Des profils parfois difficiles à débusquer, qui sont pourtant bel et bien indispensables pour relever les défis des années à venir. L’objectif de cet ouvrage est de vous expliquer ce qu’est un Data Engineer. Quelles sont leurs missions ? Où se cachent-ils ? Et finalement naît-on Data Engineer ou le devient-on ?
N.B. Pour télécharger ce livre de Quantmetry, il suffit de cliquer sur Stepwise n°2 : Dessine moi un Data Engineer et une pop-up s'affichera au bout de quelques secondes.
"Une chose devenue assez évidente au cours de ces dernières années est que l’Intelligence Artificielle est toujours le sujet qui fait couler des litres et des litres d’encre. Vertueuse ou perfide ? Chacun a son positionnement. Quoi qu’il en soit, ce sujet tend à prendre de plus en plus d’importance. Corollaires directs de ce phénomène, les métiers de la Data sont toujours plébiscités par les entreprises et leurs côtes de popularité n’ont de cesse de monter en flèche.
À l’image de la fonction de Data Scientist qui connaît un succès total auprès des étudiants et professionnels, celle de Data Engineer a déjà commencé à devenir une nouvelle fonction tendance dans l’univers de la Data. En e!et, les entreprises, étant maintenant assez matures pour évoluer sur des projets d’industrialisation du traitement de la donnée, elles cherchent à recruter des Data Engineers pour mettre en place ces plans d’envergure.
Malgré cet engouement, les entreprises peinent à recruter ces profils techniques. Le temps de l’entreprise en position dominante par rapport à l’employé est révolu depuis bien longtemps. Aujourd’hui, c’est le candidat qui est en position de force (et il le sait) en particulier dans l’univers de la Data et plus spécifiquement pour les Data Engineers. Ces derniers sont très sollicités à travers tous les canaux (réseaux sociaux, salons, sites web spécialisés en programmation type Stack Overflow – GitHub, meetup…). Le marché du recrutement des métiers du Data Engineering est encore plus tendu que celui de la Data Science.
Mais comment expliquer ce décalage entre demande et offre ? Comme nous l’avons dit précédemment , les entreprises ont compris qu’un POC (Proof Of Concept) n’était pas la finalité d’un cas d’usage de la data mais bien une étape initiale dans un processus débouchant sur la création de valeur consécutive à ces projets innovants (pour plus de détails sur l’industrialisation des projets data, n’hésitez pas à (re)consulter notre livre blanc “Y a t-il une vie après les POCs”). Ce gain de maturité a permis de démocratiser la fonction de Data Engineer, encore peu connue auparavant."
