Fiches métiers : data, analyse & gouvernance

Les données sont le carburant du numérique — et une responsabilité. Ces professionnelles et professionnels collectent, transforment, analysent, protègent et gouvernent l’information (RGPD, NIS2, éthique). Objectif : créer de la valeur sans compromettre la confiance.
À l’ère des agents IA et des décisions automatisées, qualité, traçabilité et fiabilité deviennent critiques : de mauvaises données produisent… de mauvaises décisions.

Métiers émergents à surveiller

Privacy Engineer : privacy by design, anonymisation, consentement, DSR.
Data Storyteller : insights → récits percutants (visualisation + narration).
Data Governance Manager : politiques, rôles, métadonnées, lineage & qualité.

Tous les métiers de cette famille

Collecte & ingénierie des données

Data Engineer : pipelines, entrepôts/lacs, fiabilité & coûts.
Ingénieur ETL/ELT : Talend/Informatica/dbt ; standardise les flux.
Architecte de données : modèles, intégrations, normes.
Ingénieur temps réel (streaming) : Kafka/Flink/Spark Streaming.

Analyse & science des données

Data Analyst : explorations, KPIs, recommandations métier.
Data Scientist : modèles prédictifs/prescriptifs, MLOps léger.
Data Storyteller (émergent) : dashboards narratifs, dataviz.
Analyste BI : Power BI/Tableau/Looker, sémantique & métriques.

Gouvernance, qualité & conformité

Data Governance Manager (émergent) : cadre, rôles, catalogues.
Data Steward : qualité & cohérence par domaine.
Privacy Engineer (émergent) : implémente RGPD (minimisation, DPIA).
DPO : conformité, registres, interlocuteur CNIL.

Visualisation & communication

Data Viz Designer : lisibilité, esthétique, perception.
BI Developer : modèles & self-service pour les métiers.
Analytics Translator : passerelle data ↔ décision.

Éthique & stratégie

Chief Data Officer (CDO) : vision & portefeuille data.
Éthicien·ne de la data : biais, risque, équité, impacts.
Data Product Manager : APIs, plateformes & produits data.

Métiers complémentaires

Web/Digital Analyst : analytics marketing produit.
CDP Manager : données clients unifiées.
Master Data Manager : référentiels (clients/produits/fournisseurs).

Compétences transverses clés

Outils & écosystèmes (exemples)

Ingestion/ETL-ELT : Fivetran, Airbyte, dbt, Talend, Informatica.
Orchestration : Airflow, Dagster, Prefect.
Stockage/compute : BigQuery, Snowflake, Redshift, Databricks, Delta/Iceberg.
Streaming : Kafka, Flink, Spark Streaming.
BI/Viz : Power BI, Tableau, Looker, Superset.
Catalogues & lineage : Collibra, Atlan, Amundsen, OpenLineage.
Gouvernance/Privacy : OneTrust, BigID (+ model/data cards).
Notebooks & ML : Jupyter, scikit-learn, TensorFlow/PyTorch, MLflow.

Optimisation agentique (GEO) appliquée à la data

Données structurées “Dataset” (schema.org) sur pages jeux de données/études.
Data/Model Cards : objectifs, sources, limites, lineage, licences, mises à jour.
Dashboards “agent-friendly” : titres explicites, définitions de métriques, tableaux exportables.
Traçabilité : identifiants de versions, changelog, sources citées.

KPI data (repères pragmatiques)

Qualité : complétude, exactitude, unicité, cohérence, fraîcheur.
Fiabilité : SLA/SLO des jobs, taux d’échec, délais de reprise.
Gouvernance : % datasets catalogués, lineage couvert, accès revus.
Conformité : délais DSR, couverture DPIA, incidents privacy.
Adoption : utilisateurs BI actifs, réutilisation de métriques, NPS data.
Modèles : performance + drift & stabilité dans le temps.
Coûts : coût par requête/rapport/pipeline.

Exemples de missions types

Mettre en place une plateforme data (ingestion → modélisation → BI) avec catalogue & lineage.
Migrer d’ETL vers ELT + dbt avec couche de métriques partagées.
Déployer un streaming temps réel (fraude, IoT) avec KPIs de latence.
Lancer un programme RGPD : minimisation, consentement, DPIA, DSR.
Créer un design system data (noms, définitions, métriques officielles).
Standardiser des Data/Model Cards pour transparence & agents IA.

← Retour à la cartographie complète des métiers du numérique

Catégories : Stratégie numérique