• bitcoinBitcoin (BTC) $ 97,761.00 2.01%
  • ethereumEthereum (ETH) $ 3,842.43 6.51%
  • xrpXRP (XRP) $ 2.41 7.73%
  • tetherTether (USDT) $ 1.00 0.2%
  • solanaSolana (SOL) $ 230.36 2.72%
  • dogecoinDogecoin (DOGE) $ 0.422103 2.98%
  • cardanoCardano (ADA) $ 1.20 0.83%
  • usd-coinUSDC (USDC) $ 0.998058 0.1%
  • tronTRON (TRX) $ 0.334808 8.35%
  • shiba-inuShiba Inu (SHIB) $ 0.000031 7.43%
  • polkadotPolkadot (DOT) $ 10.86 11.88%
  • chainlinkChainlink (LINK) $ 24.38 0.82%
  • stellarStellar (XLM) $ 0.496676 4.05%
  • wrapped-bitcoinWrapped Bitcoin (WBTC) $ 97,270.00 1.91%
  • bitcoin-cashBitcoin Cash (BCH) $ 576.04 6.42%
  • litecoinLitecoin (LTC) $ 132.14 0.82%
  • uniswapUniswap (UNI) $ 15.79 8.62%
  • internet-computerInternet Computer (ICP) $ 15.03 5.17%
  • ethereum-classicEthereum Classic (ETC) $ 38.13 15.57%
  • vechainVeChain (VET) $ 0.069094 1.55%
  • filecoinFilecoin (FIL) $ 8.21 14.63%
  • cosmosCosmos Hub (ATOM) $ 10.18 8.72%
  • aaveAave (AAVE) $ 259.72 9.97%
  • moneroMonero (XMR) $ 192.68 1.14%
  • daiDai (DAI) $ 0.998631 0.04%
  • okbOKB (OKB) $ 58.48 5.63%
  • theta-tokenTheta Network (THETA) $ 3.02 2.05%
  • eosEOS (EOS) $ 1.34 19.52%
  • makerMaker (MKR) $ 2,256.87 0.92%
  • iotaIOTA (IOTA) $ 0.485680 7.78%
  • bitcoin-svBitcoin SV (BSV) $ 82.10 11.1%
  • neoNEO (NEO) $ 22.16 10.25%
  • matic-networkPolygon (MATIC) $ 0.720352 2.37%
  • pancakeswap-tokenPancakeSwap (CAKE) $ 3.99 16.35%
  • kusamaKusama (KSM) $ 47.35 5.72%
  • compound-ethercETH (CETH) $ 77.27 6.55%
  • binance-usdBUSD (BUSD) $ 0.966259 2.8%
  • compound-usd-coincUSDC (CUSDC) $ 0.024278 0.12%
  • cdaicDAI (CDAI) $ 0.023926 0.07%

Les défis d’être un data scientist dans le monde de l’entreprise

Sommaire

Cela fait quelques années que le monde a découvert une nouvelle perspective de carrière passionnante. Mais le battage médiatique autour de la science des données n’est toujours pas retombé. Comme il est prévu qu’elle reste l’emploi le plus  » chaud  » pour les deux prochaines années, il ne semble pas que le buzz autour de la science des données disparaisse de sitôt.

Et pourquoi pas ? La science des données et les profils d’emploi qui s’y rattachent ont de plus en plus marqué le tournant de nombreuses entreprises. Pas mal d’entreprises ont sauté dans le train de la science des données dans l’espoir d’obtenir de meilleurs revenus et des solutions commerciales plus fraîches.

Cependant, aussi prometteur que cela soit, il y a plusieurs défis et difficultés auxquels un scientifique des données a été confronté dans sa carrière.

Plus que ce que l’on voit

Malgré le fait que ce soit l’un des emplois les mieux payés dans l’industrie du logiciel, tout n’est pas rose dans le monde de la science des données. Des études montrent que près de 13,2 % des data scientists sont à la recherche d’un nouvel emploi. Comme le rapporte un article publié l’année dernière, le domaine de la science des données compte le deuxième plus grand nombre de personnes insatisfaites de leur emploi.

