La pénurie d’experts en Data Science continue à sévir sur le marché du travail, empêchant les entreprises d’exploiter pleinement les données à leur disposition. Découvrez les raisons de cette pénurie, et les solutions existantes pour y remédier.

En quelques années, le Big Data est devenu une priorité pour les entreprises de toutes les industries. La data science est désormais perçue comme un nouvel enjeu crucial, et l’analyse de données permet de prendre un avantage sur la concurrence.

Toutefois, de nombreuses organisations se heurtent à un problème : la pénurie d’experts en Data Science. Il n’y a pas suffisamment de professionnels qualifiés pour répondre aux besoins des entreprises.
Selon QuantHub, il manquait 250 000 Data Scientists pour répondre aux besoins des entreprises en 2020. Plus de 35% des entreprises peinent à trouver les experts requis pour leurs besoins en Data Science. C’est le second domaine le plus frappé par la pénurie de talents, juste derrière la cybersécurité qui met en difficulté 39% des entreprises. Ce phénomène s’explique par plusieurs facteurs.

La Data Science : une discipline complexe

L’une des principales raisons de la pénurie d’experts en Data Science est qu’il s’agit d’une discipline complexe et difficile. Selon un récent rapport de Burning Glass, 42% des postes de Data Science requièrent un diplôme de niveau master ou supérieur.

De plus, une analyse menée par KDNugget révèle que les entreprises exigent que les candidats aient au moins 4,2 années d’expérience en tant que Data Scientist ou 5,2 années d’expérience dans un domaine lié.
Les diplômes ne suffisent pas à remplacer l’expérience professionnelle, d’autant que de nombreuses formations sont trop théoriques. Il est nécessaire de disposer de compétences techniques et de connaissances concrètes pour être réellement efficace et productif.

Les entreprises ne recherchent pas simplement des Data Scientists, mais des candidats dotés de compétences croisées en marketing, en ressources humaines ou en finance. Les jeunes diplômés peuvent parfois se heurter à cette réalité, et devront commencer par travailler en tant que Data Analyst pour ensuite accéder à un poste de Data Scientist mieux rémunéré.
Par ailleurs, la technologie évolue très rapidement. Les entreprises recherchent des Data Scientists capables d’utiliser des technologies modernes plutôt que d’anciens langages de programmation comme Ada, C ou Haskell. Des capacités en Data Visualisation ou en Machine Learning sont très convoitées.

Toutefois, la demande en Data Scientists continue à augmenter. Selon le Bureau of Labor Statistics des États-Unis, le nombre de postes à pourvoir devrait augmenter de 15% par an jusqu’en 2029.

Une demande massive liée à l’essor du Big Data

Malgré le fait que de nombreuses personnes se forment à la Data Science, le nombre d’experts ne suffit pas à répondre aux besoins des entreprises. Et pour cause : la demande est massive.
À l’heure du tout numérique, le volume de données que nous générons croît de manière exponentielle. Chaque jour, des quintillions de bytes sont produits. Ces données proviennent notamment des appareils connectés via l’Internet des Objets, des services de streaming, du e-commerce, des réseaux sociaux ou des smartphones.

Or, l’analyse et l’exploitation de ces mégadonnées sont désormais indispensables en entreprise. Les avantages que le Big Data confère ne peuvent être ignorés, au risque d’être dépassé par la concurrence.
La majorité des applications logicielles reposent sur les données pour proposer une expérience personnalisée. De même, les entreprises s’en remettent à la publicité ciblée qui dépend elle aussi du Big Data. Plus encore, la prise de décision basée sur l’analyse est un véritable atout.

Les petites entreprises peuvent se contenter d’un seul ingénieur logiciel et d’un analyste de données. Ce n’est pas le cas des grandes organisations ou une équipe complète d’experts doit inclure des programmeurs, des développeurs, des experts en Dataviz et des coordinateurs de projets.

Même si de nouveaux outils permettent l’automatisation de certaines tâches comme le nettoyage de données, les Data Scientists restent irremplaçables et très convoités par les entreprises. La demande est donc extrêmement élevée.

Comment lutter contre la pénurie d’experts ?

Afin de remédier à ce problème de pénurie, de nombreuses universités ont mis en place des programmes de Data Science, d’analyse de données ou de Machine Learning. Selon Data Science Programs, on dénombre 830 cursus de Data Science rien qu’aux États-Unis proposés par plus de 500 universités. Toutefois, un grand nombre de ces parcours ne suffisent pas à former de véritables experts en Data Science.
De nombreuses personnes optent pour des cours en ligne et des MOOCs pour apprendre la Data Science. Certaines entreprises recrutent des profils issus de formations courtes, mais d’autres craignent qu’il ne leur manque des compétences fondamentales. Chez DataScientest, la formation délivrée est axée sur la pratique. Ainsi, les apprenants sont pleinement opérationnels à l’issue de leur formation. La méthode d’apprentissage innovante en “blended learning” permet également de se former à son rythme, tout en conservant une activité professionnelle.
Les employeurs sont nombreux à exiger des compétences techniques et une expérience sur des outils spécifiques comme Python ou Hadoop. Les compétences générales comme la Data Visualization ne suffisent pas à convaincre.

De leur côté, les géants comme IBM et Amazon préfèrent remédier à la pénurie d’experts en formant leurs propres employés à l’analyse de données et à l’intelligence artificielle. Ils développent leurs propres cours ou font appel à un tiers.

Les outils d’automatisation comme AutoML permettent aussi de pallier le manque de professionnels, tout du moins partiellement. Des plateformes comme Alteryx et DataRobot permettent de faciliter le Data Management et l’analyse de données en self service.

Les ingénieurs peuvent se tourner vers ces solutions plutôt que de devenir des Data Scientists à part entière. Les « citizens data scientists » et la « data literacy » sont de plus en plus populaires, et permettent de compenser le manque de compétences en interne.

Si vous décidez de suivre une formation à la Data Science, ou de financer une formation à vos employés, il est essentiel d’opter pour un programme pensé et conçu pour répondre aux besoins concrets des entreprises. Une formation doit être professionnalisante, et permettre d’acquérir les compétences réellement sollicitées sur le marché du travail.