Voguer sur un data lake ou faire votre shopping dans un data mart n’a plus de secret pour vous. Vous avez fait vos armes, vous voilà chevalier de la donnée, bref, data scientist ! C’est à vous que les entreprises s’adressent pour tirer des enseignements de leurs quantités de données astronomiques. Autant dire tout de suite que vous avez le vent en poupe. Parlons donc de votre salaire, cher-ère data scientist.
Droit au but : combien tu m’offres ?
Comme toujours, nos chiffres sont pertinents pour le marché francilien et à interpréter au regard de votre parcours, (mais ce n’est pas à vous que l’on apprendra à faire parler les chiffres). La maîtrise de certaines stacks ou la charge d’une équipe peuvent bien sûr influer sur les cotations. La plus haute cotation que nous avons enregistrée pour ce métier était de 100 000 euros, pour un talent formé à l’université et fort de 17 années d’expérience. En sortie d’école, le salaire brut annuel est plutôt autour de 41 000 €. Mais voyez plutôt les moyennes de salaires proposés selon la séniorité.
| 1-3 ans | 4-6 ans | 7-9 ans | + de 10 ans | |
| Data scientist | 53 500 € | 63 500 € | 72 200 € | 80 100 € |
Si vous ne l’avez pas déjà fait, obtenez une estimation personnalisée grâce à notre simulateur de salaire.
Consultez le simulateur de salaireHard skills : les must have d’un(e) data scientist
(Sorry, il n’est pas prévu d’éviter tout anglicisme.)
Ce ne sera pas une surprise, un(e) data scientist a besoin de connaissances solides en machine learning, data mining, mathématiques et en statistiques.
Comme le souligne le blog de Mr Mint, il y a une petite dizaine d’algorithmes de machine learning utiles à tout data scientist :
- les algorithmes de régression (linéaire univariée, multivariée et polynomiale) et de non régression,
- de régression logistique et de Machine à Vecteurs de Support (SVM) pour une classification binaire,
- Naïve Bayes,
- anomaly detection,
- decision trees (Random forest, XGBoost…)
- neurals networks,
- K-means, un algorithme de clustering,
- Gradient Descent.
On vous faisait un petit récap des formations pour accéder à ce type de poste il y a quelques mois. Faites-y un tour si vous êtes en quête de détails.
A la différence d’un(e) data analyst, un(e) data scientist a pour rôle d’élaborer des modèles prédictifs à partir des big data. Cette dimension prédictive lui est spécifique et le distingue aussi du métier de statisticien, par exemple. Il doit en outre mettre en place des tests et des contrôles pour vérifier l’exactitude de ses résultats.
La maîtrise de langages comme R ou Python et ses extensions – Numpy, Matplotlib, Pandas – lui est nécessaire. On pourrait aussi citer Java et le framework Hadoop ou Apache Spark pour le stockage et le traitement des masses de données, des solutions de gestion de bases de données comme SQL et de datavisualisation comme Tableau.
Soft skills : sur quoi insister ?
Un modèle prédictif génial mais peu utilisé perd de son intérêt. Tout data scientist a donc besoin de savoir argumenter pour convaincre différents métiers d’intégrer les outils qu’il a créés. On suggère donc de développer sa capacité d’analyse, un certain sens de l’écoute, de la diplomatie et de la pédagogie pour savoir rendre compte et diffuser le fruit de son travail.
Les esprits ouverts, logiques et créatifs peuvent s’épanouir dans ce métier qui exige de trouver des liens entre des données a priori déconnectées.
Jouez avec les chiffres (de votre salaire)
Que vous dit votre modèle prédictif intérieur sur votre prochain salaire ? Inscrivez-vous en deux clics pour découvrir votre valeur sur le marché. Faites grimper votre salaire en 2020 !
3