LEBIGDATA.FR I.A, Cloud & Cybersécurité
Dans le cadre de notre dossier « Data Insights: À la découverte des experts de la science des données », Enzo Rideau (Practice Leader Data chez Klanik) a accepté de faire un point sur l'année écoulée et sur les grands enjeux du secteur de la data.
Intelligence-Artificielle.Com : Pouvez-vous vous présenter à nos lecteurs ?
Enzo Rideau (Klanik) : Je suis Enzo Rideau, passionné par le monde de la Data !
J'ai 28 ans et même si je ne suis pas né avec un ordinateur dans les mains, j'ai découvert ma passion pour les données en 2013 lorsque j'ai rejoint le monde du travail.
Depuis, je suis passionné des chiffres, des graphiques et de toutes les possibilités qu'offre la data (BI, Big Data & IA), j'en rajoute à peine promis !
Je suis actuellement Practice Leader Data chez Klanik, mais aussi formateur/coach pour Kampus Training (toujours sur de la Data) !
En plus de mon travail au quotidien, je publie régulièrement du contenu sur LinkedIn sur des sujets cités plus haut et j'anime aussi des TEK LIVE (conférences ouvertes et gratuites) avec Kampus Training.
J'ai même d'ailleurs ouvert une chaîne YouTube, il n'y a pas si longtemps, pour pouvoir proposer du contenu exclusif !
Quelles sont les tendances émergentes dans le domaine de l'analyse des données en 2023, et comment ces tendances transforment-elles les stratégies et les opérations des entreprises ?
Je dirai que l'analyse des données n'a jamais été autant sur le devant de la scène, étonnamment, elle fait partie des domaines dans lequel les gens me sollicitent le plus pour la reconversion.
Cela vient déjà du fait que les outils d'analyse des données sont de plus en plus accessibles et sexy, les gens sont conquis par les capacités !
Et surtout, car la demande dans les entreprises est de plus en plus forte. Les décideurs, et même les opérationnels, se rendent compte de l'importance de traiter la donnée et en faire une information exploitable.
Je pense que les stratégies des entreprises restent les mêmes, mais elles sont désormais beaucoup plus réfléchies et précises grâce justement à l'analyse des données.
Tout est une question d'optimiser les processus et fiabiliser les analyses relatives aux données.
Quant à la tendance, on remarque une nette démocratisation de la donnée et des outils qui y gravitent.
Comment les technologies émergentes, telles que l'intelligence artificielle (IA) et l'apprentissage automatique (machine learning), ont-elles un impact sur les capacités d'analyse des données et les possibilités d'innovation ?
Eh bien, l'intelligence artificielle et l'apprentissage automatique sont véritablement au cœur de cette révolution technologique qui se profile. Ces technologies ne sont plus uniquement le sujet de films de science-fiction, mais une réalité palpable qui s'intègre dans le quotidien des entreprises. C'est fascinant !
Il faut comprendre que l'IA et le machine learning renforcent la capacité des entreprises à traiter et à analyser d'énormes volumes de données à une vitesse inégalée. Ce n'est plus simplement de l'analyse des données comme on l'entendait autrefois. C'est de l'analyse intelligente, qui apprend, s'adapte et s'affine avec le temps. La beauté de ces technologies, c'est qu'elles s'améliorent constamment.
L'impact sur les entreprises est colossal. Non seulement elles peuvent désormais analyser des volumes de données beaucoup plus importants, mais elles le font avec une précision et une vitesse étonnantes. Cela ouvre la porte à des innovations sans précédent. Pour moi, c'est comme voir une révolution en direct.
Il y a aussi cette prise de conscience que, grâce à l'IA et au machine learning, on ne se contente plus de comprendre le passé, on peut désormais prédire l'avenir et même prescrire des actions.
Quels conseils donneriez-vous aux entreprises qui souhaitent exploiter pleinement le potentiel de leurs données et tirer parti de l'analyse des données pour prendre des décisions stratégiques informées ?
Comme je dis souvent, la donnée, c'est l'or du XXIe siècle. Peu importe la structure, la taille, l'identité juridique ou le domaine, tout le monde traite, stock et dispose de données.
Le tout est de comprendre l'intérêt de cette dernière et les opportunités business par exemple.
Pour lancer une politique comme on aime l'appeler « Data-Driven » est important avant tout d'évangéliser les parties prenantes de la structure à l'importance des données.
Concernant le reste, je vais rester assez classique :
1 — Investissez dans les outils et la formation
2 — Comprenez vos données et collaborer avec vos utilisateurs/consommateurs
3 — Ne négligez pas la sécurité
4 — Testez, expérimentez, innovez
Quels sont les principaux défis auxquels sont confrontées les entreprises en matière de gestion et d'analyse des données, et quelles sont les meilleures pratiques pour les surmonter ?
Les défis sont assez classiques seulement moi.
