Les responsables informatiques font preuve de créativité pour combler les lacunes de la science des données

Au cours des dernières années, les responsables informatiques d’une société de services financiers américaine ont eu du mal à embaucher des scientifiques des données pour exploiter le flot croissant de données entrantes qui, si elles sont utilisées correctement, pourraient améliorer l’expérience client et générer de nouveaux produits. Pour faire face à ce problème d’embauche, ils ont dû faire preuve de créativité.

Ils n’offrent pas seulement du travail à distance et des horaires flexibles. Oh non. Ils ont également créé une relation avec les universités, en créant un vivier de stagiaires axés sur les technologies émergentes, qui travaillent dans l’entreprise, acquièrent de l’expérience en science des données, puis peuvent éventuellement être embauchés après l’obtention de leur diplôme.

« Même si nous avons assisté à une énorme prolifération de données, l’offre d’analystes ne répond pas à la demande », déclare Bess Healy, vice-président senior et CIO de Synchrony, une société financière basée à Stamford, dans le Connecticut, qui compte plus de 18 000 employés. et 62 milliards de dollars de dépôts. « Nous essayons d’être guidés par les données dans nos décisions, nous avons donc un grand besoin de compétences en analytique. … Nous avons une approche très ciblée autour de la construction de ce pipeline.

Synchrony n’est pas la seule entreprise à faire face à une pénurie de scientifiques des données pour effectuer un travail de plus en plus critique dans l’entreprise.

Les entreprises ont du mal à embaucher de vrais scientifiques des données — ceux qui sont suffisamment formés et expérimentés pour travailler sur des problèmes complexes et difficiles qui n’auraient peut-être jamais été résolus auparavant. Et les embaucher devient beaucoup plus difficile si l’entreprise n’est pas la plus grande marque ou le plus grand nom. Trouver et fidéliser les informaticiens, en général, est difficile depuis un moment maintenant. C’est exponentiellement plus difficile lorsqu’il s’agit de data scientists.

Des recherches récentes du cabinet d’analystes industriels IDC ont montré qu’il y a 210 000 emplois en science des données répertoriés sur LinkedIn. Le rapport de recherche a également noté que les grandes entreprises, telles que Deloitte, Amazon et Microsoft, cherchent à pourvoir un large éventail de postes techniques, mais la science des données l’emporte de loin sur tous les autres rôles.

Cela est étayé par une enquête réalisée en 2021 par des analystes du secteur chez Forrester, qui a montré que, sur 2 329 décideurs en matière de données et d’analyse dans le monde, 55 % souhaitent embaucher des data scientists. 62 % ont déclaré qu’ils prévoyaient d’embaucher ingénieurs de donnéeset 37 % recherchent des ingénieurs en machine learning, c’est-à-dire des membres de l’équipe d’analyse de données susceptibles d’aider les data scientists.

« Les data scientists sont très demandés car ils ont l’alchimie nécessaire pour transformer les données en informations », déclare Brandon Purcell, vice-président et analyste principal chez Forrester. « C’est très mystique pour le profane. Ils ont un ensemble de compétences très spécialisées. Il y a eu un filet de personnes entrant dans cette profession. C’est plus qu’avant. Mais ce n’est toujours pas grand-chose. »

Élargir les équipes de science des données

La composition de l’équipe de science des données d’une entreprise a également changé.

Les spécialistes des données ont une vaste formation universitaire, souvent en informatique, en statistiques et en mathématiques. Ils se spécialisent dans la création d’algorithmes puissants et dans l’analyse, le traitement et la modélisation des données afin de pouvoir ensuite interpréter les résultats pour créer des plans exploitables. Mais pendant des années, ces spécialistes se sont également retrouvés dans des emplois où ils étaient censés effectuer des travaux d’ingénierie, tels que la construction de pipelines et l’intégration de modèles dans des systèmes d’exploitation. Cela a laissé les data scientists non seulement ennuyés mais aussi frustrés de ne pas se concentrer sur le travail de base pour lequel ils ont été formés.

Aujourd’hui, les entreprises comprennent cette frustration et, dans le but d’attirer de nouveaux scientifiques des données et de conserver ceux qui font déjà partie de leurs équipes, elles élargissent les rôles au sein des équipes d’analyse.

Les entreprises intègrent de plus en plus d’ingénieurs de données, qui peuvent gérer des tâches telles que la création de pipelines ETL, la préparation de données et leur mise à disposition pour analyse par les data scientists. Et des ingénieurs en apprentissage automatique sont embauchés pour concevoir et créer des modèles prédictifs automatisés. Ces personnes constituent un système de support à la science des données.

« Ce qu’on appelait il y a trois ans un data scientist est aujourd’hui [split up between] un scientifique des données, un ingénieur des données et un ingénieur en apprentissage automatique », déclare Purcell. «Les entreprises plus avancées comprennent cela. C’est un sport d’équipe, c’est sûr.

Les entreprises comptent également de plus en plus sur ce que l’on appelle parfois la génération D. Ces travailleurs sont non seulement familiers et à l’aise avec la technologie, mais ils ont également un niveau de base en littératie des données. Ils ne sont peut-être pas en mesure de créer des algorithmes ou d’analyser des données, mais ils comprennent à quels types de questions les données peuvent répondre et quel type de données serait utilisé pour trouver ces réponses.

