Introduction

« Il faut tout un village pour transformer les données en valeur. »
Dans cette présentation nous allons découvrir qui compose ce village et comment chaque rôle contribue au cycle d’un projet de science des données.

Le cycle d’un projet en science des données

Cycle complet d’un projet de science des données, de l’importation à la communication

• Import
  Charger les données brutes depuis leurs sources dans l’environnement de travail.

• Tidy
  Réorganiser les données pour qu’une ligne corresponde à une observation et une colonne à une variable.

• Transform
  Filtrer, agréger et créer de nouvelles variables afin de préparer l’information à l’analyse.

• Visualize
  Explorer les données par des graphiques pour faire émerger tendances, relations et anomalies.

• Model
  Construire des modèles statistiques ou d’apprentissage automatique pour expliquer ou prédire.

• Communicate
  Présenter résultats, limites et recommandations de façon claire et actionnable aux parties prenantes.

Cartographie des rôles

Data Engineer

Mission : Mettre à disposition des données fiables, accessibles et bien structurées.

À l’œuvre :
- Conçoit des architectures de données.
- Automatise l’import (Import), la mise au propre (Tidy) et la diffusion.
- Collabore étroitement avec le Data Owner et prépare le terrain pour les analystes.

Data Owner

Mission : Garantir la gouvernance, la conformité et la qualité des données.

Responsabilités :
- Définit les métadonnées, accès et politiques de vie privée.
- Valide la source et supervise les mises à jour.
- Est le point de contact légal et organisationnel.

Lien avec le cycle : Fournit la matière première et valide chaque changement avant diffusion.

Statisticien

Mission : Modéliser les phénomènes et quantifier l’incertitude.

À l’œuvre :
- Choisit les bonnes méthodes (inférence, échantillonnage, expérimentation).
- Évalue les hypothèses, construit et interprète les modèles.
- Garantie la robustesse et la validité des conclusions.

Lien avec le cycle : Au cœur de Model, avec une forte boucle vers Visualize pour diagnostiquer et expliquer.

Data Scientist

Mission : Transformer les données en produits et recommandations à haute valeur ajoutée.

À l’œuvre :
- Combine programmation, statistique et domaine métier.
- Itère rapidement entre Transform, Visualize et Model.
- Met en production des solutions.

Data Analyst

Mission : Fournir des insights opérationnels et soutenir la prise de décision au jour le jour.

À l’œuvre :
- Prépare des rapports, indice de performance et tableaux de bord.
- Interroge les bases, agrège, crée des visualisations claires.
- Collabore avec le Data Engineer pour assurer la validité des données.

Lien avec le cycle : Exploite surtout Transform et Visualize, communique dans la phase finale.

Data Journalist

Mission : Raconter des histoires engageantes basées sur des données vérifiables.

À l’œuvre :
- Fouille des bases de données publiques, vérifie les faits.
- Crée des visualisations interactives et des narrations.
- Vulgarise pour un large public et défend la transparence.

Lien avec le cycle : Met l’accent sur Communicate, s’appuie sur le travail des autres rôles pour la partie technique.

Freelancer

Mission : Offrir une expertise ponctuelle et adaptable sur tout ou partie du cycle.

Particularités :
- Polyvalence : doit comprendre chaque rôle pour intervenir efficacement.
- Gestion de projet, relation client et veille technologique.
- Peut combler les manques dans une équipe interne.

Conclusion

• Chaque rôle apporte une expertise unique mais aucun ne suffit seul.
  
• La communication et la gouvernance assurent la cohérence.
  
• Dans ce cours, vous endosserez différents chapeaux pour expérimenter tout le cycle !

Bienvenue dans l’aventure STT‑1100 !