Grande école
Mastère Big Data & IA

Sylvain Franco : Héticien & Data Scientist !

Data Scientist, Data Engineer, Data Analyst … Tous les trois sont des métiers très recherchés par les recruteurs en entreprise, mais quelles différences y a t' il entre ces 3 postes ? Comment fait-on pour se former à ces métiers ? Découvrez les réponses à ces questions ainsi que les précieux conseils de Sylvain Franco, Data Scientist chez Ysance et diplômé 2019 du Mastère Data & IA.

Interview Alumni : Sylvain Franco diplômé de la promotion 2019 du Mastère Data & IA

 Interview Sylvain Franco

 

Avant d’intégrer HETIC, tu as fait trois ans en école de commerce. Quelles étaient tes connaissances des métiers de la data à ce moment-là ?

 

Sylvain Franco : “Avant d’arriver à HETIC, mes connaissances en matière de data étaient encore assez floues. Par contre j'étais déjà intéressé par les statistiques appliquées et j’avais une forte appétence pour l’économie et la finance, c’est d’ailleurs pour cela que j’ai fait trois années en école de commerce.

Après, je pars du principe que tant que l’on est curieux, on peut toujours se renseigner. Il existe pléthores d’informations sur le web pour découvrir le monde de la data et savoir s’il est fait pour nous. J’avais donc un minimum de connaissances sur ce milieu mais aucune visibilité sur les aspects pratiques, comme par exemple : comment se passe un projet de mise en place d’un algorithme d’intelligence artificielle dans une entreprise ?”

 

Quel est ton parcours professionnel dans la data ?

 

Sylvain Franco : “J’ai un parcours un petit peu atypique puisque j’ai d’abord fait un stage en tant que Data Analyst (en première année de Mastère), puis pendant mon alternance, j’ai occupé un poste de Data Scientist. J’ai travaillé en autonomie sur un algorithme de machine learning du développement à la production !

Aujourd’hui, je suis Data Engineer pour une société de cosmétiques internationale et je suis en charge de la collecte de données des applications mobiles en magasin.”

 

Data Analyst, Data Engineer, Data Scientist, quels sont les différences majeures entre ces trois métiers ?

 Schema métiers de la data

Sylvain Franco : “Le rôle du Data Analyst est d'interpréter des chiffres sur des gros volumes de données. Il doit représenter les différents types de comportements sur un site de la façon la plus claire possible grâce à des dashboard et des outils de reporting.

Le Data Engineer a un rôle plus technique, il est plus dans le développement. Son objectif est le traitement, la réception, la transformation et la restitution de la data. Il fait en sorte que les données collectées soient utilisables par le Data Scientist et le Data Analyst.

Quant au Data Scientist, il traite la donnée en temps réel ou sur une énorme volumétrie. Grâce à des algorithmes statistiques complexes, il est capable d'en sortir des informations comportementales, ou même faire, par exemple, de la maintenance prédictive. Cela consiste à prévenir la casse matérielle, sur des avions par exemple, grâce aux données récoltées dans le passé. Même si ces trois fonctions sont différentes, l’objectif de tous les métiers de la data est le même : résoudre des problématiques métiers ayant un impact business.”

 

Comment se déroule une semaine type pour un Data Scientist ?

 

Sylvain Franco : “Je consacre 50% de mon temps à la phase de structuration et de nettoyage de la donnée afin qu'elle soit exploitable par le Data Scientist et le Data Analyst Je dirais ensuite que 20% de mon temps est consacré à la partie recherche (quels sont les meilleurs algorithmes pour notre problématique), et un autre 20% au développement informatique. Les 10% restants sont dédiés à la compréhension du besoin afin de transformer l'objectif métier en objectif technique.

Ce qui me plaît aussi énormément dans mon métier, c'est la communication au quotidien avec les services et les métiers connexes aux miens.”

 

Quels modèles statistiques et langages utilises-tu le plus ?

