Formations et diplômes
Il existe différentes voies pour se former dans ces domaines :
- Les formations en ligne : un bon choix pour commencer et apprendre à son rythme, mais moins crédibles à long terme.
- Les masters en Data : des formations complètes avec un diplôme reconnu à la clé, mais parfois coûteuses (entre 10 000€ et 20 000€).
- Les formations de type Bootcamp : un compromis entre la flexibilité des cours en ligne et la profondeur théorique des masters. Ces formations sont à la fois pratiques et théoriques, et applicables en entreprise. Il existe 3 niveaux : Essentials (pour les débutants en Data), Fullstack (pour devenir Data Scientist ou Data Analyst) et Lead (pour devenir senior en Data).
Se former au métier de Data Engineer
Les formations en Data Engineering sont rares, mais elles existent. Voici les attentes du marché :
- France : Bac +3 à Bac +5 en statistique, informatique, mathématiques ou école d’ingénieur.
- Canada/USA : Bachelor of Science en technologie, informatique, mathématiques ou ingénierie.
Voici quelques exemples de formations :
- Master Pro Expert en Ingénierie Informatique, option Business Intelligence et Big Data (Lyon)
- Ecole 42, Jedha Bootcamp…
- Master spécialisé Big Data (Télécom ParisTech, EM Grenoble, Essec…)
- Master Informatique, spécialité Exploration Informatique des Données et Décisionnel
- Certification Google Cloud Certified – Professional Data Engineer
Se former au métier de Data Analyst
Les offres de formations en Data Analysis sont plus nombreuses. Voici les attentes du marché :
- France : Bac +3 à Bac +5 en statistique, Big Data, informatique, mathématiques, Business Intelligence ou école d’ingénieur spécialisée. Des formations de niveau Bac+3 peuvent mener à des fonctions d’assistant analyste.
- Canada/USA : Bachelor of Science en technologie, informatique, ingénierie ou mathématiques.
Voici quelques exemples de formations :
- Le cursus “Big Data et Business Analytics”
- Le master spécialisé “Big Data”
- Le master en marketing
- La formation IAMD (Ingénierie et Application des Masses de Données)
- Le diplôme d’université “Analyste Big Data”
- Le master spécialisé “Manager l’innovation et le développement d’activité”
- Le master “Systèmes décisionnels : architecture, exploration de données et optimisation”
- Le “cycle ingénieur” de l’ESIGELEC Rouen
- Data ScienceTech Institute : trois programmes de formation de niveau master en Data Science, Data Analytics et en Data Engineering.
Se former au métier de Data Scientist
Voici les attentes du marché pour devenir Data Scientist :
- France : Bac+5 à doctorat en statistique, informatique, mathématiques avancées, économétrie ou école d’ingénieur spécialisée.
- Canada/USA : Master ou doctorat en technologie, informatique, ingénierie ou mathématiques.
Voici quelques exemples de formations :
- Master en école de commerce ou en ingénierie
- ESSEC : MSc in Data Science & Business Analytics
- ESG : MBA Big Data
- TELECOM : Master Big Data : gestion et analyse des données massives
- ENSAE : MSc en Big Data
- Diplôme d’ingénieur avec spécialisation Big Data / Data Science
Notez que la plupart des Data Scientists possèdent au minimum un master, et près de la moitié ont un doctorat. Beaucoup d’entre eux ont commencé leur carrière en tant que Data Analyst, ce qui leur a permis de développer leurs compétences en visualisation et en analyse de données.
Compétences et outils
Le Data Engineer
Le Data Engineer est avant tout un informaticien ayant plusieurs compétences :
- Être un développeur expérimenté
- Maîtriser les langages de programmation tels que Python, Java, Ruby, R, C+++, Scala, SQL
- Savoir gérer des bases de données SQL, MongoDB, Cassandra
- Créer des data pipelines avec des outils comme Apache Spark, Apache Airflow, Kafka ou Hadoop
- Maîtriser les environnements Cloud tels que Amazon AWS, Google Cloud, Microsoft Azure
- Utiliser les outils d’ETL pour agréger et transformer les données
- Comprendre les technologies de Machine Learning, Deep Learning et Intelligence Artificielle utilisées par les Data Scientists
- Créer des reporting et des tableaux de bord
En termes de soft skills, le Data Engineer doit être communicatif, capable de résoudre des problèmes, avoir une bonne connaissance du produit sur lequel il travaille et être curieux intellectuellement.
