Certification professionnelle

Objectifs et contexte de la certification :

Les compétences de data Analyst sont parmi les plus demandées sur le marché. L’OPIIEC (Observatoire des métiers du numérique) indique une augmentation de + 51,7% d’offres d’emploi sur un an (Janv.2022, agrégation des sites d’offres d’emplois, données du ministère du travail).

Le volume croissant des données disponibles, leur variété sans cesse élargie, et la rapidité avec laquelle elles sont créées et sont susceptibles de générer elles-mêmes de la donnée, ont fait basculer nombre d’entreprises dans l’ère du big data. Aujourd’hui, la donnée est en effet partout, permettant aux entreprises d’accroître le suivi de leur performance via des indicateurs toujours plus nombreux, d’analyser des comportements clients et par là même d’identifier des opportunités de marché. Dans ce contexte, les entreprises ont besoin de mobiliser des compétences spécifiques pour collecter les données, les stocker, les modéliser ou encore les protéger. Qu’il s’agisse d’informations nominatives, postales ou bancaires sur leurs prestataires, leurs clients, leurs partenaires, leurs salariés, les entreprises ont toujours amassé des données. Elles les ont toujours utilisées comme données de gestion : pour la paie, les facturations, les recouvrements, etc. Mais aujourd’hui, avec l’afflux massif de données, la multiplication de solutions de collecte, de stockage et les possibilités accentuées de traitement en temps réel, les entreprises se voient offrir de nouvelles opportunités. Une fois les données collectées et stockées, tout l’enjeu pour les entreprises est de tirer profit de ces données, c’est-à-dire d’en extraire leur valeur pour développer de nouveaux services, de nouveaux produits ou de nouvelles opportunités marché. Le traitement et l’analyse des données se situent au cœur des enjeux du big data. Deux métiers sont emblématiques de ce travail : celui du data scientist et du data analyst.

La certification « Data analyst » s’inscrit donc dans un contexte où la gestion (collecte, traitement, diffusion) des données constitue un enjeu majeur pour toutes les entreprises et tous les acteurs amenés à gérer et utiliser des données clients ou des données pouvant avoir un caractère stratégique de par l’enjeu qu’elles représentent pour des entreprises sur différents sujets stratégiques et économiques. Elle s’inscrit également dans un contexte particulier où les datas sont omniprésentes et où l’Europe a été amenée à définir et à renforcer les cadres de protection des données afin qu’ils soient plus à même de protéger les personnes et les organisations et qu’ils soient plus cohérents dans l'union en exigeant une application rigoureuse des règles. Le nombre d’offres d’emploi de data analyst publiées est d'ailleurs en constante augmentation. 

Cette certification de niveau intermédiaire, est en phase avec les besoins du monde professionnel, axée sur un métier (data analyst) en pleine évolution, essentiel à la chaîne des professionnels de la donnée et complémentaire à des métiers d’un niveau supérieur (data scientist, data ingénieur, data architecte). 

Son objectif est de permettre :

- aux entreprises de la branche de bénéficier de compétences nouvelles et pointues, et de pouvoir recruter des analystes de la donnée opérationnels, bénéficiant des derniers apports technologiques et ayant suivi une formation répondant concrètement aux besoins spécifiques et contextualisés du secteur.

- aux titulaires de pouvoir collecter, exploiter, modéliser, sécuriser tous types de données et les traiter en fonction des enjeux des organisations tout en assurant la mise en place de process et de modes de fonctionnement conformes au règlement général de protection des données RGPD tel que défini par le législateur et à l’ensemble des réglementations applicables, afin qu'ils soient capables d’intervenir immédiatement sur des problématiques de collectes et d’analyses de données en mettant à disposition des organisations des outils adaptés et performants s’inspirant de ce qui se fait de mieux actuellement, y compris en termes de structure des modèles et des outils de présentation et de partage de données. 

Tous les secteurs sont concernés, tous les métiers et toutes les tailles d’entreprise. Les sources de données sont très variées : la géolocalisation, les objets connectés, l’utilisation d’Internet ou de programmes, sources média, réseaux sociaux, sites web, etc. À ces nombreuses sources vient s’ajouter l’open data qui désigne l’ensemble des données en accès libre appartenant au domaine public. 

Activités visées :

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

Modalités d'évaluation :

4 cas pratiques à réaliser :

• Bloc 1 : Mise en place d’une collecte de données
• Bloc 2 : Structuration d’outils /programmes de traitement de données selon des objectifs
• Bloc 3  : Modélisation de données structurées et détermination de prévisions
• Bloc 4  : Présentation d’un Tableau de bord réalisé à partir de besoins d’un client

complétés d'un oral de 15mn pour chaque bloc (chaque cas pratique est présenté à l'oral) : soit 1h d'oral pour le passage du titre complet

Les épreuves de chaque bloc sont indépendantes.