 

Sylvain Franco : “On utilise beaucoup de modèles statistiques mais la data est un milieu qui évolue très vite, la durée de vie des meilleurs modèles est de six mois à un an.

Plus les modèles sont complexes, plus ils sont durs à expliquer aux autres métiers. La tendance actuelle est de revenir à des modèles qui sont facilement explicables, comme les régressions linéaires par exemple.

Aujourd'hui, les langages qui dominent sont Python et Java. Dans le monde de la donnée, il ne faut pas oublier que SQL reste la base. Il faut également se dire que tous les outils d'analytics, dont Google Analytics, sont utilisés dans nos métiers. Le monde de la donnée a explosé avec l'utilisation du web. Aujourd'hui, il suffit d'insérer un petit bout de code sur votre site et vous savez d'où viennent vos utilisateurs.”

 

On parle souvent de data visualisation : est-ce un véritable enjeu ou simple détail ?

 Data visualisation

 

Sylvain Franco : “La data visualisation est en véritable enjeu aussi bien pour restituer que pour expliquer les algorithmes. A l'heure actuelle, elle est trop peu utilisée à mes yeux alors qu'elle permet de démontrer l'utilité de notre travail, y compris au néophyte. Par exemple, lors de mon alternance, j'avais mis au point un dashboard concernant toutes les publicités sur Amazon de l'entreprise dans laquelle je travaillais. Cela nous a permis d'optimiser le budget publicitaire.”

 

Y a-t-il des choses que tu n'avais pas imaginé sur le métier de Data Scientist lorsque tu étais encore en formation à HETIC ?

 

Sylvain Franco : “L'aspect communication et pédagogie est vraiment primordial dans nos métiers : nous avons besoin de vulgariser et d’expliquer ce que nous faisons. En ce moment, que ce soit dans les entreprises ou dans les médias, nous entendons beaucoup de choses au sujet du machine learning, du deep learning et de l'IA, ce qui ne veut pas dire que tout le monde comprend les enjeux sous-jacents. Il est donc très important d'expliquer ce que l'on fait réellement - surtout quand vous travaillez avec des corps des métiers qui pourraient être remplacés par une IA et qui ressentent une crainte à ce sujet. Il faut donc leur démontrer en quoi ces technologies vont les aider dans leur métier, au jour le jour.

Ce qui m'a le plus frappé lorsque j'ai commencé mon alternance, c'est qu'il y a beaucoup de gens très forts en mathématiques qui sortent de bonnes écoles et pourtant c'est difficile pour eux car le monde de la recherche et celui de l'entreprise sont très différents.

Ce dont une entreprise a besoin, ce sont des personnes autonomes sur leurs tâches, qui savent les présenter et les restituer. C'est d'ailleurs ce qui a fait ma force dans l'entreprise où je travaille. Trop de données tuent la donnée. Les personnes qui sont actuellement Data Scientist sortent souvent d'écoles ingénieurs et sont très fortes techniquement, mais leurs profils sont moins à l’aise dans la restitution et l'explication de leurs enjeux.”

 

Combien de temps faut-il pour devenir un bon Data Scientist ?

 Sylvain Franco

 

Sylvain Franco : “C'est extrêmement difficile à dire car c'est un milieu qui nécessite de se former en continue. Cela ne s’arrête pas après la fin de nos études. En termes de niveau, je n'avais pas à rougir face à mes collègues après mes deux années passées à HETIC. Je considère que ce qui va faire la différence, c'est votre curiosité et votre motivation.”

 

Peut on prétendre au poste de Data Scientist, si au départ, nous n’avons pas de compétences particulières en mathématiques ?

 

Sylvain Franco : “La réponse est oui. Les mathématiques sont un champ extrêmement vaste. En Data Science, on se concentre essentiellement sur la partie statistique. Pour ma part, j'avais un niveau de math correct de terminale S, et cela été suffisant pour suivre les cours.

