Les responsabilités professionnelles d'un citoyen data scientist incluent le traitement de nouvelles données, l'utilisation d'outils automatisés pour traiter le Big Data et la création de modèles supplémentaires pour obtenir des informations supplémentaires. Leur tâche principale n’est pas de faire des prédictions directement à partir du Big Data, ni de développer des analyse prescriptive, mais pour créer des modèles et utiliser des outils qui atteignent ces objectifs.

Les data scientists citoyens comblent le fossé entre le « vrai » scientifiques de données (formés et diplômés) et les propriétaires d'entreprise effectuant leurs propres analyses en libre-service. Cette analogie peut donner un aperçu : un data scientist peut être capable de parcourir dix miles en une heure, mais un citoyen data scientist peut se promener, réchauffer la voiture et parcourir dix miles en moins d'une heure, pour moins d'argent. Certes, le citoyen data scientist ne verra pas autant de paysages en cours de route, mais il fera quand même son travail. 

La position du citoyen data scientist est particulièrement inhabituelle dans la mesure où, du moins pour le moment, elle n’est accessible que par le biais de promotions internes. Bien que le titre existe depuis quelques années, il n’existe aucune offre d’emploi pour les employeurs à la recherche d’un « citoyen data scientist ». De manière générale, le poste ajoute des responsabilités à la description de poste actuelle d'une personne. Pour obtenir la promotion, il faudra généralement suivre et réussir certains cours de science des données correspondant aux besoins de l'organisation et pouvant inclure une certification.

La création du poste de « citoyen data scientist » est une solution à la pénurie de scientifiques de données. Une grande partie du travail généralement effectué par les data scientists concerne des tâches opérationnelles banales, telles que la validation Qualité des données, fusionner des ensembles de données et identifier des sources de données. Ces tâches sont fastidieuses et chronophages, et les confier à un data scientist « coûteux » n’est pas très rentable. Il est préférable de faire appel à quelqu'un de beaucoup moins cher pour accomplir ces tâches à l'aide de l'automatisation.  

Négocier le poste de Citizen Data Scientist

La direction a décidé de embaucher un data scientist pour un projet à court terme et pour réorganiser le service commercial internet. Il a également été décidé qu'un « membre de l'équipe » permanent serait désigné pour assister le data scientist à temps partiel, afin de réduire les coûts et de conserver l'expérience. À la fin du projet, le membre de l'équipe assumera la maintenance quotidienne du programme d'analyse nouvellement installé et des algorithmes prédictifs pour les ventes sur Internet. De plus, le membre de l'équipe devra suivre quatre cours pour acquérir une connaissance de base des nouvelles responsabilités. (Un membre de l'équipe intelligent et affirmé pourrait approcher la direction avec l’idée d’être promu citoyen data scientist.)

Dans la situation décrite ci-dessus, un grand nombre de changements ont lieu au sein de l'organisation, et à moins que la direction ne communique de manière approfondie avec l'ensemble du personnel, il y aura de la confusion et des attentes brisées. Idéalement, le membre de l’équipe verra certaines responsabilités transférées à d’autres membres du personnel. L’« élu » devrait également disposer de temps pendant la semaine de travail pour étudier ou suivre un cours en ligne. Le membre de l’équipe doit également être impliqué dans le choix des cours, car certains cours en ligne conviennent mieux à certaines personnes. Et puis il y a la question de l’obtention d’une augmentation. Enfin, une sorte d'arrangement devra être conclu pour que le membre de l'équipe nouvellement formé ne parte pas pour un nouvel emploi six mois après avoir été formé et promu.

Il convient de noter qu’il pourrait y avoir des avantages à avoir plus d’un citoyen data scientist parmi le personnel.

Pour la gestion : créer
un citoyen data scientist

Sélection la bonne personne est également important. Gardez un œil sur les personnes qui aiment lire. En termes d’études, ils auront un avantage significatif sur les personnes qui trouvent la lecture ennuyeuse. L'âge peut être une question intéressante, dans la mesure où certaines personnes âgées n'aiment pas apprendre de nouvelles astuces, tandis que d'autres peuvent suivre des cours par elles-mêmes, à la fois pour poursuivre le processus d'apprentissage et conserver un état d'esprit plus flexible.

