Le monde actuel est caractérisé par la génération d’un volume de données qui n’a jamais été aussi massif, 2,5×10^12 octets par jour. À tel point que 90 % des données générées dans le monde ont été créées au cours des deux dernières années. Leurs sources sont multiples : des informations climatiques aux messages transitant par les médias sociaux, des transactions d’achats en ligne aux signaux GPS des téléphones mobiles : ces flux de données sont appelés « volumes massifs de données » ou « big data ».

Le big data : quatre grands défis

Maîtrise du big data : un enjeu stratégique majeurLa gestion de ces énormes sources de données pose quatre défis majeurs :

  • L’analyse de grands volumes. Par exemple, comment transformer 12 téraoctets de posts Facebook quotidiens pour en faire une analyse d’opinion fiable sur un nouveau produit ? Comment convertir 350 milliards de relevés annuels de compteurs afin de prédire la consommation électrique de l’année à venir ?
  • La vélocité des processus. Lorsqu’on gère un flux de 5 millions d’événements par jour sur une e-boutique, comment détecter la fraude en temps réel ? Comment analyser au fil de l’eau les 500 millions d’appels quotidiens lorsqu’on est une entreprise multinationale pour organiser au mieux son service client ?
  • La variété des données rend complexe leur croisement qui est pourtant souvent stratégique. Données de capteurs, textes, images, vidéo : comment tirer parti de toutes ces sources pour améliorer la satisfaction client ou pour créer une campagne marketing adaptée ?
  • La véracité des indicateurs: en 2016, selon IBM, un décideur sur trois ne fait pas confiance au big data. Pourtant, piloter une grande entreprise sans données, n’est-ce pas piloter un Airbus sans cockpit ? Comment créer des indicateurs d’aide à la décision fiables dans un écosystème composé de centaines de types de données différentes, comment les rendre utilisables et comment convaincre de leur plus-value ?

 

Le big data : les métiers les plus stratégiques de l’économie numérique

Exploiter des outils statistiques et informatiques spécialisés pour organiser, traduire, synthétiser des informations multiples est stratégique pour permettre la prise de décision dans tous les secteurs d’activité. L’objectif est, ni plus ni moins, de « faire parler les données », de créer des indicateurs fiables et compréhensibles par la direction générale, et même de recommander des choix tactiques issus de ces indicateurs. Les professions du big data sont des métiers de haut niveau dans le secteur le plus stratégique de l’économie numérique, exigeant autant le sens de la communication que du management.

 

Programme : 6 modules ESIEA pour devenir un expert reconnu en big data et data science

Les objectifs de la majeure data science for business solutions proposée par L’ESIEA sont de faire de leurs élèves des ingénieurs recherchés dans la mise en œuvre de solutions directement applicables dans le monde de l’entreprise.

Savoir comprendre et analyser les enjeux et problématiques liés aux métiers de l’entreprise pour proposer des solutions exploitables et rentables, y compris en proposant des solutions managériales (notamment les méthodes « agiles ») tenant compte des contraintes et des contextes variés selon les secteurs.

S’approprier les techniques exploratrices des datas, créer des données exploitables et cohérentes et produire de premiers éléments d’analyse, graphiques ou numériques.

Découvrir les outils et langages spécifiques à la data science , comme les langages R ou Python et apprendre la modélisation statistique pour rapidement dégager de grandes tendances et « faire parler les données ».

Maîtriser les techniques d’apprentissage automatique en intelligence artificielle dans les champs de l’extraction de données pertinentes et efficaces, selon les domaines d’application (fouille de graphes sociaux, recommandations…).

Posséder une vue d’ensemble du big data, de ses technologies associées, des bibliothèques et des outils de traitement tout en sachant utiliser, analyser, dimensionner ou justifier une plateforme cloud répondant aux contraintes techniques, mais aussi aux métiers liés et aux utilisateurs (Spark, Azure ML, Hadoop).

Mettre en pratique les data sciences dans un projet d’équipe en délivrant une solution opérationnelle pour résoudre une problématique métier particulière. Il s’agit de prendre en compte, également, les contraintes liées au droit, au budget, au matériel, à l’écosystème et à l’humain.

 

Data science for business solutions : les compétences visées par l’expertise en big data à l’ESIEA

Les métiers du big data étant transversaux, ils demandent un certain nombre de compétences techniques et humaines qui sont au cœur des préoccupations de l’ESIEA à travers ses modules de formation :

  • – Maîtriser des outils statistiques et des solutions techniques ainsi que les enjeux liés au big data pour structurer ces données et en extraire de l’information à haute valeur ajoutée
  • – Savoir transformer ces informations en actions (lancement de nouveaux produits, création de nouveaux services ou processus, amélioration des relations client, etc.)
  • – Développer un sens de l’analyse des problématiques métier ou sectorielles et savoir extraire les données les plus fiables et pertinentes pour y répondre
  • – Maîtriser les enjeux du big data dans une optique transversale, y compris en matière d’éthique et d’usage de l’information
  • – Développer son imagination pour créer des approches inédites, un regard neuf, faire évoluer les pratiques et inventer de nouvelles voies d’analyse ou de croisement des données
  • – Développer des compétences de management et de communication pour savoir partager les bonnes pratiques

 

Les métiers du big data et de la data science: des débouchés nombreux pour des salaires élevés

D’après les études du Boston Consulting Group, les valeurs des données personnelles pourraient représenter, à l’horizon 2020, 1000 milliards d’euros simplement en Europe. En France, l’État parle de la création de 137 000 emplois d’ici cinq ans en matière de big data dans tous les secteurs : la France ne produit annuellement que 200 à 300 professionnels, pour des besoins évalués de 2000 à 3000. Enfin, dans deux ans, d’après Deloitte, il existera une pénurie de 190 000 professionnels aux USA.

Les experts en big data formés à l’ESIEA, qu’ils soient data analysts ou data scientists, sont donc certains de trouver un débouché dans tous les secteurs d’activité, que ce soit en France, en Europe ou dans le monde.

 

Expérience data analyst data scientist
Débutant 0-1 an 35-38 k€ 50-60 k€
Intermédiaire 2-3 ans 38-45 k€ 65-75 k€
Confirmé 4 ans et + 45-55 k€ > 75 k€
Salaire en milliers d’euros bruts par an pour l’Île-de-France. Source : Urban Linker, 2013