réseaux

People

Data Science et intelligence connectée : 3 questions flash à Nicolas Glady

Nicolas Glady est docteur en économétrie et titulaire de la Chaire Accenture Strategic Business Analytics de l’ESSEC où il enseigne le marketing stratégique, le marketing analytics et le marketing management. Ses travaux portent sur les techniques quantitatives utilisées pour la stratégie et le marketing, le Big Data, et tout ce qui est lié aux transformations digitales. Il conseille aussi régulièrement des entreprises dans le secteur financier, la grande distribution, l’alimentaire ou les nouvelles technologies.

Nicolas Glady

La data science s’inspire de beaucoup d’autres domaines. Existe-il des formations adaptées ou des lieux d’apprentissage ?

La formation d’ingénieur est devenu le cursus le plus courant pour exercer dans le domaine de la data science.

En échangeant avec les entreprises, nous nous sommes rendu compte qu’il y avait un réel besoin de gens capables de comprendre et d’interpréter clairement le Big Data tout en répondant aux défis de l’innovation. Les profils les plus prisés aujourd’hui sont ceux orientés vers l’usage.

Il faut savoir qu’en France les profils sont encore très ingénieurs, d’où l’intérêt ici de faire marcher deux métiers à la fois qui utilisent d’une part les compétences d’ingénieur et d’autre part celles du manager.

Pourquoi les organisations ont-elles besoin de Data Scientists ?

Quand on regarde ce qui ce passe au niveau du marketing, on constate que l’on utilise énormément tout ce qui est datas pour mieux comprendre le comportement des consommateurs et des personnes que l’on doit cibler en priorité.C’est que l’on appelle la segmentation.

On essaie de comprendre la sensibilité des prix sur bases de données historiques, de développer des modèles d’appétence à l’achat … mais pas seulement. L’analyse et l’exploitation des données est aujourd’hui une application à tous les niveaux que ce soit des RH, du supply, des soins à la personnes, de l’écologique…

On s’intéresse donc tous à la data ! Pourquoi ? Parce que ça marche ! Quand de grandes organisations traitent une grande quantité de données, les statistiques marchent la plupart du temps et deviennent alors exploitables. Si, par contre, vous avez un business avec seulement 3 clients, on utilisera sans doute un autre système car cela reviendrait bien trop incertain ! Donc prédire le comportement des gens avec les statistiques à un niveau individuel est plutôt risqué, mais avec des moyennes, c’est souvent fiable !

« Le data scientist est quelqu’un qui est sait mieux développer qu’un statisticien et qui connaît mieux les statistiques qu’un développeur » (Michael O’Connell, Chief Data Scientist chez TIBCO Jaspersoft). Qu’en pensez vous ? 

Oui, effectivement il faut avoir une approche un peu techno mais surtout il faut être capable de construire les outils. Le profil idéal est quelqu’un capable à la fois de maîtriser des outils informatiques, statistiques et de comprendre leur valeur d’un point de vu métier pour finalement communiquer de manière claire.

Quelles avancées récentes en matière de gestion de données ?

Il y a cette tendance moins récente qui est de générer beaucoup de données, de toutes les stocker dans le Cloud, et d’avoir la capacité technologique de les gérer.

Mais la vraie tendance actuelle réside dans la granularité de l’information. A chaque action de gestion des données correspond une granularité optimale, adaptée à la forme et/ou au support de l’information. La tendance s’applique notamment aux objets connectés. Nous retrouvons les fameux bracelets, qui comptent le nombres de vos pas, votre qualité de sommeil, la balance intelligence, ou encore la cocotte minute intelligente… Les données ne sont plus des données générées par les entreprises mais par l’individu lui-même. Ces applications permettent de faire des statistiques individuelles et en temps réel et ont vocation à faire de l’intelligence connectée.

Pour aller plus loin :