Fournir la formation et les outils appropriés est particulièrement important lors de la création d’un rôle de data scientist citoyen. Ayant décidé d'apporter des changements dans l'organisation, de dépenser de l'argent pour payer des cours, etc., il serait insensé de court-circuiter le processus avec une mauvaise formation et des outils qui ne fonctionnent pas bien. Aujourd'hui l'intelligence d'entreprise et des outils d'analyse combinés à un citoyen data scientist efficace peuvent aider les entreprises de manière significative accélérer leur stratégie data, et améliorer leurs profits.

Pour les employés actuels :
Devenir un Citizen Data Scientist

Pour une personne véritablement intéressée par la science des données, mais qui ne peut pas retourner aux études à temps plein pour obtenir un diplôme d'études supérieures, le poste de citoyen data scientist pourrait s'avérer idéal, et un programme de certification peut fournir une formation utile. Vous pouvez emprunter différentes voies, allant d'un processus d'auto-apprentissage à une formation interne en passant par des cours du soir au collège communautaire local. Cela dépendra de vos compétences actuelles, des besoins de l’organisation et des approches d’apprentissage qui vous conviennent le mieux.

Il est généralement admis qu’il existe différents styles et techniques d’apprentissage et que différentes personnes apprennent plus rapidement et plus facilement avec une combinaison spécifique de styles. Chacun a une combinaison différente de styles d’apprentissage préférés. Les styles d'apprentissage les plus fondamentaux sont :

• Apprentissage visuel : Ce type d’élève utilise des images, une compréhension spatiale et des images pour apprendre. Les élèves peuvent visualiser facilement les informations et ont souvent un très bon sens de l’orientation. L’utilisation de tableaux blancs (ou de présentations PowerPoint) peut s’avérer très efficace pour ce type d’apprenant.
• Apprentissage verbal : Ce type de personne apprend bien en écoutant et en discutant. Les cassettes audio fonctionnent bien. Les apprenants verbaux ont souvent un vocabulaire étendu et excellent dans les activités impliquant la parole, les débats et le journalisme.
• Apprentissage physique : Ces élèves utilisent leur sens du toucher pour apprendre. Ils excellent dans les activités physiques. Ces apprenants aiment bricoler et apprennent mieux lorsqu’ils peuvent faire les choses de manière pratique, plutôt que de regarder ou d’écouter.

Une deuxième décision est d'étudier ou non
seul. Certaines personnes préfèrent étudier seules, tandis que d'autres préfèrent étudier avec un
groupe.  

Données des citoyens
Études scientifiques

De nombreux endroits proposent des cours en ligne conçus pour fournir les compétences de base dont un citoyen data scientist a besoin. Il y a une très forte probabilité que l'employeur d'un étudiant ajoute quelques cours spécifiques aux besoins de l'organisation, mais suivre un cours de science des données citoyennes constitue une bonne base. La formation doit inclure les éléments suivants comme point de départ :

• Utiliser SQL pour préparer les données
• Comprendre les concepts de base des modèles de classification
• Construction de tableaux de bord clients
• Utiliser SQL pour créer un modèle de segmentation
• Créer un modèle de ciblage avec l'apprentissage automatique
• Construire un système de recommandation avec l'apprentissage automatique

L'avenir de
Scientifiques des données citoyens

De plus en plus, les organisations donnent la priorité au passage à des analyses prédictives et prescriptives avancées. Actuellement, les data scientists traditionnels sont souvent coûteux et difficiles à trouver. Les data scientists citoyens peuvent constituer un moyen très efficace de remédier à cette pénurie. La technologie est la principale raison qui soutient la montée en puissance des citoyens data scientists. La technologie a permis aux non-spécialistes d’atteindre plus facilement les mêmes objectifs. Au cours des dernières années, les outils d'analyse et de BI sont devenus beaucoup plus faciles à utiliser et incluent des analyses augmentées.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://www.dataversity.net/so-you-want-to-be-a-citizen-data-scientist/