Aujourd’hui, les entreprises ont la volonté de garder l’exploitation de la data simple et attractive pour les métiers. Cependant, avec des volumes de données grandissants, les data platforms grossissent et deviennent plus complexes. Cela a fait apparaître la nécessité de nouvelles expertises pour gérer cette complexité. Un de ces nouveaux métiers est l’analytics engineering.
L’analytics engineer est un expert se plaçant au cœur de l’exploitation de la donnée, à l’intersection des data analysts, des data engineers/DataOps, des data scientists et des MLOps. Il nettoie, transforme, teste et déploie la donnée pour la rendre accessible aux utilisateurs finaux, permettant à ceux-ci de répondre à leurs questions de manière plus ou moins indépendante. Il combine une expertise business et une expertise tech. Ce besoin est né d’un vide qui s’instaure entre les métiers et les experts techniques. En effet, les métiers ne connaissent souvent pas précisément l’intérêt des innovations technologiques qui se succèdent. D’autre part, les techniciens se concentrent sur les innovations et s’éloignent ainsi des besoins des métiers. L’analytics engineer est censé combler ce vide et ainsi créer un pont entre les deux équipes.
L’analytics engineer travaille à la fois sur la chaîne BI et la chaîne data science.
Au niveau BI, il collabore avec les data analysts pour nettoyer et transformer la data, optimiser les modèles de données prêts à l’utilisation et documenter la data, le tout pour accélérer le time to insight. De l’autre côté de la chaîne, l’analytics engineer collabore avec les data engineer/Data Ops. Ainsi, tandis que ce dernier maintient l’infrastructure et le mouvement de la donnée, l’analytics engineer se place de l’autre côté du pipeline pour assurer le mouvement et la transformation de la data ainsi que l’optimisation des datasets, des data models et des data products, afin que la data soit facilement analysée et visualisée par les data analysts et les métiers. Il participe également au choix des outils de transformation et d’exploitation de la donnée sur lesquels il a une légitimité.
Dans le cadre de la data science, l’analytics engineer peut être amené à soulager le data scientist dans des tâches simples de modélisation d’algorithme, et le data analyst dans des tâches avancées d’analyse BI. D’autre part, l’analytics engineer s’inscrit dans le cadre méthodologique du MLOps. Il est donc amené à utiliser les jeux de données déjà préparés ainsi que les modèles et algorithmes déjà testés par le MLOps. Ceci pour répondre aux demandes des métiers, et soulager ainsi les experts que sont les data analysts et les data scientists.
Pour que le travail de l’analytics engineer puisse réellement apporter de la valeur à une organisation, il doit être effectué dans un cadre de gouvernance définissant clairement les différents rôles des experts pour éviter des perturbations.
Avec la volonté des entreprises de mettre un volume de données grandissant à disposition des métiers de plus en plus demandeurs, la popularité de l’analytics engineer devrait croître. Ce nouveau rôle, à mi-chemin entre l’expertise technologique et métier, peut être assuré par un data engineer avec une appétence ou un complément de formation sur les enjeux métiers de l’entreprise.
