Mathématicien·ne analyste de données

Le mathématicien analyste de données est de plus en plus prisé par les entreprises qui, dans le cadre de leurs activités, ont rassemblé une multitude de données, concernant leur secteur, leurs performances ou encore leurs clients. Afin de leur donner du sens, ces données nécessitent d’être traitées. Ce mathématicien spécialisé va apporter tout son savoir-faire dans la gestion, l’organisation, la synthèse et la traduction de toutes ces informations parfois brutes et non structurées. A l’aide de techniques de statistiques et d’outils informatiques, il va stocker, rechercher, interroger cet important volume d’informations provenant parfois de sources diverses. Grâce à l’interprétation des résultats, il apportera des outils importants à une prise de décision.

Il va aider ainsi l’entreprise à mieux cibler les opérations commerciales ou les campagnes marketing et lui permettent d’orienter, modifier et/ou réorganiser ses choix stratégiques. Il peut aussi éventuellement proposer des plans d’action (par exemples : conception de zones de stockage, modifications de bases de données, etc.).

Sur plusieurs points, ce métier s’apparente à celui de statisticien, à la différence que le mathématicien analyste de données s’attachera à concevoir de nouveaux modèles d’analyse autres que les outils classiques de gestion de base de données. Les algorithmes statistiques et l’échantillonnage ne représentent qu’une partie de ses compétences. Il doit aller plus loin que le statisticien en utilisant les données pour créer de nouveaux produits et proposer de nouvelles stratégies.

Sur le marché du travail, plusieurs appellations peuvent lui être données : « data analyst », « data miner » ou encore « data scientist ». Ces fonctions s’ordonnent selon différents niveaux de compétences et d’expertise dans le domaine.

Le « data analyst » va réaliser des tâches assez simples : manipulation de données (nettoyage, fusion de plusieurs sources, etc.), requêtes sur les bases de données (par exemple, extraction d’une liste de clients afin de réaliser une campagne marketing), constitution de rapports.

Quant au « data miner », il connaît et applique des méthodes statistiques plus avancées (régressions, modélisation prédictive, outils spécifiques du « data mining », etc.).

Enfin, le « data scientist » présente davantage un profil axé sur la recherche et le développement. Il va travailler sur de gros volumes, développer de nouveaux algorithmes et les implémenter dans de nouvelles technologies (nouveaux langages de programmation, par exemple).