Dossier[BtoB] 5 fonctions marketing qui montent

Publié par Stéphanie Marius le 17/12/2015

1 - Data scientist

Métier apparu avec l'explosion du big data, le data scientist collecte les données concernant le marché, les structure et les analyse pour en déduire des axes stratégiques. Il constitue un pilier destiné à soutenir la compétitivité des entreprises.

Imprimer

Le data scientist en bref:

Ses missions: Le data scientist a pour mission le traitement et la valorisation de "big data", c'est-à-dire de données massives. En tant que haut responsable, il est chargé d'établir une stratégie cohérente pour son entreprise, qui peut être une banque ou un organisme financier, une compagnie d'assurances, une agence spécialisée dans les statistiques numériques ou une société de marketing. Son rôle consiste à gérer les informations entrantes et à les utiliser à des fins commerciales.
Sa formation: Le métier de data scientist n'existe que depuis quelques années. Les formations qui sont liées à ce poste sont donc peu nombreuses. En France, les grandes écoles : l'INP, l'IAMD (Telecom Nancy), HEC, l'ENSAE Paris Tech ou encore Télécom Paris Tech proposent plusieurs formations dédiées aux ingénieurs informatiques ou mathématiques, aux diplômés de licences et de masters. L'ENSIMAG de Grenoble permet même l'obtention d'un diplôme de niveau bac+6.
Son salaire: S'il est débutant, il peut prétendre à un salaire annuel variant entre 38 000 et 50 000 euros. S'il est confirmé, il peut gagner jusqu'à 70 000 euros par an.

Quelle mission ?

Jugé le "métier le plus sexy de l'année" par la Harvard Business Review, le poste de data scientist est souvent confondu avec celui de data miner. Sa définition est simplifiée. Data scientist signifie "spécialiste de la science des données". Ce nouveau métier, reconnu depuis peu dans la sphère geek, est essentiel à l'entreprise. Il apporte des informations impossibles à obtenir par une voie classique en structurant (comparer les types de données et les moyens de stockage) et en manipulant habilement les données complexes du big data.

Le data scientist utilise Internet, les applications multimédias et smartphones pour recueillir le plus grand nombre d'informations possibles. Après les avoir analysées rigoureusement de façon à établir une stratégie organisationnelle et opérationnelle pour son entreprise, il en tire des solutions marketing, commerciales, de fidélisation clientèle ou encore de valorisation de l'image de marque. Les sources sont nombreuses et dispersées sur divers réseaux. Les regrouper, les étudier et les synthétiser constituent les principales tâches à effectuer.

Les informations ainsi récoltées lui permettent de maintenir le positionnement et d'assurer la compétitivité de son entreprise. Il sait notamment interpréter les problèmes liés au commerce ou au marketing et les transformer en problèmes mathématiques, rechercher les données nécessaires à la résolution des différentes problématiques (sur les fournisseurs, les clients, les employés, les produits ou services...), trouver des sources de données intéressantes, mettre en exergue les bases de données à modifier, compléter mais aussi créer ou supprimer des datawarehouses et estimer la valeur des données recueillies de façon à les reconditionner rationnellement dans le système cible. Il est un conseiller émérite au service de la technologie et du numérique. Il contribue à l'amélioration des performances et à la bonne marche de l'entreprise.

Pour qui ?

Le data scientist a un profil de geek, à l'aise dans le domaine dans lequel il évolue. Il dispose de nombreuses compétences scientifiques : il est un statisticien confirmé, un mathématicien hors pair, un analyste de données à l'affût des dernières évolutions et un informaticien à l'aise avec les différents outils. Il connaît la modélisation, les règles de marketing, les engrenages nécessaires au bon fonctionnement de l'entreprise et est capable d'établir une communication efficace avec les équipes des différents départements. Il sait, de la même façon, transmettre les résultats obtenus à ses supérieurs hiérarchiques de façon claire et précise. Sa facilité à appréhender et à comprendre le churn (perte de clientèle, d'abonnés, voir aussi "attrition") est un plus. Il est un expert pour tout ce qui concerne l'analyse des segments (clients ou business).