Aussi appelée science des données, la data science a pour objectif de donner du sens aux données brutes. Elle permet, à partir de données brutes, d’extraire les informations exploitables dans l’objectif d’identifier des motifs et des tendances. Mais de quelle manière la science de la donnée a-t-elle évolué ces dernières années ? En quoi consiste-t-elle exactement et quels sont les outils à disposition des scientifiques et des chefs de projet IT ?
Data Science : des origines à aujourd’hui
C’est en 1962 que l’idée de la science de la donnée émerge, alors que le statisticien John W. Tukey décide de remplacer le terme « statistiques » par « data analysis ». Pour lui, cette distinction est en réalité fondamentale puisque la transformation de données brutes en informations relève davantage d’une science empirique que des mathématiques.
12 ans plus tard, plusieurs écrits universitaires prônent à nouveau la data science pour parler des quantités gigantesques d’informations détenues par les entreprises.
Mais c’est au début des années 2000 que le terme se démocratise, alors que le Journal of Data Science fait son apparition. La data science devient alors un véritable sujet au sein des entreprises.
Au tout début des années 2010, le terme fait désormais partie du vocabulaire des analystes, des scientifiques et des économistes. Il désigne la capacité à extraire des informations pertinentes depuis des données brutes.
L’engouement ne cesse alors de prendre de l’ampleur, jusqu’à ce que la data science se retrouve au cœur de la transformation des entreprises et qu’un nouveau métier soit créé : celui de data scientist.
Data science : kézako ?
Approche multi-disciplinaire par excellence, la science de la donnée combine les mathématiques à la théorie de l’information, à l’analyse de la donnée, aux statistiques et à la programmation informatique. L’ensemble de ces compétences permet ainsi d’extraire des informations pertinentes à partir de données brutes.
La science de la donnée permet de modéliser un système dans l’objectif d’un meilleur contrôle des risques et des erreurs, mais aussi dans un objectif de classification, d’automatisation et de prédiction.
La science de la donnée permet donc de donner un sens aux données brutes en établissant un lien entre les indicateurs et les les prédictions futures. Il s’agit en quelques sortes d’une science destinée à prédire certains comportements.
Pour transformer les données brutes en informations pertinentes, le data scientist suit plusieurs étapes :
- Identification des données
- Normalisation des données
- Mise en place des systèmes de récolte
- Stockage des données
- Agrégation des données
La science de la donnée offre de nombreux avantages : un important gain de temps, une performance optimisée, une expérience améliorée, une prise de décision facilitée, etc, mais en tenant compte des normes et réglementations en vigueur autour de la donnée, tout cela peut parfois paraître nébuleux.
Face à cette complexité, il existe bien sûr des sociétés de conseil dédiées sur le sujet de la Data Science !
Les outils au service de la data science
Pour les entreprises, adopter des outils de science de la donnée s’avère bien souvent essentiel.
Ces solutions logicielles permettent de gérer les données tout au long de leur chaîne d’exploitation, depuis leur récolte jusqu’à leur modélisation en passant par leur stockage. Ces dernières années, les éditeurs de logiciels ont multiplié le nombre de logiciels de data science disponibles sur le marché. Ces solutions permettent non seulement de préparer les données, mais aussi de les visualiser et de les analyser.
Dataiku
Ce logiciel français est plébiscité pour sa polyvalence. Cet outil tout en un permet de préparer, de traiter, d’enrichir et de visualiser les données facilement grâce à une plateforme tout-en-un.
Databricks
Databricks a l’avantage de multiplier les fonctionnalités : analyse de données, opérations de flux de données, ETL (Extract-transform-load), machine learning, etc. Le logiciel permet également de créer facilement des clusters en codant dans différents langages.
Domino Datalab
Cet outil complet est destiné aux data scientists souhaitant travailler de manière flexible, grâce à un grand choix de langages de programmation et la possibilité de construire et de visualiser des modèles avec les données existantes.