Head of Data Platform / Head of Analytics Engineering
Au sein des AI & Data Factories chargées de concevoir et développer des produits Data et IA destinés aux métiers et à leur transformation, nous observons chez nos Clients grands groupes que les équipes engineering se sont peu à peu scindées du fait de l’hyperspécialisation des tâches. Dans de nombreux cas, faute de trouver à l’IT les moyens techniques agiles pour industrialiser les algorithmes et les pipelines de données rapidement, ces équipes ont développé leurs propres plateformes Data et IA. Elles sont maintenant dirigées par des « Heads of Data Platforms », que Uman Partners a placés dans les grands groupes internationaux ou dans des scale-up bien financées aux alentours de 180 k€ de package annuels en 2023, 120 k€ dans des grosses ETI.
Ces plateformes sont généralement dans des Clouds publics (or les candidates et candidats les plus employables, et à la plus forte valeur, sont celles et ceux qui maîtrisent ces Couds publics), et elles donnent naissance à une structure qui a pris son autonomie par rapport à l’engineering destinée aux produits… Elles laissent ainsi derrière elles les équipes d’« Analytics Engineers » (ex-« Data Engineers »), nouveau terme attribué à ces ingénieurs qui se concentrent sur l’engineering au service des produits pour les métiers (faits de ML, d’IA et aussi beaucoup de BI). Ils sont dirigés par les « Heads of Analytics (ou Data) Engineering ».
Il est intéressant de noter ce retour du terme « analytics » qui, il n’y a pas si longtemps, était attribué à toutes les disciplines de l’analyse des données (de la statistique à l’IA), puis qui fut (et est encore) synonyme de BI. Le terme revient donc sur son champ initial puisque ces Analytics Engineers travaillent au service de toutes les formes d’algorithmes, jusqu’à ceux de la GenAI (qui, bien que fascinants, pour rappel, sont un outil de plus – un outil très disruptif tout de même – dans la désormais vaste besace du Data Scientist).
« Head of Data Platforms » vs « Head of Analytics Engineering » : quelles compétences spécifiques ?
Ce sont peut-être les compétences de leadership/comportementales (ou soft-skills) qui creusent le plus l’écart. En effet, le lien aux produits, donc aux « business », impose aux profils des Heads of Analytics Engineering des capacités à interagir avec les métiers de façon plus performante. Les compétences en jeu sont par exemple : « la capacité à comprendre les motivations et comportements des groupes », « la capacité à influencer et embarquer les décideurs » (métiers), mais aussi « avoir le sens commercial et être orienté client » (car les métiers sont des clients à qui l’IA Factory doit vendre des produits)… Alors que les premiers (Heads of Data Platforms) sont confrontés à des sujets globaux qui nécessitent d’aligner des décideurs généralement techniques (tous les CIO ou CTO des pays par exemple), ce qui leur impose de « savoir informer d’une situation, d’une stratégie, des objectifs », de « savoir manœuvrer dans la complexité des organisations », ou encore d’« avoir de la hauteur de vue et être stratège ».
Techniquement, les Heads of Data Platform et leurs équipes devront avoir des expertises qui ne sont pas exigées pour l’Analytics Engineering : le SRE, l’intégration continue, le management des Cloud providers, la compréhension de la gouvernance, des réseaux et de la cybersécurité des Clouds (Subscriptions, Resource Groups, SSOs, VPC, NSGs) en faisant en permanence le grand écart entre la technique et la stratégie.
Bien sûr, suivant la taille des entreprises, ces deux postes peuvent fusionner et il existe des Talents cumulant toutes ces compétences.
Nous contacter
Entreprises, Institutions, Talents : contactez-nous ici ou directement via nos pages Linkedin