Data Miner, le « fouilleur

Data Miner, le « fouilleur » de données

2 mars 2016

Né avec le décisionnel, le « Data Miner » prend une nouvelle dimension à l’heure du Big Data. Son travail porte désormais moins sur l’extraction des données que sur leur analyse. Ou comment apporter une valeur business à des informations brutes.

Superstar du numérique, le Data Scientist n’est pas sorti de nulle part. Il a un ancêtre : le Data Miner. Comme son nom l’indique, le Data Miner est né avec le datamining que l’on peut traduire par l’extraction, le forage de données. Ce « fouilleur » de données analyse un grand volume d’informations hétérogènes afin d’en extraire la connaissance utile à l’optimisation des offres et services de l’entreprise.

Le Data Miner a connu différentes époques, au gré de la maturité des entreprises en termes d’appropriation leurs données, avec l’avènement du CRM et du marketing direct dans les années 1990, puis du multicanal et du Customer Experience Management (CEM). Avec le Big Data, son métier prend aujourd’hui une toute autre dimension.

Aux données internes que produit et gère l’entreprise, le Data Miner doit associer les données comportementales issues des parcours de navigation web et les moteurs de recommandation des sites, mais aussi les commentaires et avis laissés sur les réseaux sociaux.

De la BI au Big Data

Dans un schéma traditionnel, les données sont centralisées dans des entrepôts (data warehouse) d’où elles sont extraites, transformées et analysées avec des outils édités par SAS, SPSS ou Kxen. La restitution se fait sous forme de reporting Excel ou PowerPoint. Ce système décisionnel (business intelligence, BI) impose non seulement d’avoir des données relationnelles structurées mais aussi de déterminer, en amont, quels types de rapports on souhaite obtenir.

Changement de paradigme avec le Big Data. Le concept de Superstar du numérique, data lake, associé à des couches open source comme Hadoop, Cassandra et Spark, permet d’ingérer en vrac toutes sortes de données. Plus besoin de connaître en avance la valeur que l’on tirera, l’usage viendra après. Le traitement et l’analyse se font aussi en temps réel, à la volée.

Un statisticien proche du « business »

Le rôle du Data Miner s’en trouve changé. Il tient moins dans la collecte et la préparation des données que dans leur valorisation. Ce qui le rapproche du Data Analyst dont il est le prolongement naturel. Dans Superstar du numérique, une présentation, la société de services informatiques Soft Computing montre ce lien entre ces deux experts de la data.

De plus en plus proche du « business », on demande au Data Miner de construire des modèles à même de résoudre des problèmes très variés. Comme réduire le taux d’attrition (churn management), détecter les cas de fraude, prévenir les pannes (maintenance préventive) ou anticiper les attentes des consommateurs (marketing prédictif).

Le Data Miner doit pouvoir vulgariser des notions statistiques en un langage compréhensible à l’ensemble des interlocuteurs métiers en entreprise. Il est, de fait, généralement détenteur d’un diplôme d’ingénieur, d’un master ou d’un doctorat en mathématiques, en statistiques, en modélisation des données, en informatique décisionnelle ou en économétrie. Selon l’Apec, la rémunération d’un jeune diplômé démarre à 32 K€ pour atteindre 80 K€ pour un cadre confirmé.