Trouver votre prochain projet
Data Science et recruter votre Freelance Data Scientist avec Sparkline

120 CLIENTS ONT CHOISI NOTRE CABINET DE RECRUTEMENT DATA / IA POUR RECRUTER LEURS SPÉCIALISTES OU ENGAGER DES FREELANCES EXPERTS.

Qu’est qu’un Freelance Data Scientist ?

L’entreprise ou l’organisation publique qui fait appel au service d’un Freelance Data Scientist souhaite identifier de nouveaux leviers de croissance pour son activité à partir de l’exploitation de son capital de données.

Le Freelance Data Scientist va mettre à profit pour son client son expertise dans la manipulation et l’exploitation de la donnée pour trouver et communiquer des insights qui vont alimenter la réflexion de son client dans la prise de décisions stratégiques en vue d’améliorer son business.

Il s’agit donc bien à la fois d’un expert technique et d’un expert des enjeux business pour une direction opérationnelle ou général dans un secteur d’activité .

Arrêtons ainsi la définition en une phrase du métier de Freelance Data Scientist :

• Le secteur d’activité  : Banque, Assurance, Transport, Publicité programmatique, e-commerce, Finance des marchés, Grande distribution, Mode, Cosmétique, Pharmaceutique, Retail, Automobile, Aéronautique, Santé, Sport,…
• Les directions métier : Direction Générale, Direction Marketing, Direction Service Client, Direction Commerciale, Direction CRM, Direction Finance, Direction R&D, Direction Logistique/Supply Chain, Direction Ressources Humaines,…
• La typologie des données : il faut distinguer les données structurées des données non structurées voire même une catégorie de données dites semi-structurées.  Sans entrer dans le détail de la typologie des données, le différents type de données à manipuler que l’on peut trouver dans un projet Data Science sont des données tabulaires/tableaux de valeurs, des images, des vidéos, des sons, des commentaires, des signaux, du texte, des séries temporelles, des  données de géolocalisation, des images satellites,…

Quelles sont les qualités et les compétences du Freelance Data Scientist attendues par une entreprise ?

1. 1. Data Gathering : cette étape consiste à identifier les différentes sources de données internes et externes de l’entreprise ou de l’organisation et ensuite de collecter l’ensemble ou une partie des données des différentes sources identifiées ;
   2. Data Cleaning : cette phase consiste à nettoyer et à stocker les données dans des base de données dédiées de l’entreprise ou de l’organisation ;
   3. Data Processing  : cette étape consiste à appliquer des traitements sur les données de sorte à la convertir en  données utilisable et formatée pour les besoins de l’analyse ;
   4. Data Analysis : cette étape consiste à étudier et à faire parler les données, à détecter des schémas récurrentes et à produire des prédictions ;
   5. Data Visualisation : cette dernière phase consiste à formaliser les résultats de l’analyse sous forme de tableaux de bords ou de visuels pour les communiquer aux managers et collaborateurs concernés et les aider dans leur prise de décision.

• • Un savoir-faire technique : il a  une maîtrise des techniques et des outils pour manipuler et modéliser les données et aussi les outils de data visualisation qui permettent de restituer de manière visuelle et ergonomique ses résultats d’analyse ;
  • Une sensibilité business : il a une curiosité business qui lui permet d’acquérir une compréhension fine du secteur d’activité de l’entreprise et de la direction métier à servir, il sait comprendre leurs attentes particulières et les enjeux associés pour réussir sa mission ;
  • Une posture de conseil : il sait communiquer de manière claire et fluide aussi bien à un public averti que profane. Il sait faire preuve d’un esprit critique et analytique vis à vis de ses différents interlocuteurs qu’il doit écouter, questionner, challenger, comprendre, former, convaincre et accompagner.

Quelles sont les compétences techniques du Freelance Data Scientist ?

Le Freelance Data Scientist doit maîtriser une palette large de compétences techniques. Pour ne citer que les principales :

• Mathématiques/Statistiques : des connaissances avancées en probabilités et en statistiques (variance, variables aléatoires, théorème de Bayes…) et en algèbre linéaire (manipulations matricielles…).
• Machine Learning / Algorithmes d’apprentissage statistique : il existe trois types d’apprentissage automatique : l’apprentissage supervisé (Supervised Machine Learning), l’apprentissage  non-supervisé (Unsupervised Machine Learning) et l’apprentissage par renforcement (Reinforcement Machine Learning).
• Deep Learning : c’est une spécialisation du Machine Learning où l’apprentissage automatisé est réalisé via l’implémentation des réseaux de neurones à plusieurs couches.
• Programmation en Python ou R : le Freelance Data Scientist doit connaître un ou plusieurs langages de programmation pour collecter et explorer des volumes de données qui peuvent être très importants dans un contexte Big Data. Python est un des langages de programmation les plus courants en Data Science. 
• Requêtage des bases de données relationnelles via SQL : Oracle, MySQL, SQL Server, PosgreSQL
• Le requêtage des bases de données NoSQL : HDFS, MongoDB, Cassandra, Redis, CouchBase,…
• Software engineering : compétence de plus en plus recherchée et appréciée pour le déploiement des modèles à l’échelle en production. En effet, le Freelance Data Scientist doit savoir écrire un code propre et efficace pour permettre la reprise de son code par des équipes de dev ou de data engineer qui vont prendre en charge la mise à l’échelle/l’industrialisation du modèle et son intégration dans le SI de l’entreprise ou de l’organisation.
• La Data Visualization : la maîtrise d’un ou plusieurs outils ou librairies de data visualisation  est une compétence clé pour le Freelance Data Scientist, en effet la data visualisation est la face émergée de l’iceberg d’un projet Data Science, le livrable d’un projet Data Science d’un direction méteir va utiliser et exploiter.

Quelles missions sont proposées au Freelance Data Scientist ?

Néanmoins, nous avons constaté que la résolution de problématique d’une direction métier reste prédominante.

Voici des exemples de besoins client auquel notre cabinet de recrutement data scientist a répondu en recrutant un Freelance Data Scientist :

• • Pour une Direction Marketing : amélioration de la connaissance client, définition d’une nouvelle segmentation client, développement d’un nouveau modèle de scoring clients, …
  • Pour une Direction commerciale : réduction de la  pression commerciale sur les clients, optimisation du workflow d’envoi de mails personnalisés et automatisés, définition d’un modèle pour le cross selling et le upselling, détection des clients qui partent à la concurrence (Churn),… 
  • Pour une Direction Service Client : prévision du flux des appels entrants dans un call center,…
  • Pour une Direction logistique : prévision des commandes clients, prévision du stock, …
  • Pour une Direction Financière : détection de la fraude, prévision de la marge,…
  • Pour une Direction des Ressources Humaines : prédiction des démissions des collaborateurs, personnalisation du parcours de formation des collaborateurs, détection des erreurs dans les fiches de paie,…
  • Pour une Direction de la production : détection des défauts de fabrication, prédiction des retards de livraisons,…
  • Pour une Direction juridique : traduction automatique des documents, détection de faux documents,…