Un data scientist chez Microsoft, ça fait quoi de ses journées ?

La data science, ou science des données en bon français, s'appuie sur des outils mathématiques, statistiques et informatiques pour trier, visualiser et valoriser des données. C'est une discipline encore jeune mais qui a connu un rapide essor à mesure que l'analyse des données a pris une part de plus en plus importante au sein des entreprises. Pour mieux appréhender le quotidien de ce métier, nous avons rencontré Sihame Aarab, data scientist chez Microsoft France.

Sihame travaille depuis deux ans au sein de l'équipe Data Insights de Microsoft Services. Cette équipe est composée d'une vingtaine de personnes, dont chacune est spécialisée dans différentes catégories de la donnée : Big data, Business Intelligence (informatique décisionnelle), moteurs SQL, Machine Learning... Cette dernière discipline est la spécialité de Sihame. "A mon arrivée il y a deux ans j'ai beaucoup participé à la montée du machine learning au sein de mon équipe, notamment en réalisant des preuves de concept," explique-t-elle.

Adapter les outils aux besoins des clients

Microsoft utilise ces technologies depuis une vingtaine d'années en interne, pour ses propres produits. La caméra Kinect par exemple a été développée à l'aide de machine learning. La discipline était alors principalement réservée aux chercheurs. Depuis juillet 2014, l'entreprise la propose à ses clients.

Le rôle premier d'un data scientist chez Microsoft est d'accompagner les clients dans leur adoption des solutions de gestion de la donnée de l'entreprise et d'adapter ces solutions à leurs besoins spécifiques. "La question au cœur de notre approche est 'comment apporter de la valeur grâce au traitement de la donnée ?' Et pour cela, au-delà des produits, il faut travailler sur les bons scénarios, commente Sihame Aarab. Mettre en place une solution qui ne répond pas à la bonne question n'aura que peu d'intérêt pour le client."

Ces solutions s'articulent autour de la suite Cortana Analytics, qui regroupe plusieurs produits de gestion de l'information (Azure Data Factory, Data Catalog et Event Hubs), de stockage (Azure Data Lake et SQL Data Warehouse), de traitement (Azure Machine Learning, HDInsight et Stream Analytics) et de visualisation (Power BI).

Un métier multi-rôles mais qui reste très technique

Cet accompagnement implique de revêtir parfois un rôle d'ingénieur avant-vente, de "commercial technique," pour présenter à un client les intérêts de ces technologies rapportés à leurs cas d'usage. "Nous avons tout un éventail de rôles, explique Sihame Aarab. J'interviens avec les commerciaux pour la rédaction de propositions commerciales, avec les responsables de la relation client lors de la livraison des projets... On touche à différents métiers." Cela inclut également l'organisation de workshops, le transfert de connaissances ou la formation de partenaires sur les produits.

Lors de la création d'un projet, les data scientists rencontrent les différents interlocuteurs métiers et travaillent avec eux pour mettre en place la meilleure solution possible. "Nous sommes très indépendants, nous allons seuls chez le client, souligne Sihame Aarab. On parle à la fois technique et fonctionnel, et il faut savoir adopter le langage du client. Savoir se projeter sur son contexte, comprendre comme il réfléchit, et lui fournir la solution la plus adaptée à ses besoins... même calculer son retour sur investissement !"

Ces rôles connexes ne durent cependant qu'un temps dans la vie d'un projet. "Ca ne m'empêche pas de monter en compétence techniquement, note Sihame Aarab. L'aspect technique reste prépondérant."

Sihame Aarab, 27 ans
Data scientist chez Microsoft

 

Son parcours :

 

Sihame a d'abord effectué un baccalauréat scientifique avec spécialité mathématiques avant d'enchaîner sur une licence mathématiques-informatique à l'Université Paris 6 (Jussieu). Elle a poursuivit son parcours avec un master spécialisé en systèmes multi-agents. Lors de cette première année de master, un projet sur les smart grids lui a donné envie d'exploiter les données générées par les agents qu'elle avait créés. Cela a représenté pour elle une ouverture vers le machine learning et le métier de data scientist, qui était alors en plein essor.

 

Elle a en conséquence effectué sa deuxième année avec une spécialisation machine learning à l'Université Paris Descartes. A l'issu de sa formation elle a fait un stage de fin d'études de six mois chez Microsoft où elle a appris à intégrer l'informatique décisionnelle (business intelligence) au machine learning. Suite à ce stage Microsoft lui a proposé un poste de data scientist, et elle a rejoint l'entreprise début 2014.