Post de Morgane Dairain

💻 Data-ingénieurs, développeurs, designers UX… Découvrez l’apport de la #tech dans le #pilotage des politiques prioritaires du Gouvernement au sein du pôle #data de la #DITP !   🎯 La mission du pôle ? Concevoir un produit #numérique sur-mesure, souverain et performant grâce à une internalisation des compétences.   📍 L’enjeu ? Suivre l’#ActionPublique jusqu’au dernier kilomètre, faciliter la remontée des données locales et permettre la création d’indicateurs de suivi.   📊 Comment ? En mobilisant les outils disponibles en #OpenSource et les savoirs techniques d’une équipe-produit intégrée à la communauté scientifique.   👩 Cecile Le Guen, responsable du pôle data et outils numériques de pilotage de la DITP vous en dit plus sur un des produits conçus par le pôle dans cet article ⤵️     🔔 + d’infos sur le pôle 👉 https://lnkd.in/e5YApJbM #TransformationPublique #data #Innovation #InnovationPublique

𝐋𝐞𝐬 𝐦𝐞́𝐭𝐢𝐞𝐫𝐬 𝐝𝐞 𝐥𝐚 𝐃𝐚𝐭𝐚 𝐞𝐧 𝟐𝟎𝟐𝟒, 𝐞𝐬𝐭-𝐢𝐥 𝐣𝐮𝐝𝐢𝐜𝐢𝐞𝐮𝐱 𝐝'𝐞𝐧 𝐩𝐚𝐫𝐥𝐞𝐫 ? Le monde de la #Data évolue si rapidement, ce qui fait que plusieurs métiers qui existaient auparavant ne le sont plus aujourd'hui, laissant ainsi la place à d'autres. Il y a 10 ans en arrière, c'était le métier de #DataScientist qui était en vogue, mais aujourd'hui, les entreprises se sont rendu compte que sans la disponibilité des données fiables et sécurisées, les #DataScientist ne sont pas en mesure de jouer pleinement leurs rôles. Ce qui fait que beaucoup d'entreprises aujourd'hui préfèrent recruter des #DataEngineer. Vu dans ce sens, il est donc primordial de faire le point des métiers dans la #Data qui continuent d'exister. Cela permet de mieux s'orienter puisqu'il ne sert à rien de se spécialiser dans un domaine qui n'apporte pas une plus-value aux entreprises. 𝐀𝐥𝐨𝐫𝐬, 𝐪𝐮𝐞𝐥𝐬 𝐬𝐨𝐧𝐭 𝐥𝐞𝐬 𝐦𝐞́𝐭𝐢𝐞𝐫𝐬 𝐝𝐞 𝐥𝐚 𝐝𝐚𝐭𝐚 𝐥𝐞𝐬 𝐩𝐥𝐮𝐬 𝐫𝐞𝐜𝐡𝐞𝐫𝐜𝐡𝐞́𝐬 𝐞𝐧 𝟐𝟎𝟐𝟒 𝐞𝐭 𝐚𝐮-𝐝𝐞𝐥𝐚̀ ? 1️⃣ 𝐃𝐚𝐭𝐚 𝐄𝐧𝐠𝐢𝐧𝐞𝐞𝐫 : Les Data Engineer ont pour rôle de concevoir et de construire des infrastructures de données pour stocker, traiter et analyser les données. Ils utilisent des technologies comme Big Data, Cloud Computing et DevOps. 2️⃣ 𝐃𝐚𝐭𝐚 𝐒𝐜𝐢𝐞𝐧𝐭𝐢𝐬𝐭: Ils assurent l'analyse de vos données afin d'extraire des insights et de la valeur ajoutée et sont également responsables de la création des modèles de ML et de DL dans le but de résoudre des problèmes spécifiques. Ils sont dotés d'un #background élevé en mathématiques et statistiques et maîtrisent les langages comme Python, R, SQL et Hadoop. 3️⃣ 𝐃𝐚𝐭𝐚 𝐀𝐧𝐚𝐥𝐲𝐬𝐭: Comme leur nom l'indique, ils analysent les données dans le but de répondre à des questions métier. Ils utilisent les outils de visualisation de données au quotidien afin d'aider les entreprises à prendre des décisions éclairées, ce qui permet ainsi aux entreprises d'augmenter leurs chiffres d'affaires grâce aux solutions adéquates proposées sous la base des tendances observées. 4️⃣ 𝐌𝐚𝐜𝐡𝐢𝐧𝐞 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐄𝐧𝐠𝐢𝐧𝐞𝐞𝐫: Développe et déploie des modèles de ML (Machine Learning) dans le but d'automatiser des tâches et de faire des prédictions. Ils sont un peu comme les #DataScientist mais avec un solide background en programmation. 5️⃣ 𝐁𝐮𝐬𝐢𝐧𝐞𝐬𝐬 𝐈𝐧𝐭𝐞𝐥𝐥𝐢𝐠𝐞𝐧𝐜𝐞 𝐀𝐧𝐚𝐥𝐲𝐬𝐭 : Ils sont excellents dans la traduction des besoins métiers en solutions #data-driven. Ils collaborent, comme dans la majorité des métiers de la Data avec les équipes métiers pour identifier les opportunités d'amélioration. Cette liste (pas les types de données statiques en python,#rire) étant non exhaustive, je serai ravie de prendre connaissance des autres métiers que vous connaissez orientés Data et qui apportent une valeur importante aux entreprises. Bonsoir Douglas Mbiandou 10000 CODEURS Thierry Warin Stéphanie Ntamack

