Quand une entreprise décide de « faire quelque chose avec ses données », elle cherche souvent un profil data. Mais lequel ? Data engineer, data scientist et data analyst sont trois métiers souvent confondus. Ils travaillent sur la même matière, avec des rôles bien distincts.
On peut les voir comme trois pièces d’un même puzzle : différentes, mais toutes nécessaires pour faire apparaître le dessin.
Le data engineer : construire les fondations
Le data engineer conçoit et entretient l’infrastructure qui transporte les données. Il récupère les données de chaque outil (boutique en ligne, publicités, ERP, CRM, fichiers), les transforme et les range dans un entrepôt de données, automatiquement.
Son rôle : rendre la donnée accessible, fiable et prête à l’usage, sans copier-coller.
Ses outils : Python, SQL, dbt, Airflow, Spark, et les plateformes cloud (AWS, Azure, Google Cloud).
Sans lui, chaque analyse commence par une heure d’exports et de vérifications.
Le data scientist : modéliser et prévoir
Le data scientist utilise les données pour construire des modèles : prévoir une demande, repérer les clients sur le point de partir, regrouper des clients qui se ressemblent, estimer ce que rapporte chaque canal marketing.
Son rôle : transformer les données en prévisions et en recommandations, grâce aux statistiques et au machine learning.
Ses outils : Python, R, scikit-learn, TensorFlow, et beaucoup de statistiques.
Un modèle ne vaut que par les données qu’on lui donne : le data scientist dépend directement du travail du data engineer.
Le data analyst : rendre les chiffres utiles
Le data analyst part des questions des équipes métier : quel canal est rentable, quel produit se vend moins bien, pourquoi les ventes ont baissé ce mois-ci. Il y répond avec des indicateurs, des analyses et des tableaux de bord.
Son rôle : rendre les données compréhensibles et utilisables au quotidien, par des personnes qui ne sont pas des spécialistes.
Ses outils : SQL, Power BI, Tableau, Looker Studio, Excel, et la visualisation de données.
C’est souvent lui qui fait le lien entre la technique et la direction.
Une chaîne, pas trois silos
Les trois métiers s’enchaînent :
- le data engineer collecte et prépare des données fiables ;
- le data scientist s’en sert pour modéliser et anticiper ;
- le data analyst transforme les résultats en décisions concrètes.
Sans data engineer, pas de données fiables. Sans data scientist, pas de prévision. Sans data analyst, des chiffres que personne n’utilise.
Ce qu’ils ont en commun
Tous les trois partagent une même mission : faire parler les données pour aider l’entreprise à mieux décider. Ils ont aussi des compétences communes :
- le SQL, la langue commune des données ;
- la logique et les statistiques ;
- la compréhension du métier de l’entreprise ;
- la capacité à expliquer clairement un résultat.
Et dans une PME ?
Rares sont les PME qui ont besoin de trois personnes à temps plein. En revanche, elles ont besoin des trois compétences, à des moments différents.
En général, on commence par les fondations : réunir les données au même endroit et les fiabiliser. Viennent ensuite les tableaux de bord, construits avec les équipes. Les modèles de prévision arrivent en dernier, quand les données sont propres et l’historique suffisant.
Par où commencer ?
Chez Dataprism, ces profils se complètent au quotidien : Florian, data engineer, construit l’architecture ; Armelle, data analyst, traduit les questions métier en indicateurs. Pour un projet ou un pic de charge, nous pouvons aussi intervenir en renfort dans votre équipe.
Et vous, lequel de ces trois métiers manque le plus dans votre entreprise ?