Lorsque je suis entré en Mastère Data & IA à HETIC, il y avait des gens avec des niveau de mathématiques plus faibles. Par exemple j'avais une camarade en reconversion professionnelle, journaliste de métier, qui n'avait pas fait de math depuis 15 ans ! Avec de la curiosité et du travail, elle a réussi à rattraper le niveau !.”

 

Dans le cadre d'une recherche de stage ou d'alternance, que doit-on mettre en avant sur son CV ?

 

Sylvain Franco : “C'est clair que trouver un stage ou une alternance dans la data science, peut se révéler parfois fastidieux. Personnellement, je vous conseille d'utiliser des dataset open source afin de montrer la façon dont vous utilisez les algorithmes classiques. Pour ce faire il y a une plateforme très connue dans le monde de la data qui s'appelle Kaggle et que je vous recommande.”

 

Quelles typologies d'entreprises faut-il viser pour son stage ?

 

Sylvain Franco : “Cela dépend de vos envies. Pour un stage, il faut être bien encadré, donc il faut que dans la structure, il y ait au minimum une personne qui occupe le poste que vous aimeriez faire, afin que vous ne vous retrouviez pas à être tout seul à réaliser un projet.”

 

Quelles sont les grilles de salaires pour un Data Scientist ?

 

Sylvain Franco : “Je dirais entre 38 000 et 45 000 euros annuels bruts. Ce niveau de rémunération s’explique en partie parce que nos métiers sont très recherchés. Pour vous dire, au début de mon alternance, je recevais déjà une offre d'emploi par semaine sur LinkedIn.”

Vous désirez vous former au métiers de la data ?

Comme Sylvain Franco, vous désirez vous former aux métiers de la data ? HETIC vous propose deux formations pour vous professionnaliser et former aux enjeux data..

La Grande École

Cursus Grande école

Cursus en 5 ans, accessible Bac/ +1/ +2/ +3.

la Grande École D'HETIC vous permets de vous spécialiser, des l'obtention de votre baccalauréat, aux métiers de la Data et du digitalLa formation mélange sept blocs de compétences indissociables : les technologies, le design et les contenus, le marketing, la gestion de projet, l'intelligence business, l'innovation et la conduite du changement, et l'entrepreneuriat. Ce subtile mélange permet à nos étudiants d'acquérir une forte polyvalence opérationnelle tout en développant une expertise forte.

Voir le programme

Je prends rendez-vous

 

Mastère Data & IA

Mastère Data & IA

Cursus en 2 ans, accessible Bac +3/+4

Cette formation en 2 ans (1 année en initiale + 1 année en alternance) vous permettra d’acquérir les connaissances et compétences nécessaires pour devenir data architect, data engineer ou data scientist.

Voir le programme

Je prends rendez-vous

Nos dernières actualités

Parcours d'entrepreneur :
l'exemple d'ELEVATE

Elevate : des bancs d’HETIC à plus d’ 1 000 000 € de Chiffre d'affaires.

Elevate : des bancs d’HETIC à plus d’1 000 000 € de Chiffre d'affaires

Fondée par Aurélien Magnan et Maxime Planchou, tous deux diplômés de la promotion 2017 du Programme Grande École, Elevate est une agence conseil en analytics et data marketing en plein essor. Retour sur un parcours riche en enseignements.+

Portrait d'un étudiant du Programme Grande École

Arnaut Mège - Programme Grande École

Portrait : Arnaud Mège - Programme Grande École

Data, tech, business, design, marketing digital… La pluridisciplinarité du programme Grande École en fait la voie royale pour les futurs entrepreneurs du digital. Découvrez le portrait d’ Arnaud Mège, Président du Bureau des Étudiants qui a intégré le Programme Grande École en 2019. +

Comment devenir data scientist ?

Comment devenir data scientist ?

Comment devenir data scientist ? Quelles formations pour data scientist ? Quels salaires ? Découvrez le métier mêlant technique, business et marketing digital.+