Citizen Data Scientist

Accélérez la mise en place de vos projets de Data Science !

Le Gartner définit le Citizen Data Scientist comme un individu qui crée ou génère des modèles exploitant l’analyse prédictive ou normative mais dont la fonction principale est en dehors du domaine des statistiques et de l’analyse. Issu des équipes Métiers, il est alors capable d’allier la Data Science à son expertise Métier pour extraire de la valeur à partir des données.

Son rôle ne remplace pas celui des experts : il est complémentaire à celui du Data Scientist qui travaillera sur des méthodes d’analyses spécifiques et plus avancées. En effet, le Citizen Data Scientist fait le lien entre les Analystes Métiers et les Data Scientists en apportant aux processus sa propre expertise Métier et ses connaissances en Data Science.

Nexworld vous propose de vous accompagner dans la formation de Citizen Data Scientist, dans le choix et l’utilisation de plateformes adaptées pour des projets de Data Science ainsi que dans la mise en place de ces projets.

Pourquoi tirer parti des Citizen Data Scientists dans son entreprise ?

  • Il est nécessaire de s’assurer que l’on explore les bons domaines de la Data Science pour optimiser son ROI
  • L’exploration de méthodes plus avancées sera réservée aux Data Scientists, permettant d’aller plus loin dans les analyses prédictives
  • La Data Science ne doit pas être une boîte noire, il est important de réduire la fracture technique-Métier
  • Leur rôle permet d’accélérer la mise en place de projets de Data Science par des Métiers, curieux d’explorer les algorithmes de Machine Learning pour leurs cas d’usage

Technologies associées :

Préparation des données :

Trifacta

Plateformes de Data Science :

RapidMiner, Alteryx, Dataiku, DataRobot, H2O.ai, TIBCO Data Science

Visualisation des données :

Tableau, Qlik, PowerBI, Google Data Studio

Nous vous accompagnons

Nexworld intervient à toutes les étapes de votre projet, quel que soit votre niveau de maturité :

  • Découvrir de nouveaux sujets, avoir une réflexion stratégique
  • Définir des cas d’usage, développer des MVP
  • Approfondir certains sujets
  • Créer de nouveaux Business Modèles
  • Former vos équipes pour démontrer le potentiel de nos expertises
  • Mettre en œuvre un périmètre défini
  • Obtenir un retour d’expérience
  • Industrialiser afin de monter en échelle

En savoir plus avec nos experts

Architecture Fast Data : par où commencer ?

Ce n’est plus un secret pour personne, les données sont aujourd’hui porteuses d’un potentiel incroyable avec une quantité toujours plus importante d’année en année. Pourtant, même si les entreprises sont conscientes des masses de données qu’elles ont à leur disposition, la question de savoir comment les exploiter peine toujours à être traitée.

Kafka, pierre angulaire des Architectures Fast Data ?

Comment éviter que le Big Data ne devienne un « Big Mess » ? C’est pour répondre à cette question qu’en 2009 les équipes de LinkedIn, confrontées à des problématiques d’intégration de données auxquelles les outils disponibles ne répondaient pas, élaborent un nouveau bus de messages distribué : Kafka.

Kafka ou Artemis : Comment bien choisir son broker de messages ?

Une communication asynchrone ne peut se faire sans la présence d’un MOM (Message Oriented Middleware) entre le client et le serveur. Un tel middleware va permettre de mettre en attente les messages envoyés par le client en direction du serveur, et inversement.

Big Data : Splunk versus la Suite Elastic

Avec le Big Data et l’explosion du volume de données, une question s’impose : comment exploiter ces données et en extraire de la valeur ? Deux outils se disputent aujourd’hui la place de leader dans le domaine : Splunk (le propriétaire), et la Suite Elastic (l’open source)