Un projet data, c’est une histoire de choix. Chaque décision impacte les performances de votre projet : 𝗤𝘂𝗲𝗹 𝘀𝘆𝘀𝘁𝗲̀𝗺𝗲 𝗱𝗲 𝘀𝘁𝗼𝗰𝗸𝗮𝗴𝗲 ? Tous les projets n’ont pas besoin d’un stockage complexe type Data Lake. La typologie des bases de données ainsi que les solutions choisies doivent s’adapter au volume de données et aux besoins métier. 𝗤𝘂𝗲𝗹𝗹𝗲 𝘁𝗲𝗰𝗵𝗻𝗼𝗹𝗼𝗴𝗶𝗲 𝗱𝗲 𝘁𝗿𝗮𝗶𝘁𝗲𝗺𝗲𝗻𝘁 𝗱𝗲𝘀 𝗱𝗼𝗻𝗻𝗲́𝗲𝘀 ? Tous les langages informatiques peuvent être utilisés pour créer les algorithmes de traitement. Mais tous ne permettent pas l’optimisation et la gestion optimale d’un grand volume de données. 𝗙𝗮𝘂𝘁-𝗶𝗹 𝘂𝘁𝗶𝗹𝗶𝘀𝗲𝗿 𝘂𝗻 𝗹𝗼𝗴𝗶𝗰𝗶𝗲𝗹 𝗱𝗲 𝘁𝗿𝗮𝗶𝘁𝗲𝗺𝗲𝗻𝘁 ? Des boîtes à outils existent pour les traitements ETL / ELT. Mais le choix du logiciel ainsi que le paramétrage demandent une fine connaissance de vos besoins. Le projet data est plus qu’un projet technique. C’est un projet à l’échelle d’une organisation, qui nécessite de comprendre finement tant les technologies que les problématiques rencontrées. Les choix technologiques sont la base de votre projet de management de la donnée. Et pour que votre projet dure sur le long-terme, autant partir sur des bases solides 😉 Vous voulez en savoir plus ? Sarah, chef de projet data chez REDLab, vous a concocté un nouvel article de blog ! Déroulé du projet data, possibilités technologiques et exploitation de vos données, vous y trouverez tous les éléments à considérer pour vous assurer du succès de votre projet. Pour le découvrir, c’est par là : https://lnkd.in/dwrEnB_W

Depuis quelques années, on voit émerger le poste de Data Architect, Architecte de Données. Son rôle est complémentaire, et différent, de l’habituel architecte de système d’information ou architecte applicatif. L’idée force est que les données sont un actif, qui doit être valorisé, conservé, protégé, et donc traité dans des systèmes conçus pour cela. La donnée n’est plus une simple excroissance de l’application; elle est devenue le coeur de l’activité de l’entreprise après sa transformation digitale ! Et pour demain, se profilent pour l’architecte de données, de nouvelles responsabilités : - participer à l’évaluation financière du patrimoine informationnel de l’entreprise - aider à la mesure des objectifs ESG (Environnemental - Social - Gouvernance), et organiser les données en vue du reporting CSRD Dans la formation que je donne sur le sujet dans le cadre de Capgemini Institut (lien dans le premier commentaire), nous abordons tous ces sujets afin de donner les clefs nécessaires aux architectes de données (en poste ou nouvellement nommés) pour accomplir leur mission. #formationprofessionnelle #data #businessintelligence #décisionnel #CIOs #CDOs #dataarchitect #dataarchitecture

