Ces dernières années, grâce au développement du digital et à l’explosion d’Internet, les quantités de données astronomiques ont commencé à être exploitées à différentes fins. Il est vrai que les données stockées au sein des entreprises ainsi que les données publiques ont connu une croissance exponentielle. Par ailleurs, il est désormais possible techniquement de traiter ces importantes quantités de données afin d’en tirer des valeurs. C’est justement le domaine d’une science appelée data science.
Définition de la science des données
Également appelée science des données en français, la data science est le mélange entre les sciences dites pures comme la physique et les mathématiques, la technique, et l’informatique, à savoir le développement. On peut la définir simplement comme la discipline spécialisée dans l’étude des informations. Plus précisément, elle s’intéresse à leur source, ce qu’elles représentent ainsi que les méthodes à utiliser afin de les transformer en ressources utiles en vue de créer des stratégies métier et IT.
De manière concrète, la science des données a pour objectif d’utiliser les données dans le but d’apporter une valeur pour les entreprises qu’on appelle « datasets » en anglais. Ainsi, l’exploration, le tri et l’analyse de ces mégadonnées d’origines diverses permet d’arriver à des conclusions afin d’aider les dirigeants dans la prise de décision ou d’optimiser les processus métiers. On peut donc dire que les données en entreprise vont servir aux organisations à identifier les modèles qui vont leur permettre par la suite de maîtriser leurs coûts, à trouver de nouveaux débouchés sur le plan commercial, à améliorer leur efficacité et à progresser leur avantage concurrentiel. Il est utile de noter que la plupart du temps, on pense à la data science quand on parle de big data. Toutefois, la première ne concerne pas exclusivement les ensembles importants de données. Ainsi, il est possible de tirer parti des données, même si celles-ci sont de taille réduite.
Les domaines d’utilisation de la science des données
Il faut souligner que les domaines d’application de la science des données sont très nombreux. Ainsi, elle est utilisée en toxicologie, en épidémiologie et dans les recherches dans le domaine de la santé. De même, le big data est exploité dans la maintenance prédictive dans l’industrie ainsi que dans la projection de l’impact et la modélisation des phénomènes climatiques dans l’univers de l’environnement. Cette utilisation s’étend également dans l’optimisation des transports en tenant compte des flux de voyageurs et dans les villes intelligentes ou « smart cities » en anglais. Par ailleurs, les banques et les assurances sont de plus en plus nombreuses à disposer d’un data scientist au sein de leur organisation. En effet, ce spécialiste leur permet de réduire le taux d’attrition, de mettre en place l’automatisation des processus et de mieux connaître leurs clients.
L’univers du « retail » s’investit également dans l’exploitation de données en entreprise. Cela concerne notamment le marketing prédictif, la prévision des ventes et la vue client à 360 degrés appelée « customer 360 ». En outre, le domaine des loisirs s’intéresse de très près à la science des données. C’est le cas des services de streaming, à l’instar de Netflix, qui utilisent les données afin de connaître les centres d’intérêt de leurs clients. Cela leur permet par la suite de décider quels films ou émissions ils vont produire pour séduire cette clientèle. De même, les sociétés de livraison comme UPS, DHL ou FedEx exploitent aussi la science des données pour déterminer les horaires de livraison, les meilleurs itinéraires et les modes de transport les plus appropriés. Bref, les applications de la data science sont infinies et il est certain que dans les mois et les années à venir, on trouve encore d’autres utilisations de ces quantités importantes de données.
Focus sur le spécialiste de la science des données
Il est faux de croire que la science des données se base uniquement sur les statistiques. En fait, elle s’appuie aussi sur la machine learning et des algorithmes de recherche tels que le réseau de neurone, l’arbre de décision, la régression, la « random forest », etc. L’exploration de la donnée ou « data mining » en anglais, et la visualisation des données sont également au centre des piliers de cette discipline encore récente. Cela a d’ailleurs donné naissance à de nombreux métiers du digital qui sont spécialisées dans la donnée. Dans ce cadre, le data scientist joue un rôle primordial. Sa première mission est de récupérer les données à partir de sources qui ne sont pas ou sont mal structurées. Il leur appartient par la suite d’analyser ces données en entreprise et de les analyser.
Pour être efficace, il doit posséder des compétences poussées en apprentissage automatique, en analytique, en statistiques et en exploration de données. D’autre part, il lui faut avoir de bonnes expériences dans le domaine de la programmation et des algorithmes. Il est aussi indispensable qu’il montre une certaine intelligence émotionnelle. De cette façon, il est en mesure de présenter aux dirigeants d’entreprise des informations décisionnelles que ces derniers peuvent exploiter immédiatement. De même, ils doivent pouvoir leur expliquer la signification de ces informations de la façon la plus claire possible.