Chef de Projet Data Science.

Les missions se déroulent en mode régie ou en mode projet et généralement au sein des équipes clients. Depuis l’épisode de la pandémie, les missions n’exigent plus sauf exception d’être présent intégralement sur site, mais plutôt à un rythme de 2 à 3j avec le complément en télétravail.

Le Chef de Projet Data Science est à la fois l’ordonnateur du déroulement du projet et le garant de la qualité de la réalisation des projets data science qui peuvent se décliner généralement en plusieurs taches (réalisées par le data scientiste ou le data analyste) sous sa responsabilité.

• Contrôler la qualité des données : Identifier des défauts (absences, abérration, fraicheur, …)
• Explorer : faire des analyses statistiques, du profiling, créer des segmentations (clustering).
• Prédire : Fabriquer des modèles prédictifs avec des algorithmes de machine learning et deep learning.
• Créer des moteurs de règles : moteurs de recommandations, moteur de règles d’assortiments.
• Restituer les résultats par de la dataviz et des dashboards réalisés sur des outils commerciaux (PowerBI, Tableau, Qlik, Google Data Studio…) ou en open source (Shiny, Dash, Kibana) ainsi que souvent des présentations de type PowerPoint.

Il s’occupe de la comitologie du projet et des relations avec les parties prenantes.

Il s’assure du bon avancement et n’hésite pas à remonter des blocages et / ou des compétences décalées par rapport à l’objectif et / ou une sous calibration des efforts nécessaires à la réussite du projet.

Dans la plupart des missions, sa compétence technique doit être suffisante pour dialoguer avec les DS / DA / DE impliqués et parfois jusqu’à la revue du code écrit par ses équipes (ou antérieurement), c’est pourquoi nos Chef de projets Data Science sont à la fois des managers organisationnels mais peuvent aussi jouer le rôle de lead technique.

Dans certaines missions, la compréhension du travail des équipes suffit sans nécessiter une relecture du code produit par elles, mais elles sont plus rares. Comme on peut le constater, la capacité à certains moments clés du projet à comprendre le code peut être crucial même si ce n’est pas au quotidien.

Les compétences techniques

Nous demandons une compétence technique avérée suffisamment récente pour auditer le code produit en :

• Python, SQL, R, (SAS ou Dataiku dans certaines missions)
• Culture Environnements Cloud (Azure, AWS, GCP) et Environnements Big Data (Cluster Hadoop)
• Culture Machine Learning et Deep Learning
• Culture des méthodes agiles (Scrum) ou de leur philosophie.

Ancien data miner s’étant formé aux techniques actuelles, DS expert qui désire manager des projets ou prendre le lead technique sur certains projets ou bien chef de projet informatiques qui s’est reformé aux nouvelles approches data et qui aime bien coder.

• Rigoureux, méthodique, organisé et très autonome.
• Tempérament de leader.
• Est toujours en veille technologique.
• Dialogue avec ses collaborateurs, les différents métiers de l’entreprise.
• S’intéresse aux données qu’il traite, à l’environnement métier, et aux apports que sa valorisation des datas génère.
• Esprit d’analyse et de synthèse et pédagogie de communication à divers niveaux (stratégiques et techniques), grande force de persuasion tout en restant à l’écoute des remarques.
• Très bonne maitrise de la langue à l’écrit comme à l’oral.