"Alexandre, On souhaiterait moderniser notre approche Data ! Tu pourrais nous aider ?" - Bien sûr ! Il faudrait commencer par faire un état des lieux de votre existant et de vos pratiques - On pensait surtout investir dans une nouvelle plateforme Big Data, pour se débarrasser dans notre ancien Data Warehouse"   J'entends souvent cette réflexion. Mais avant de parler technologies (même si j’adore ça ❤️), concentrons-nous sur les vrais prérequis :   ✅ Quels sont vos leviers métiers et les gains que vous cherchez à obtenir ? Gains financiers ? Économies ? Amélioration opérationnelle ? Ce sont les entrants de votre Stratégie Data   ✅ Quel modèle opérationnel pour commencer et vers lequel évoluer ? Qui gère quelles données, avec quels processus, compétence ? Temps ? Quelle démarche d'acculturation pour vos équipes ?   Sans ces fondations, même la plateforme la plus sophistiquée ne sera pas efficace 👎 . Et surtout, décommissionner une infrastructure historique coûteuse prend du temps et de l'argent - mieux vaut construire sur des bases solides et ne pas miser sur une économie d'échelle immédiate 💶.   ❌ Beaucoup d'entreprises pensent déjà maitriser ces sujets sous prétexte d'avoir traité des sujets Data et BI par le passé mais le vrai Gap entre la BI d'hier et la Data aujourd'hui est surtout culturel et organisationnel !   "Par où commencer alors ?" - ✅ "Commençons par identifier des quick wins, et définir les acteurs et les responsabilités qui servira d'embryon à une gouvernance agile. Ensuite seulement, nous choisirons les bons outils. Cette approche sera bien plus rentable à long terme qu'un gros projet de migration."   La transformation data est avant tout une transformation humaine et organisationnelle. La technologie n'est qu'un enabler. Et vous ? Quelle est votre approche ? #DataStrategy #DataTransformation #DataGovernance #DataArchitecture #ChangeManagement

Il m'est arrivé de constater un problème assez récurrent dans les entreprises où j'ai travaillé : le manque de communication entre les équipes de produit, dev et data. Souvent, les data analystes/ scientists sont mis à l'écart lors de la phase de développement des produits, puis soudainement appelés à la rescousse pour évaluer l'impact de nouvelles fonctionnalités et/ou faire un dashboard de suivi récurrent. Le problème, c'est que les données nécessaires pour une telle analyse font parfois défaut. Cette situation crée pas mal de frictions. Le métier et les chefs de produit s'impatientent de ne pas obtenir de réponses rapidement. Les data engineers doivent se dépêcher de mettre en place de nouveaux pipelines. Et les développeurs, pensant avoir terminé leur part, doivent revenir sur leur travail pour ajouter nouveau éléments. Tout le monde pense que le projet est bouclé et qu'il est temps de passer à autre chose, mais sans les bonnes données, impossibles d’avoir de dashboard cohérent et répondre à des questions basiques devient un casse-tête. La clé pour éviter ce genre de situation et gagner un temps précieux est pourtant simple : il faut s'assurer que les équipes data soient impliquées dès le début et qu'elles aient une bonne compréhension de l'impact des changements de données sur l'organisation.

