l’application des droits / CNIL

–          à la mesure du risque informationnel  / bilan / estimation de l’actif immatériel (risque au sens Solvency / Bâle, optimisation Pilier II, risques opérationnels).

La nomination d’un chef data officer au board est un plus quant à la gouvernance de la performance d’une entreprise.

Vous trouverez dans ce document le positionnement de la solution MyDataBall pour contribuer et outiller le data scientists et le Chief Data Officer sur le calcul du risque (cliquez sur l’image).

MyDataBall rassemble vos données : lettre R2C du calcul du risque

et sur les métiers (cliquez sur l’image)