Data Analyst

RNCP37429BC01Collecte des données : exploration et requêtage des différents types de bases de données, et récupération des données

• 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 (notamment SQL) afin de répondre avec rigueur aux besoins des utilisateurs Réaliser des requêtes avancées répondant à des besoins métier complexes : agrégations, jointures, vues et sous-requêtes en s'assurant de l'intégrité des données Automatiser des collectes de données afin d’exploiter les contenus et les informations récoltées sur des pages web ("web scraping") en s'assurant du respect de la réglementation en vigueur Mettre en place une interface standard de partage automatique de données entre différentes applications et langages (par exemple avec API REST) Contrôler les modalités de collecte et d’utilisation de données et mesurer les enjeux du RGPD afin d’estimer les risques et les responsabilités de chacun

Évaluation : Mise en situation professionnelle : Mise en place d’une collecte de données Cadre de mise en œuvre et de déroulement de l’évaluation : Les candidats sont évalués individuellement lors de la réalisation d’une mise en situation au cours de laquelle ils doivent effectuer des recherches à partir de questions proposées, et automatiser la récupération des données depuis une base de données.

RNCP37429BC02Automatisation du traitement des données : nettoyage, complétion, correction, uniformisation

• 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 (chaînes de caractères, listes, dictionnaires et tuples) et utiliser l’algorithmie (variables, boucles, itérateur, conditions, fonctions) 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 dans un cadre professionnel Utiliser les tableaux de données (notamment les DataFrames avec Python et Pandas) afin de faciliter l’import, la manipulation et la fusion de données Nettoyer les données, retraiter les valeurs aberrantes (outliers) et les valeurs manquantes afin d’éviter les impacts sur l’exploitation et le traitement des bases de données Utiliser les expressions régulières (RegEx) pour traiter les valeurs textuelles et permettre une anonymisation des données personnelles dans le cadre du RGPD

Évaluation : Mise en situation professionnelle : Structuration d’outils / programmes de traitement de données selon des objectifs Cadre de mise en œuvre et de déroulement de l’évaluation : Les candidats doivent, à partir d’objectifs définis de traitement de données, structurer des outils et utiliser des algorithmes afin de manipuler des tableaux de données, et automatiser le nettoyage notamment des valeurs manquantes et aberrantes. Evaluation individuelle des candidats par un examinateur

RNCP37429BC03Modélisation des données structurées : identification des corrélations existantes et utilisation du Machine Learning pour établir des prévisions

• Utiliser les statistiques descriptives afin de modéliser les données et en faire émerger des informations pertinentes Maîtriser le process d’apprentissage automatique (Machine Learning) afin de permettre à des algorithmes d’apprendre automatiquement à partir de données : syntaxe, découpage jeu d’entrainement et de validation, entrainement, prédiction, mesure Modéliser des régressions et interpréter les métriques associées afin de définir des modèles de prévisions, et de trouver des tendances futures pour des valeurs numériques 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 afin d’en tirer de la valeur en fonction de classification (Analyse de sentiments) Contrôler et documenter les biais d'un modèle et des données d'entrainement afin d’estimer les risques éthiques de ce modèle, notamment dans le cas d'usages de données personnelles Communiquer et vulgariser le fonctionnement interne d’un algorithme d’apprentissage automatique afin d’éviter le phénomène de “boite noire”

Évaluation : Mise en situation professionnelle : Modélisation de données structurées et détermination de prévisions Descriptif de l’évaluation : Les candidats doivent présenter individuellement une proposition de modélisation de données structurées permettant de décrire les données de manière simple, d’en tirer des tendances, de prévoir des valeurs futures, et d'en interpréter les résultats.

RNCP37429BC04Visualisation des données : valorisation et interprétation des données pertinentes, et mise en forme dans un tableau de bord

• Identifier et prioriser, en fonction du besoin métier, les informations à rendre accessibles et à présenter visuellement, afin de structurer des représentations graphiques de tableaux bord Utiliser les visualisations descriptives, notamment les nuages de points, les boîtes à moustache et les histogrammes afin de représenter graphiquement des données statistiques et des informations modélisées à destination d’analyste de données Manipuler la Dataviz interactive et dynamique (par exemple avec Plotly ou Bokeh) afin de réaliser différents types de représentations graphiques et visuelles de données à destination d’utilisateurs opérationnels Réaliser de la cartographie (notamment avec Folium) afin de représenter des informations géographiques Utiliser un Tableur, et notamment les tableaux croisés dynamiques afin de proposer des croisements de variables pour obtenir des informations recherchées Réaliser des tableaux de bord avec des outils de Business Intelligence (par exemple PowerBI ou Tableau) 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

Évaluation : Mise en situation professionnelle : Présentation d’un Tableau de bord réalisé à partir de besoins d’un client Cadre de mise en œuvre et de déroulement de l’évaluation : Les candidats doivent présenter individuellement un tableau de bord réalisé à partir d’un cahier des charges détaillant, à partir de bases de données existantes, des objectifs et des attentes en termes de présentations graphiques et visuelles d’informations et de données croisées.