👋 𝗥𝗲𝗻𝗰𝗼𝗻𝘁𝗿𝗲𝘇 Moudjibou OUSSEINI HASSANE, 𝗔𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁𝗲 𝗦𝗼𝗹𝘂𝘁𝗶𝗼𝗻 𝗗𝗮𝘁𝗮 𝗰𝗵𝗲𝘇 𝗣𝘆𝗹.𝗧𝗲𝗰𝗵 ! 𝗣𝗿𝗲́𝘀𝗲𝗻𝘁𝗲-𝘁𝗼𝗶 : Fort de mon expérience comme Data Engineer et Lead Tech Data auprès de grands groupes en banque, assurance, télécoms et retail, j’ai développé des compétences en intégration de données et migration d'infrastructures Data. Aujourd'hui, je conçois des datastacks sur mesure, sélectionne les architectures et développe des data pipelines pour assurer l’autonomie des solutions. J’offre également aux entreprises des indicateurs clés pour piloter leurs activités, allant de la prévision des stocks au suivi de la performance financière. 𝗣𝗼𝘂𝗿𝗾𝘂𝗼𝗶 𝗹’𝗮𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁𝘂𝗿𝗲 𝗱𝗮𝘁𝗮 𝗲𝘀𝘁-𝗲𝗹𝗹𝗲 𝗶𝗺𝗽𝗼𝗿𝘁𝗮𝗻𝘁𝗲 𝗽𝗼𝘂𝗿 𝘂𝗻𝗲 𝗲𝗻𝘁𝗿𝗲𝗽𝗿𝗶𝘀𝗲 ? L'architecture data est essentielle car elle permet à une entreprise d'être "data-driven". Les décisions se basent sur des données fiables plutôt que sur des opinions. Cela permet d’optimiser les processus internes et de réduire les temps de traitement. Sans elle, certaines entreprises peuvent passer jusqu'à 80 % de leur temps à extraire des données, ne consacrant que 20 % à leur analyse. 𝗖𝗼𝗺𝗺𝗲𝗻𝘁 𝗮𝗱𝗮𝗽𝘁𝗲𝘀-𝘁𝘂 𝗹𝗲𝘀 𝗮𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁𝘂𝗿𝗲𝘀 𝗱𝗮𝘁𝗮 𝗮𝘂𝘅 𝗯𝗲𝘀𝗼𝗶𝗻𝘀 𝗱𝗲 𝗰𝗵𝗮𝗾𝘂𝗲 𝗰𝗹𝗶𝗲𝗻𝘁 ?  Je cartographie les solutions du marché et les évalue selon les critères du client : coût, infrastructure, sécurité, etc. En cas de problème, je propose toujours des alternatives. Par exemple, chez un client, nous avons remplacé l'outil de data movement après deux ans en raison d'une incompatibilité avec la nouvelle version de l'ERP. Il est donc essentiel de rester prêt à adapter les choix. 𝗟𝗲 𝗰𝗹𝗶𝗲𝗻𝘁 𝗽𝗲𝘂𝘁-𝗶𝗹 𝗲̂𝘁𝗿𝗲 𝗮𝘂𝘁𝗼𝗻𝗼𝗺𝗲 𝗮𝗽𝗿𝗲̀𝘀 𝗹𝗮 𝗳𝗶𝗻 𝗱𝘂 𝗰𝗼𝗻𝘁𝗿𝗮𝘁 ? Je veille à documenter tous les aspects du projet : les choix techniques, l'architecture mise en place, les flux de données, etc. Cela permet au client d'être autonome après notre départ. Nous formons également les équipes internes et les accompagnons dans leur montée en compétence sur la supervision, la maintenance et l'évolution de la plateforme Data. 𝗤𝘂'𝗲𝘀𝘁-𝗰𝗲 𝗾𝘂𝗲 𝘁𝘂 𝗮𝗶𝗺𝗲𝘀 𝗰𝗵𝗲𝘇 𝗣𝘆𝗹.𝗧𝗲𝗰𝗵 ? J'apprécie que ce soit une entreprise à taille humaine, avec une forte proximité. Il y a une vraie audace et une passion pour l'innovation. Pyl.Tech se positionne à la pointe de la technologie, grâce à une veille constante sur les nouvelles tendances. C’est aussi le cas sur des technologies que l'on maîtrise déjà, on aime tester des nouveautés et c’est ce qui nous permet de travailler sur des projets innovants !

Connaissez vous les dernières options organisationnelles et technologiques pour construire ou faire évoluer votre système décisionnel ? Lakehouse, Médaillon, Data Vault, Lakeflow, Modern Data Stack… Bâtir un système décisionnel c’est jouer adroitement entre modernité, pour bénéficier des meilleures technologies, et pérennité car vous souhaitez que votre architecture dure de nombreuses années, et s’adapte agilement aux besoins évolutifs de vos data analysts. Pour en savoir plus, je propose grâce à Capgemini Institut une formation complète, en distanciel exceptionnellement (la seule en 2024) pour cause de jeux olympiques, pour tout savoir sur la conception et la mise en oeuvre de systèmes décisionnels complets. Une mine d’or si vous prenez un nouveau poste ou si vous voulez évoluer ! Le lien est dans le premier commentaire ci-dessous. #formationprofessionnelle #data #businessintelligence #datagovernance #dataplatform #CIOs #CDOs #dataarchitect #dataarchitecture #décisionnel