Le premier étant le volume énorme de données qui ne cesse de croître d'année en année. Avec la digitalisation des processus qu'on le connait, tout est désormais stocké en base de données et donc exploitable. Difficile de faire le tri.
La qualité de la donnée est quand même un des grands défis du monde de la Data… Comme j'aime le dire même si ce n'est pas trop conventionnel : « Shit in, shit out ». Ce qui signifie littéralement que si votre donnée n'est pas nettoyée entre le moment de son intégration et de sa restitution, vos utilisateurs risquent de faire du pilotage sur des données fausses.
Les compétences et les ressources sont aussi un défi de taille, notamment avec la pénurie de ressources et profils.
Les réglementations européennes peuvent aussi représenter un défi de taille pour les entreprises.
La conduite au changement est, à mes yeux, le dernier et plus grand défi pour les entreprises qui doivent accompagner l'ensemble de l'entreprise sur le projet.
Quels sont les avantages et les limites des différentes plateformes et outils d'analyse des données, tels que les entrepôts de données, les data lakes ou les outils de visualisation des données ?
Il est difficile de faire cette liste, car chaque outil a ses propres avantages et inconvénients. En revanche, la philosophie de ces derniers reste la même.
Ce que je veux dire par là, c'est que peu importe la technologie pour votre ETL ou votre Data Lake, l'objectif et la philosophie de la techno restera la même.
Malgré tout, on retrouvera toujours des inconvénients comme des avantages dans ces domaines.
Par exemple, un entrepôt de données aura une organisation très structurée, permettant de disposer de son historique. En contrepartie, leur structure rigide rend difficile l'ajout de nouvelles sources de données ou la modification des existantes.
De la même manière, les data lakes peuvent stocker une grande variété de données, structurées ou non. C'est comme avoir un grand réservoir où tout peut être versé.
En revanche, sans une bonne gestion, ils peuvent rapidement devenir des « data swamps », c'est-à-dire des lieux où les données sont désorganisées et inutilisables.
Pour les outils de DataViz, on va retrouver les mêmes principes. Ils transforment des données complexes en visualisations compréhensibles. C'est comme traduire une langue étrangère en une langue maternelle. En revanche, il y a une dépendance aux données sous-jacentes : Si les données sources sont de mauvaise qualité, la visualisation le sera aussi.
Quels sont les nouveaux rôles et compétences nécessaires pour réussir dans le domaine de l'analyse des données en 2023, et comment les professionnels de l'analyse se préparent-ils à ces évolutions ?
Je trouve que les rôles sont de plus en plus étanches aux technologies. On parle bien évidemment toujours de Data Engineer, Data Scientist, Data Analyst ou encore Consultant BI.
Mais j'ai pu constater de nombreuses offres d'emploi sur des rôles hybride. Au salon de la Data à Nantes, j'ai entendu des rôles comme des BI Engineer, Analytycs Engineer. Des rôles qui se veulent plus souple et qui permettent d'intervenir sur l'ensemble de la chaîne BI par exemple.
Je constate aussi qu'un grand nombre de personnes se spécialisent dans la visualisation des données afin de fournir aux utilisateurs, des rapports impactants, cohérents et percutants pour leur analyse.
Bien évidemment, le grand gagnant de 2023 reste le domaine de l'Intelligence Artificielle, qui a fait couler beaucoup d'encre. L'IA a mis en lumière l'importance de la Data pour les entreprises. Des profils tels qu'ingénieur IA, consultant en IA ou même expert IA sont de plus en plus recherchés.
Parmi l'ensemble de ces domaines, les compétences techniques (hard skills) sont primordiales. Avant même de parler d'outils ou de se spécialiser sur un produit du marché, j'aime à dire qu'il est fondamental de comprendre les concepts clés. Qu'est-ce que la BI ? Qu'est-ce que le Big Data ? Pourquoi met-on en place ces outils ? Une fois que vous avez saisi cela, vous pourrez monter en compétence sereinement. Après cela, focalisez-vous sur des outils de programmation comme Python (au hasard, haha) ou sur des outils de DataViz si vous visez le rôle de Data Analyst (Power BI, peut-être ?).
Mais, globalement, gardez en tête que ce qui reste crucial dans notre domaine, c'est de maintenir votre pensée critique. Dans un monde de surinformation, la capacité de poser les bonnes questions et de discerner les tendances significatives est essentielle.
J'allais oublier… Vous aurez également besoin de compétences en communication. Les données sont utiles uniquement si elles peuvent être expliquées aux autres. C'est un peu comme traduire une langue complexe en termes simples.
Propos recueillis par Mathilde Flory
Restez à la pointe de l'information avec LEBIGDATA.FR !
Abonnez-vous à notre chaîne YouTube et rejoignez-nous sur Google Actualités pour garder une longueur d'avance.
- Partager l'article :