Faire preuve de créativité

Chez Synchrony, Healy dit qu’ils utilisent tout ce qui précède – scientifiques des données, ingénieurs des données, analystes des données et personnes qui maîtrisent généralement les données. Pour remplir ces rôles, ils ne se contentent pas de mettre en place des pipelines de stagiaires avec l’Université de l’Illinois et l’Université du Connecticut ; à l’automne 2021, ils ont également travaillé en équipe pour lancer le Programme de lycée Synchrony Skills Academyune initiative visant à aider les élèves du secondaire issus de milieux sous-représentés à acquérir des compétences numériques et logicielles, y compris l’analyse de données.

Oshkosh Corp., anciennement Oshkosh Truck, adopte une tactique similaire en allant au-delà du simple placement d’annonces pour les scientifiques des données nécessaires.

Le fabricant industriel de camions spécialisés, de véhicules militaires et d’appareils d’incendie d’aéroport basé au Wisconsin a une stratégie à quatre niveaux : ils travaillent pour embaucher des scientifiques des données, former les employés actuels à maîtriser les données, faire venir des stagiaires des universités et travailler avec entrepreneurs pour faire face aux pics de demande.

« Il est important pour nous d’embaucher des compétences spécialisées en science des données capables d’écrire des algorithmes d’apprentissage automatique », déclare Anupam Khare, vice-président senior et CIO chez Oshkosh. « Je pense que c’est très important car les algorithmes que cette équipe écrit aident notre entreprise à prédire les résultats probables et à prendre de meilleures décisions. Pour le reste [of our analytics team], notre stratégie est de monter en compétence. L’amélioration des compétences devient de plus en plus importante, et cela crée un avantage commercial pour nous. »

Étant donné que remplir leur équipe de données a été « très difficile », Khare a déclaré qu’ils se concentraient fortement sur la formation interne. Pour ce faire, Oshkosh a créé un programme de perfectionnement des employés, mettant à disposition plusieurs ressources, telles que des cours en ligne gratuits et des projets expérientiels, pour que les personnes puissent se former dans divers domaines techniques. Et c’est un programme populaire, avec des employés qui ont suivi plus de 2 500 cours au cours des dernières années, dit le CIO.

« La demande [for technical skills] a augmenté de multitudes et le bassin est limité, notre stratégie est donc d’être très intentionnelle et de ne pas concourir pour tous les types de talents, mais de nous concentrer sur les compétences dont nous avons besoin », ajoute Khare. « Nous avions un brillant analyste de données dans l’équipe juridique. Cette personne était passionnée par la science des données et avait un penchant pour cela. Nous avons amené cette personne de l’équipe juridique à l’équipe d’analyse pour se former à la science des données. Aujourd’hui, c’est un brillant scientifique des données pour nous. »

Mettre l’accent sur la constitution d’équipes

Chez TruStone Financial Credit Union, basée au Minnesota, qui possède 4 milliards de dollars d’actifs, 24 succursales et environ 200 000 membres, le vice-président exécutif et directeur technique Gary Jeter a commencé à chercher à embaucher de nouveaux membres pour l’équipe de science des données de l’entreprise il y a environ neuf mois. Il a déjà dû modifier plusieurs fois la description du poste pour tenter d’attirer les bons candidats. Et il n’a même pas encore posté pour un data scientist.

« Lors de mon dernier emploi, j’ai beaucoup travaillé avec des data scientists seniors », dit-il. «Être en mesure de trouver cet ensemble de compétences est un défi et les dépenses en seront un aspect important. … Oui, nous serons désavantagés si nous ne pouvons pas embaucher un data scientist. Nous chercherons à former les gens en interne. Ils ne seront pas de véritables scientifiques des données, mais ils seront compétents dans l’utilisation et l’organisation des données. »

Pendant ce temps, Jeter prévoit d’utiliser des fournisseurs et des consultants pour aider au travail de science des données de TruStone. Il a également fait venir des étudiants de l’Université du Minnesota pour réaliser leur projet de synthèse de dernière année à TruStone. Les étudiants se concentrent sur l’utilisation de l’apprentissage automatique pour analyser les données de l’entreprise afin de générer des adhésions numériques, d’analyser quels produits sont utilisés et quels clients les utilisent, ainsi que la rentabilité de ces produits.

Chandana Gopal, directeur de recherche pour l’avenir de l’intelligence au sein du cabinet d’analystes IDC, déclare qu’il est judicieux d’avoir une variété de spécialistes des données – de la génération D aux spécialistes des données titulaires d’un doctorat en mathématiques ou en science des données.

« Vous ne pouvez pas laisser vos scientifiques des données effectuer des tâches quotidiennes banales », dit-elle. « Vous les avez sur des projets spéciaux. Vous permettez aux gens de la génération D de faire ces tâches quotidiennes parce qu’ils en savent assez pour comprendre ce que les données leur disent. Le nombre de vrais scientifiques des données avec une formation formelle ne représentera qu’une petite partie de votre effectif. En tirant parti des différents rôles, vous pouvez obtenir un contexte réel à partir de vos données. »