Scientifique de données

Description de l'emploi

Le scientifique principal de données est responsable formuler des solutions analytiques de pointe et travaille en étroite collaboration avec l’équipe pour comprendre les besoins en données de divers secteurs d’activité. Il élabore en outre des solutions pour appuyer des décisions fondées sur l’information, livre des analyses approfondies des grandes questions qui touchent l’organisation et conçoit des modèles afin d’améliorer les procédés, comme dans le cadre de projets importants.

Responsabilités professionnelles

Voici les principales exigences et responsabilités liées au poste de scientifique principal de données :

•    Mener, en collaboration avec les autres membres de l’équipe, des examens généraux pour cerner les besoins du client, ses problèmes et ses débouchés afin de déterminer si une solution peut être mise au point.

•    Élaborer des rapports analytiques qui résument la méthodologie à employer pour des projets précis mettant l’accent sur les principales sources de données, les variables devant faire l’objet d’un examen et les résultats prévus de l’analyse.

•    Analyser et définir les cas d’utilisation et les exigences dans l’ensemble des secteurs d’activité, en repérant les lacunes et les recommandations, et être en mesure de les traduire en applications et modèles de données analytiques à l’aide de Python avec des documents de mise en œuvre clairs.

•    Tirer profit du système d’analyse statistique (SQL) et des autres outils d’interrogation afin d’extraire des données à partir de diverses sources et de les fusionner dans de nouveaux ensembles aux fins d’analyse et de modélisation, évaluer les mesures de rendement clé ainsi que les tendances.

•    Élaborer des modèles d’analyse liés à des données générées par une variété d’applications et de produits; mettre au point des applications d’analyse et des représentations visuelles.

•    Effectuer des tâches d’exploration de données, comme l’analyse de classification, de régression, par segmentation, de recommandation et de texte.

Responsabilités professionnelles (suite)

•    Produire, évaluer et améliorer divers algorithmes principaux ou des produits axés sur des données existantes ou nouvelles. Recenser de façon continue les occasions permettant de mieux répondre aux besoins de l’entreprise.

•    Communiquer de façon efficace les avantages commerciaux et techniques de la solution analytique aux publics techniques et au sein de l’entreprise.

•    Élaborer et mettre en œuvre divers types de modèles d’apprentissage machine, des stratégies de segmentation, des analyses d’exploration de données, et faire de la recherche et du développement portant sur l’élaboration de nouvelles techniques analytiques novatrices afin de stimuler la croissance des revenus et des résultats.

•    Dans certains cas, gérer des analystes subalternes, distribuer et approuver le travail et offrir des possibilités d’encadrement et de perfectionnement pouvant élargir l’ensemble des compétences et l’expérience. 

Critères d’admissibilité

Formation
•    Diplôme d’études postsecondaires dans un domaine connexe (mathématiques/statistiques, économie, génie), de préférence des études de deuxième cycle.

Expérience
•    De trois à cinq années d’expérience analytique pertinente.
•    Au moins deux années d’expérience dans un poste de supervision.
•    Expérience avec SQL, Python, AWS, Teradata et Teradata Studio privilégiée.
•    Expérience appréciable de travail axé sur des méthodologies telles que l’apprentissage machine, l’établissement des profils, les prévisions de la segmentation, la recherche opérationnelle et l’exploration des données.
•    Vaste expérience de la gestion des affaires, du marketing, de la planification et des finances, de la gestion des activités et de projets, connaissances profondes des fonctions et des activités multisectorielles. 
•    Expérience confirmée de l’analyse dans un contexte de marketing, des opérations ou numérique.

Autres exigences
•    Capacité démontrée à élaborer un plan analytique en fonction d’un enjeu commercial (p. ex. données nécessaires, méthodes utilisées, type de modèle requis).
•    Connaissance des procédés et de l’infrastructure des technologies de l’information nécessaires pour appuyer les renseignements commerciaux stratégiques et les analyses.

Autres informations