1 minute 💪 pour comprendre l’évolution vers l’ère des données maillées. Nous sommes entrés dans une nouvelle ère des données. Les grandes organisations depuis quelques mois orientent leur stratégie vers ce que l’on nomme les données maillées. Petit focus sur cette nouvelle architecture, organisation, et les capacités associées. Les ères des données se suivent … mais l’une n’efface pas l’autre. Il est nécessaire de tenir compte de l’historique de construction des systèmes data dans le temps. Le poids de l’existant (services rendus, investissements, maintenance) est prépondérant. A chaque ère ses capacités, ses usages, et ses contraintes. Ère des données enfouies : Les données sont enfermées dans des traitements, elles sont uniquement connues au travers des traitements.  Les données ne sont pas gérées en tant que tel et elles peuvent être « oubliées ». Ère des données centralisées : Les données sont regroupées dans des entrepôts (Data Warehouse > Data Lake) Elles sont traitées par les équipes équipes BI et les Data Scientist (Big Data). Les métiers sont de plus en plus éloignés des données … et ils s’en écartent. Ils n’en n’ont plus la responsabilité. Ère des données maillées : Les systèmes de centralisation de données n’arrivent pas à répondre aux enjeux autour des données. Les paradigmes de data mesh, data fabric (au sens tissus) émergent pour répondre à cette situation.  Des plates-formes data en support au maillage émergent. www.orkestra-data.com #datamesh #dataproduct #dataplatform

Data, Un simple mot ajouté sur des métiers déjà existants ? Alors oui, la Data existe depuis longtemps. On n'a pas attendu les Data Ingénieurs pour transporter de la Data d'un logiciel à un autre. Ou alors les Data Stewards pour améliorer la qualité des données... Par contre, ces titres spécifiques permettent, entre autre, aux entreprises de parler le même langage, que ce soit pour recruter ou pour postuler. Et au vu de la courbe exponentielle de données stockées, la gestion artisanale des données avait atteint ses limites... Pour mieux comprendre ses différents métiers, imaginez que la gestion des données d'une entreprise est comme la gestion d'une ville moderne. Chaque rôle dans cette "ville des données" joue un rôle essentiel pour que tout fonctionne harmonieusement. 1. Data Analyst : Le Détective Imaginez un détective qui fouille dans les archives et examine les rapports pour en tirer des informations précieuses. Le Data Analyst analyse les données existantes pour identifier des tendances, résoudre des problèmes et fournir des insights qui aideront à la prise de décision. 2. Data Engineer : L'Architecte des Infrastructures Le Data Engineer est comme l'ingénieur civil qui conçoit et construit les routes, ponts et infrastructures de la ville. Il construit les pipelines et les systèmes qui permettent de transporter et de stocker les données de manière efficace et sécurisée. 3. Data Architect : Le Planificateur Urbain Le Data Architect est le planificateur urbain qui dessine les plans de la ville. Il définit la structure de l'information, choisit les technologies à utiliser, et veille à ce que l'infrastructure puisse soutenir les besoins futurs de la ville (ou de l'entreprise). 4. Data Steward : Le Garde-Champêtre Le Data Steward est le garde-champêtre qui surveille les ressources naturelles et assure leur protection. Il veille à la qualité des données en s'assurant qu'elles sont bien organisées, accessibles et fiables. 5. Data Owner : Le Propriétaire des Bâtiments Le Data Owner est le propriétaire de différents bâtiments de la ville. Il est responsable de la gestion et de la sécurité des données dans son périmètre d'autorité, tout en s'assurant que les données soient bien utilisées et comprises. 6. Data Governor : Le Maire Le Data Governor joue le rôle du maire de la ville. Il définit les politiques et les règlements pour la gestion des données, en s'assurant que toutes les parties prenantes respectent les règles et travaillent ensemble harmonieusement. 7. Chief Data Officer (CDO) : Le Maître d’Ouvrage Le Chief Data Officer est comme le maître d'ouvrage de la ville, supervisant tous les aspects de la gestion des données. Il travaille avec les autres responsables pour définir la stratégie globale en matière de données et s'assurer qu'elle est mise en œuvre efficacement.