Data Analyst

Présentation

• Le data analyst transforme les données brutes en informations pertinentes permettant la prise de décision. Pour cela, il est amené à pratiquer les activités suivantes :
• * Il identifie et analyse des besoins d’entreprises, d’organisations et d’utilisateurs concernant des utilisations de données.
• * Il définit et propose une stratégie de prise de décision par les données suivant les besoins métier
• * Il traduit des datas afin de les rendre utilisables et exploitables en fonction des besoins et objectifs d’utilisateurs.
• * Il analyse des bases de données, effectue des traitements et des analyses sur des données existantes. Il réalise des tableaux de bord (dashboards) d’organisations.
• * Il conçoit et structure les étapes de collecte et de traitement de données pour les optimiser au mieux.
• * Il effectue des requêtes et il modifie les bases de données grâce au langage SQL.
• * Il réalise des agrégations, des jointures et des sous-requêtes sur des bases de données relationnelles SQL.
• * Il automatise des collectes de contenu sur des pages web (scraping HTML), et effectue des requêtes grâce aux API REST.
• * Il prend en compte les enjeux du RGPD et les responsabilités de chacun liées à la collecte, au traitement et à l’utilisation de données.
• * Il sélectionne, paramètre, utilise des logiciels de rédaction et d'exécution de code
• * Il participe activement à la gestion d’un projet “data”, en utilisant les méthodologies modernes (agile, scrum, etc…)
• * Il utilise différents algorithmes, notamment en langage Python (variables, boucles, itérateur, conditions, fonctions), se sert des structures de données pour effectuer des analyses.
• * Il effectue des calculs matriciels (NumPy), utilise les DataFrames (Pandas) pour la création, l’import, la manipulation, le retraitement de données et de valeurs.
• * Il interprète des données, utilise des plateformes de data science (de type KNIME, dataiku), les statistiques descriptives pour analyser des datas.
• * Il explique des résultats d’analyses de datas, différencie les corrélations et les causalités en développant son sens critique par rapport à la science.
• * Il réalise des Dashboards (tableaux de bords) avec des logiciels adaptés et définit des cartographies (Folium) de collecte et de compilation de données.
• * Il utilise des tableurs (de type Excel) et réalise des tableaux croisés dynamiques afin de permettre à des utilisateurs d’effectuer des requêtes sur des datas spécifiques.
• * Il accompagne des utilisateurs et des équipes dans l’utilisation d’outils, dans des recherches, des interprétations de données brutes et retraitées.
• * Il analyse des utilisations d’outils et datas retraitées par des utilisateurs afin de proposer des évolutions et améliorations des outils.
• * Il identifie des possibilités d’amélioration des recherches et exploitations de datas par des organisations et des utilisateurs.
• * Il relaie l’information au sein de son équipe en utilisant une communication efficace et adaptée.
• * Il réalise une veille permanente sur la date, se forme aux nouveaux outils et fait évoluer sa pratique.
• * Il conseille les utilisateurs sur la protection des données, sur l’éthique des algorithmes, sur la prise en compte du handicap et la responsabilité numérique de chacun.Il/elle présente à l'oral et à l'écrit de manière claire, concise et sans ambiguïté, les informations.

Compétences attestées

• * Identifier les possibilités d’utilisation des données, en fonction des besoins métier, en étant force de proposition dans l'exploration, l'évaluation de la qualité et l’interprétation de ces données
• * Définir une stratégie de prise de décision par les données suivant les besoins métier
• * Modéliser des bases de données relationnelles
• * Réaliser des requêtes avancées répondant à des besoins métier complexes
• * Automatiser des collectes de données
• * Mettre en place une interface standard de partage automatique de données entre différentes applications et langages
• * Contrôler les modalités de collecte et d’utilisation de données et mesurer les enjeux du RGPD
• * Effectuer des choix méthodologiques pour l'automatisation des traitements et les documenter avec clarté et concision
• * Utiliser les outils et méthodes modernes : méthodes agiles afin de permettre le travail en équipe, outils de suivi de projets, logiciel adapté à la rédaction de code
• * Manipuler des structures de données et utiliser l’algorithmie afin de traduire en script des besoins de traitements de données
• * Appliquer les bonnes pratiques de la programmation afin d'avoir un code organisé, réutilisable et partageable
• * Utiliser les tableaux de données afin de faciliter l’import, la manipulation et la fusion de données
• * Nettoyer les données, retraiter les valeurs aberrantes (outliers) et les valeurs manquantes
• * Utiliser les expressions régulières (RegEx) pour traiter les valeurs textuelles et permettre une anonymisation des données personnelles dans le cadre du RGPD
• * Utiliser les statistiques descriptives afin de modéliser les données
• * Maîtriser le process d’apprentissage automatique (Machine Learning)
• * Modéliser des régressions afin de définir des modèles de prévisions, et de trouver des tendances futures
• * Modéliser des classifications et interpréter les métriques associées afin de catégoriser automatiquement des informations
• * Traiter automatiquement le langage naturel (NLP) à partir de texte brut
• * Contrôler et documenter les biais d'un modèle et des données d'entrainement afin d’estimer les risques éthiques
• * Identifier et prioriser les informations à rendre accessibles et à présenter visuellement
• * Utiliser les visualisations descriptives afin de représenter graphiquement des données statistiques et des informations modélisées
• * Manipuler la Dataviz interactive et dynamique
• * Réaliser de la cartographie
• * Utiliser un Tableur afin de proposer des croisements de variables pour obtenir des informations recherchées
• * Réaliser des tableaux de bord avec des outils de Business Intelligence afin d’intégrer et de croiser des informations utiles à des approches stratégiques de problématiques
• * Prendre en compte les handicaps visuels afin de produire des graphiques lisibles par tous
• * Présenter à l'oral et à l'écrit de manière claire, concise et sans ambiguité les informations

Blocs de compétences (4)

Voies d'accès

• En contrat de professionnalisation
• Par expérience
• Après un parcours de formation sous statut d’élève ou d’étudiant
• Après un parcours de formation continue
• En contrat d’apprentissage

Emplois accessibles

• - data analyst
• - consultant/analyst BI (Business Intelligence)
• - business analyst

Secteurs d'activité

Le data analyst exerce son activité dans tous les secteurs d’activités. Il peut aussi bien être recruté par des industries, des grandes entreprises, des entreprises du secteur financier, que par des commerces ou même des organisations médicales ou paramédicales.

Réglementations

• Le métier de data analyst n’est pas règlementé. Toutefois l’ensemble du processus de traitement des données doit se dérouler dans le respect des réglementations en vigueur quant à l’utilisation de données personnelles (RGPD) et des critères définissant l’utilisation responsable des données.
• Dans certaines structures, le Data Analyst a aussi en charge la politique de données. Il doit veiller à ce que celle-ci respecte les réglementations en vigueur, en particulier le RGPD et la loi Libertés et Informatique. Il peut aussi travailler en collaboration avec des experts en cybersécurité pour garantir la sécurité et l’intégrité des data.
• Le data analyst devra également veiller aux principes de l’accessibilité numérique. S’il travaille au sein d’un établissement public, il devra se conformer aux critères définis dans les référentiels concernant les institutions publiques.

Composition des jurys

Métiers visés (codes ROME)

Informations générales

Code

RNCP37429

Type d'enregistrement

Enregistrement sur demande

Date de décision

28/03/2023

Date d'effet

—

Fin d'enregistrement

27/03/2026