Mais pourquoi les scientifiques des données sont-ils si mécontents de leur emploi ?

Dans un premier temps, on a tendance à blâmer les candidats eux-mêmes. En raison de l’augmentation de l’intertest, la demande de data scientists bien qualifiés dans les industries est élevée. Et donc, les individus qui cherchent des emplois dans le spectre de la science des données ont certainement leur juste choix de la récolte. Ce qui les conduirait à être inconstants et pointilleux sur les opportunités qu’ils explorent.

Cependant, la faute ne repose pas entièrement sur les épaules du candidat. Elle incombe en grande partie aux entreprises qui cherchent à intégrer la science des données dans leur organisation.

Le monde de l’entreprise est-il prêt pour les data scientists ?

Avec l’intérêt croissant autour de la science des données, il n’est pas surprenant que chaque entreprise veuille en faire partie. La science des données est le nouveau jouet cool du monde de l’entreprise. Et tous les enfants du quartier en veulent un.

Cependant, étant un domaine relativement nouveau, peu d’entreprises savent à quoi s’attendre en mettant en place un département de science des données. Suivant aveuglément le mouvement parce que tout le monde le fait, les entreprises embauchent des candidats en science des données sans comprendre pleinement la nécessité ou le but derrière tout cela.

Il doit y avoir une certaine préparation avant qu’une entreprise ne commence à embaucher des scientifiques des données. Ce qui inclut la compilation et la préparation des données qui doivent être analysées. L’une des principales raisons pour lesquelles les data scientists ont tendance à quitter une entreprise est la quantité de données qu’ils doivent trier avant de pouvoir commencer le travail que leur profil d’emploi exige.

Ils finissent par avoir affaire à des données de mauvaise qualité, qui comprennent des valeurs incomplètes, des échantillons manquants et une mauvaise représentation des échantillons qu’ils ont. Cela les laisse mécontents car leur plein potentiel en tant que data scientist n’est pas réalisé.

En plus de cela, les entreprises embauchent directement des data scientists de niveau junior avec peu ou pas d’expérience dans le domaine, car ils n’attendent pas grand-chose en termes de salaire. Mais, sans senior pour les guider, ces bleus sont livrés à eux-mêmes pour naviguer dans la grande quantité de données sales. Cela les conduit généralement à se sentir perdus et frustrés. Finalement, ils quittent l’entreprise pour des opportunités d’emploi plus satisfaisantes.

Le dilemme d’un data scientist

Une autre raison majeure qui pousse les data scientist à quitter ou à changer d’emploi est la politique d’entreprise. D’accord, il est vrai que toute politique dans une organisation peut rendre le travail de quiconque beaucoup plus difficile que nécessaire. Cependant, étant donné que la science des données est censée avoir un impact direct sur l’amélioration du chiffre d’affaires de l’entreprise, les scientifiques des données sont souvent pris dans les feux croisés de la haute direction. Il devient donc extrêmement important pour eux d’être du bon côté des bonnes personnes.

Ce qui signifie assumer beaucoup de tâches supplémentaires qui n’ont aucun rapport avec leur description de poste. Ils deviennent la personne à contacter pour tout ce qui concerne les données et les chiffres. Et on attend d’eux qu’ils aient les réponses à tout au bon moment. Par exemple, on attend des data scientists qu’ils traduisent les données en points d’action pertinents. Parce que, en toute honnêteté, la haute direction ne s’intéresse pas aux chiffres, mais s’intéresse à la façon dont ces chiffres peuvent être utilisés pour générer de meilleurs revenus pour l’entreprise.

Et dans les entreprises qui n’ont jamais eu de data scientists auparavant, il y aurait une certaine quantité de scepticisme de la part de certaines parties de la direction. Ainsi, le data scientist doit répondre aux questions des individus qui n’adhèrent pas à leurs analyses et prévisions. Sans compter qu’ils sont envoyés à la chasse au gaspi en essayant de trier et de compiler toutes les données brutes en premier lieu. Ce qui entraîne une résistance à la collecte de données de la part des sceptiques. Tout cela mis bout à bout peut faire peser un stress important sur un data scientist.

 

 

.

Partager sur