La science des données au gouvernement du Canada
Qu'est-ce que la science des données?
La science des données est un domaine interdisciplinaire qui utilise des méthodes et des algorithmes scientifiques pour extraire des renseignements et acquérir des connaissances au moyen de divers types de données. Il combine une spécialisation dans le domaine, des compétences en programmation et des connaissances en mathématiques et en statistiques pour résoudre des problèmes analytiquement complexes. Vous pouvez obtenir un bref aperçu du travail quotidien d'un scientifique des données au sein du gouvernement du Canada en regardant cette vidéo
(YouTube)
La pandémie de COVID-19 : Un rappel saisissant du rôle crucial des scientifiques des données
La science des données permet aux organismes statistiques de réagir rapidement aux changements économiques et sociaux. Pa exemple, au Canada, la puissance de la science des données est utilisée par Statistique Canada à l'appui de la réponse à la COVID-19.
L'organisme a collaboré avec Santé Canada pour représenter l'information sur l'offre et la demande des équipements de protection individuelle (EPI). Avant de pouvoir visualiser les données, il a été nécessaire de les extraire et de les intégrer. Des données provenant de nombreuses sources étaient obtenues chaque jour (différents gouvernements provinciaux ou territoriaux, d'autres ministères fédéraux et des entreprises du secteur privé qui avaient accepté de nous aider à trouver les EPI), dans de nombreux formats différents (p. ex. des documents Word, des fichiers Excel ou des documents en format PDF), et nécessitaient une quantité importante de travail manuel pour créer des rapports normalisés.
Pour améliorer ce processus, un algorithme d'analyse des données a été créé par les scientifiques des données de Statistique Canada pour diviser celles-ci en différents types de données. L'apprentissage automatique a été utilisé pour repérer les nombres et les dates dans le texte. Les données ainsi structurées ont ensuite été présentées dans un tableau de bord Power BI qui a été partagé avec d'autres ministères afin de répondre à leurs besoins en matière d'information et de mieux comprendre l'offre et la demande d'EPI au Canada.
Source: Centre de la science des données, Statistique Canada, 2022-09-29
Profil d'emploi d'un scientifique des données au gouvernement du Canada
La description complète du profil de poste suivant se trouve sur la page GCwiki du Réseau des sciences des données pour le service public fédéral (DSNFPS).
Scientifique des données
Les scientifiques des données utilisent les données pour déterminer et résoudre des problèmes opérationnels complexes. Ils ont une orientation interdisciplinaire, utilisant les techniques et les connaissances d’un éventail de disciplines scientifiques et informatiques (par exemple, l’économie, les statistiques, les mathématiques, l’analyse prédictive et l’apprentissage automatique) et font généralement partie d’équipes de projet multidisciplinaires comprenant des ingénieurs en science des données, des propriétaires fonctionnels, des sociologues, des analystes commerciaux, des gestionnaires de projet, des ingénieurs/designers de logiciels et d’autres. Les rôles et responsabilités d’un scientifique des données peuvent inclure :
● Déterminer les problèmes des propriétaires fonctionnels, comprendre où la science des données peut ajouter de la valeur pour appuyer la prise de décisions stratégiques et opérationnelles, et concevoir des solutions et des mesures en science des données pour ces problèmes;
● Nettoyer, traiter et explorer des données structurées et non structurées afin d’en extraire de l’information exploitable pour prendre des décisions commerciales;
● Élaborer et valider des modèles statistiques à partir de données, souvent à l’aide de techniques statistiques avancées comme l’économétrie, l’apprentissage automatique, l’analyse prédictive, la régression, la segmentation et d’autres techniques pertinentes;
● Soutenir les informaticiens et les ingénieurs en science des données qui effectuent le déploiement et la maintenance des modèles;
● Utiliser les pratiques exemplaires de codage pour produire du travail reproductible et vérifiable;
● Explorer et visualiser les données pour présenter l’« histoire » des données, sur la base d’une compréhension approfondie des processus opérationnels et des comportements incitatifs, de manière significative à l’intention d’un large éventail de publics techniques et non techniques;
● Utiliser une gamme changeante d’outils et de techniques d’analyse de données, y compris les sources ouvertes, dont certains doivent être appris rapidement, au besoin;
● Respecter les règles, les lignes directrices et les normes relatives aux solutions numériques ainsi qu’au développement et à la mise en œuvre responsables de l’intelligence artificielle et de l’apprentissage automatique.
