CV Data scientist : les mots-clés que les recruteurs cherchent

Intitulés de poste à reprendre en titre de CV

Reprenez l'intitulé exact de l'offre ; à défaut, l'un de ces intitulés officiels.

• Chargé / Chargée de modélisation des données
• Data miner
• Data scientist
• Expert / Experte en sciences des données
• Expert en datascience / Experte en datascience
• Explorateur / Exploratrice de données
• Ingénieur / Ingénieure data scientist

Compétences à mettre en avant

• Adapter les outils de traitement statistique de données
• Analyser des données pour prendre des décisions stratégiques
• Analyser et prévenir les risques
• Analyser et traiter l'information à des fins d'anticipation
• Animer une démarche agile et innovante
• Animer, coordonner une équipe
• Argumenter et anticiper les objections
• Assurer le suivi de la qualité des données
• Concevoir des modèles de détection des insights consommateurs
• Concevoir des modèles théoriques (calcul, simulation, modélisation)
• Conduire des travaux d'études et de recherche
• Coordonner des projets d'intelligence économique
• Définir et faire évoluer des procédés de traitement de l'information
• Définir les solutions de stockage et de structuration des données
• Déterminer l'opportunité de l'intégration d'outils d'intelligence artificielle et de data science dans le modèle d'affaires
• Etablir des prévisions, des évaluations, des recommandations, des perspectives
• Exploiter des solutions de Data Science ou d'Intelligence Artificielle
• Faire remonter les besoins clients en interne pour adapter l'offre aux enjeux émergents
• Gérer des données massives
• Lire et interpréter des données et documents techniques, au besoin en anglais
• Manager la connaissance
• Mettre en place des outils d'aide à la décision
• Mobiliser des données massives pour éclairer les prises de décisions
• Optimiser des algorithmes, une application informatique et mettre en oeuvre leur développement
• Paramétrer un logiciel, un outil, un système numérique

Connaissances, outils et certifications

• Analyse de données expérimentales
• Application des méthodes de machine learning dans BI
• Big data Analytics
• DRT modélisation calcul scientifique statistique et informatique
• Data engineer
• Economie du développement durable
• Gestion budgétaire
• Gestion de la relation client (CRM)
• Java
• Langage C++
• Langages de programmation informatique
• Logiciels de gestion de base de données
• Mastère spécialisé expert en sciences des données
• Modélisation et simulation
• Modélisation statistique
• Modélisation économique
• Méthodes de prospective
• Programmation en Python
• Système d'exploitation Unix
• Système d'exploitation Windows
• Système de Gestion de Bases de Données (SGBD)
• Technologies HADOOP
• Utilisation d'outils Business Intelligence (BI) - Informatique décisionnelle
• Utilisation de logiciels d'analyse statistique

Savoir-être attendus

Ne les listez pas seuls : illustrez chacun par un exemple tiré d'une expérience.

• Avoir l'esprit d'équipe
• Etre force de proposition
• Etre à l'écoute, faire preuve d'empathie
• Faire preuve de curiosité, d'ouverture d'esprit
• Faire preuve de rigueur et de précision

Formation et accès au métier

Ce métier est accessible avec un niveau Bac + 5 et plus dans les secteurs des mathématiques (modélisation de données), de l'économétrie, de l'intelligence artificielle ou de l'exploitation de données massives (Big Data). Certains postes sont accessibles à des débutants, mais les profils d'au moins trois années d'expérience sont privilégiés afin d'embaucher un profil complet (maîtrise des statistiques et de l'informatique).

Métiers proches

• Chargé d'études socio-économiques
• Responsable de la veille scientifique et technique en industrie pharmaceutique
• Responsable des études pharmaco-économiques en industrie pharmaceutique
• Ingénieur économiste en entreprise
• Ingénieur statisticien
• Data analyst
• Directeur d'études socio-économiques
• Chief Data Officer