Comprenons déjà la notion de Data Scientist
Avant d’entrer dans le vif du sujet et de définir le concept de Citizen Data Scientist, envisageons le concept de Data Scientist. Un Data Scientist est chargé de la gestion, de l’analyse et de l’exploitation des données au sein d’une entreprise. A l’ère de l’explosion de la quantité de données au sein des entreprises, son rôle est devenu clé pour afin d’exploiter le mieux possible les fabuleuses quantités de données que possèdent les sociétés actuelles.
Accoler à ce poste le terme de Citizen, citoyen en français, peut paraitre étrange voire même détonner. Ce concept est récent puisqu’il date seulement de 2015 et a été créé par le cabinet américain de conseil de recherche dans le domaine des techniques avancées Gartner (qui observe et analyse les tendances et anticipe les évolutions de l’univers des technologies).
Apposer le terme de citoyen, soit quelqu’un sans formation scientifique spécifique aux côtés d’une fonction si technique et pointue est étonnant. Le cabinet Gartner le définit comme quelqu’un qui construit des modèles utilisant des techniques analytiques avancées, ou des fonctionnalités prédictives ou descriptives, mais dont la fonction initiale se situe en dehors du domaine des statistiques et de l’analytique.
Tous Data Scientist ?
C’est bien dans la simplification et l’automatisation des tâches que réside cette possibilité pour des citoyens lambda d’effectuer demain le travail de data scientist. Gartner estime en effet qu’aux environs de 2020, 40% des tâches qu’effectuent les data scientists seront automatisées.
La clé de cette simplification des activités du métier réside dans l’automatisation des tâches répétitives et manuelles, qui permettra à terme à chacun d’analyser et de faire des projections de données, en gardant bien en tête les cas d’usages client.
Si ce phénomène est applicable à l’univers de la data analyse, il l’est aussi plus généralement à l’ensemble de l’activité économique : dans les domaines de la banque ou de la distribution d’énergie par exemple cette évolution a déjà eu lieu.
Les use case métier sont les piliers de cette simplification de la fonction de data scientist. La définition et l’utilisation de ces use cases métiers inhérents aux enjeux de la data sont donc l’élément fondamental qui permettra la transition entre le Data Scientist et le Citizen Data Scientist.
La démarche Design Thinking est également importante parce qu’elle apporte la souplesse et la collaboration interne nécessaires au sein des entreprises, afin de former, de piloter et de mettre en avant la donnée et son usage par les différents utilisateurs.
