Découvrez l'interview exclusive de François Fau, Lead Data Scientist au sein de June Partners
Découvrez l'interview exclusive de François Fau, Lead Data Scientist au sein de June Partners
le 17/11/2021 par June Partners
1 0 0 433

1. Pourriez-vous vous présenter en quelques mots (votre métier, votre parcours) ?

Je m’appelle François Fau, je suis ingénieur spécialisé en Informatique et Mathématiques appliquées. J’ai un parcours qui s’est construit principalement en entreprise, dans des secteurs très variés comme l’industrie pharmaceutique, la viticulture de précision, les assistants d’aide à la conduite… avec la problématique constante de faire le lien entre les données d’entreprise et ses fonctions métiers. J’ai rejoint June Partners il y a 1 an et demi avec la volonté de découvrir de nouveaux métiers tels que la Finance, les Opérations ou l’Industrie, et d’y développer les cas d’usage Data Science.

 

2. Pourriez-vous présenter June Partners aux membres de Dogfinance ?

June Partners est un cabinet de conseil opérationnel qui accompagne ses clients PME ou ETI dans leurs projets de transformation et d’amélioration de la performance. Véritable équipe d’architectes bâtisseurs, nous intervenons dans l’élaboration et la mise en œuvre de solutions pragmatiques et pérennes sur les problématiques Finance, RH, M&A, industrielles ou opérationnelles. La grande complémentarité de nos expertises garantit à nos clients de bénéficier d’une réelle valeur ajoutée dans la conduite de nos missions. Aujourd’hui, notre équipe compte 80 collaborateurs dont 10 associés.

 

3. Quelles sont les compétences nécessaires pour être Data Scientist ?

Un Data Scientist doit naturellement avoir de fortes compétences analytiques et techniques afin d’être en mesure de penser et implémenter ses analyses et modèles, on parle ici de compétences en Statistiques, Machine Learning, Développement, Architecture… Mais je pense que ce qui rend un Data Scientist encore plus performant, c’est sa capacité à s’approprier un contexte opérationnel fait de multiples spécificités et contraintes, et collaborer avec des équipes métiers qui n’ont pas le même niveau de connaissance et de confiance sur la Data Science. 

 

4. Pourriez-vous m'expliquer votre métier au quotidien ? Les missions, challenges, votre environnement de travail ?

Notre équipe, la Data Factory, qui regroupe l’ensemble des expertises Data, a une fonction très transverse au sein du cabinet. Notre rôle au quotidien consiste à travailler en direct avec toutes les expertises internes afin de proposer à nos clients des approches innovantes où la valorisation de leurs données est clé (prédiction de ventes, optimisation de la supply chain, détection de fraudes ou anomalies, prédiction du churn…). Il nous faut donc en permanence imaginer de nouveaux cas d’usage qui n’auraient pas été identifiés, développer rapidement des POC pour mesurer leur potentiel, et accompagner nos clients dans leur appropriation de la Data Science.

 

5. Quelle est l’importance de la data science au sein de l’écosystème financier ?

Si on regarde la fonction Finance en entreprise, on assiste à un mouvement important de transformation digitale permettant d’automatiser, fiabiliser et accélérer les processus d’analyse. La Data Science, quant à elle, n’est pas encore omniprésente dans cette fonction, mais elle constitue le prochain défi des directeurs Financiers qui voudront s’appuyer sur toutes les nouvelles sources de données générées par cette digitalisation, et développer une approche prédictive de leur activité.

 

6. Quelles sont les spécificités de la data science au sein de June Partners ?

La spécificité de la Data Science chez June Partners réside dans notre positionnement et notre offre de valeur. Nous proposons à nos clients de l’amélioration de leur performance à travers l’exploitation de leurs données. La Data Science est un moyen d’améliorer cette performance à travers notamment la mise en place de modèles de segmentation ou de prédiction de l’activité de l’entreprise. Néanmoins, notre objectif ne se limite pas à la livraison d’un modèle, mais à son exploitation opérationnelle et la réelle performance générée au niveau de l’entreprise.

 

7. Comment voyez-vous le métier de Data Scientist dans 10 ans ?

Les métiers autour de la Data sont encore très émergeants et de nouvelles fonctions apparaissent régulièrement (Data Architect, Data Engineer, ML Engineer…). Pourtant le métier de Data Scientist englobe encore aujourd’hui beaucoup de technologies, méthodes, secteurs...

Je pense que celui-ci a vocation à encore se spécialiser dans les prochaines années, principalement sur les secteurs, où l’expertise métier du Data Scientist est essentielle pour qu’un projet aille jusqu’à son déploiement en production. Il n’est pas rare de voir se développer des équipes de Data Scientists dédiées aux fonctions Marketing, Sales ou Finance.

Également, le métier de Data Scientist devrait encore se spécialiser sur les approches et méthodes. Par exemple, le traitement de langage (NLP) ou le traitement d’images (Computer Vision) sont des domaines très pointus et en plein développement, des domaines qui font appel à des Data Scientist déjà spécialisés sur ces cas d’usage.

 

8. Quels conseils pourriez-vous donner à une personne qui souhaite se diriger vers ce secteur ?

Un Data Scientist se doit d’être parfaitement autonome dans sa fonction, il doit être à la fois créatif dans la construction de modèles et technique dans leur développement et implémentation. Je conseillerais donc à toute personne souhaitant se diriger vers ce métier de ne surtout pas négliger une compétence pour l’autre. Il n’est pas rare de voir des Data Scientists avec de fortes compétences mathématiques mais peu de vision technologique, ou alors des capacités pointues de développement mais peu de réflexion scientifique. C’est un équilibre difficile à maintenir mais pourtant essentiel à ce métier.

Article proposé par
Aucun commentaire