Le Data Scientist
Le Data Scientist doit posséder des compétences techniques variées et pluridisciplinaires, telles que :
- Exploration et statistiques : modélisation de données SQL et NoSQL, statistiques descriptives, analyse de données textuelles
- Machine Learning : librairies, algorithmes avancés, bonnes pratiques en Data Science, et éventuellement Deep Learning
- Maîtrise technique de logiciels complexes : programmation en Python, R, Perl, Java, C++, et base en ingénierie logicielle
- Bases de l’analyse de données : Excel, Access, SQL, SPSS, Tableau, statistiques
- Compréhension du monde de l’entreprise pour communiquer les conclusions d’analyses de données complexes via des outils de Data Visualisation et définir des KPI
Au niveau des soft skills, le Data Scientist doit être capable de communiquer avec différentes équipes, avoir une curiosité intellectuelle pour découvrir de nouveaux modèles et solutions, faire preuve de critiques et avoir une intuition “business”.
Le Data Analyst
Le Data Analyst doit avoir des compétences variées pour mener à bien ses missions, telles que :
- Compétences avancées en statistiques et en mathématiques
- Capacité à travailler avec des bases de données relationnelles et à effectuer différents types de requêtes
- Maîtrise des langages SQL, Python, R, SAS
- Utilisation des outils analytiques tels qu’Excel et Jupyter
- Maîtrise des Datawarehouse et Datalake
- Exploitation aisée des tableurs tels qu’Excel ou Google Sheets
- Utilisation des outils de Data Visualisation et de Business Intelligence
- Connaissances basiques en programmation (facultatif)
En termes de soft skills, le Data Analyst doit être un bon communicant, avoir un esprit de synthèse, une capacité d’analyse et être à l’écoute des besoins des équipes. Il doit également être organisé et rigoureux dans ses analyses.
Les salaires
Les salaires dans ces métiers peuvent varier en fonction de différents facteurs tels que le pays, la région, les diplômes, les compétences et l’expérience. Voici quelques fourchettes de salaires pour chaque métier :
Le Data Engineer
Le Data Engineer bénéficie d’un salaire confortable. Voici les fourchettes salariales pour 2021 :
- France :
- Junior : 31-40K€
- Confirmé : 40-55K€
- Expérimenté : 55-90K€
- Royaume-Uni :
- Junior : 30-35K£
- Confirmé : 45-75K£
- Expérimenté : 75-120K£
- Amérique du Nord (Canada/USA) :
- Junior : 65-75K$
- Confirmé : 69-150K$
- Expérimenté : 150-500K$
Le Data Scientist
Le Data Scientist est l’un des métiers les mieux rémunérés dans le domaine de la data, en raison de sa polyvalence et de ses compétences avancées. Voici les fourchettes salariales pour 2021 :
- France :
- Junior : 30-45K€
- Confirmé : 40-60K€
- Expérimenté : 55-90K€
- Royaume-Uni :
- Junior : 23-55K£
- Confirmé : 40-75K£
- Expérimenté : 60-100K£
- Amérique du Nord (Canada/USA) :
- Junior : 61-156K$
- Confirmé : 75-175K$
- Expérimenté : 93-256K$
Le Data Analyst
Le salaire d’un Data Analyst est généralement inférieur à celui d’un Data Scientist, en raison des compétences moins spécialisées requises. Voici les fourchettes salariales pour 2021 :
- France :
- Junior : 31-44K€
- Confirmé : 38-50K€
- Expérimenté : 55-80K€
- Royaume-Uni :
- Junior : 22-43K£
- Confirmé : 25-58K£
- Expérimenté : 65-85K£
- Amérique du Nord (Canada/USA) :
- Junior : 37-84K$
- Confirmé : 42-95K$
- Expérimenté : 50-250K$
Veuillez noter que ces salaires varient en fonction de la localisation et des années d’expérience.
En conclusion, les métiers de la data offrent de nombreuses opportunités et des salaires attractifs. Il est essentiel de choisir la formation adaptée à vos objectifs professionnels et de rester à jour avec les évolutions technologiques. Bonne chance dans votre parcours data !
À bientôt sur Anywr.io
