Peu importe votre métier (data manager, recruteur ou ingénieur informatique), il se peut que vous ayez déjà croisé l’expression « T-shaped » ou « profil en T ». Il s’agit d’une manière de caractériser la maîtrise de compétences d’une personne, vraisemblablement pour pourvoir un emploi.
Cette expression est assez courante dans les entreprises ayant adopté une gestion de projet Agile.
« T-shaped », un terme apparu dans les années 90
Ce terme est apparu d’abord en anglais au sein des entreprises dans les années 1990. Suivant les versions, on l’attribut soit à Tim Brown, CEO de l’entreprise Ideo, soit à la société McKinsey.
L’expression, traduite en français par « profil en T », est une métaphore pour décrire les compétences techniques d’une personne.
L’idée est la suivante : la barre verticale du T symbolise un domaine d’expertise, c’est-à-dire une verticale avec une maîtrise ou une connaissance de haut niveau, tandis que la barre horizontale est la mise en forme des compétences techniques larges et étendues dans de nombreux domaines – compétences qui restent cependant de niveau modéré.
Selon certains spécialistes du management tels que Lisa Bodell, CEO de FutureThink, c’est une évolution évidente du monde du travail, qui deviendra peu à peu la norme.
Ingénieur Data Science avec un profil en T : compétences généralistes avec un domaine de maîtrise
Le profil en T est donc une personne possédant un domaine de maîtrise bien précis, ainsi que des compétences métier variées ou une expérience dans des domaines complémentaires à son domaine de formation ou de maîtrise.
Pour schématiser, c’est le compromis entre, d’un côté, un profil avec un rôle généraliste qui se débrouille partout, et de l’autre, l’expert, fort uniquement dans son activité de prédilection.
Une étude intéressante publiée dans le livre Analyzing the analyzers montre qu’un data scientist a naturellement un développement de ses compétences selon cette idée de profil en T.
Pourquoi des compétences en T sont-elles utiles en DataOps ?
Pourquoi les profils en T sont-ils bénéfiques pour le management de vos équipes data ?
Rendez vos équipes plus Agile grâce à des profils en T
Les profils en T sont particulièrement populaires dans les entreprises évoluant dans le big data et ayant opté pour une gestion de projet Agile. En effet, leur rôle pluridisciplinaire est un atout dans ce cadre-là.
Dans les équipes composées de profils en T, chacun est capable de réaliser beaucoup de tâches différentes. Il y a deux avantages principaux à cela :
- une collaboration plus directe et horizontale, car chacun peut comprendre le travail des autres, voire les épauler dans leur métier si nécessaire ;
- une meilleure réactivité de l’équipe face à la charge de travail et une meilleure gestion de projet par le responsable. En effet, si chacun possède des compétences variées, il devient plus facile pour le manager d’assigner le travail de manière équilibrée sans créer de goulot d’étranglement.
Les profils en T allègent le travail des experts pour le concentrer sur les tâches stratégiques
La réalité est que dans les équipes data science ou de développement, le travail est souvent peu complexe et récurrent (par exemple : régler un bug, réécrire un bout de code, faire du support…). Ce travail est faisable avec des compétences et une expérience peu approfondies.
Cependant, bien qu’elles soient nécessaires et souvent urgentes, ces tâches ne sont pas stratégiques, il ne s’agit pas du développement des technologies qui donneront un avantage concurrentiel à votre produit. L’expert peut donc être empêché de mettre toutes ses compétences au service du projet ou des technologies.
À l’inverse, dans les équipes composées de profils en T (s’ils ont des formations complémentaires), les tâches stratégiques peuvent être assignées au mieux. Cela facilite la gestion du travail au sein de l’entreprise. Ainsi, dans les équipes data, les tâches urgentes sont réglées parallèlement aux tâches stratégiques.
La diversité des métiers du Big Data
Les offres d’emploi pour les métiers du Big Data ont émergé dans les entreprises ces dernières années, en France et dans le monde. Le type de profil recherché est une personne avec une formation en informatique ou un ingénieur. Les profils métiers business ou marketing avec un niveau en informatique sont également intéressants en entreprise.
Les métiers de la Data Science se répartissent en plusieurs catégories :
- les métiers relatifs à la sécurité et à la gestion des données : architecte big data, data engineer, data protection officer, database administrator, data steward ;
- les métiers relatifs à l’extraction des données : data miner, data wrangler, data engineer, data analyst, data scientist ;
- les métiers relatifs à l’analyse des données et à leur exploitation : data scientist, data analyst, expert statistiques, machine learning engineer ;
- les métiers liés à la mise en production : data ops, développeur, administrateur système ;
- les métiers relatifs au business : business analyst, product analyst, data product owner, data visualisation specialist, data consultant ;
- les métiers relatifs au management : lead data scientist, chief data officer.
Les métiers du big data sont donc diversifiés, avec de multiples compétences et en constante évolution. Les profils en T seront de plus en plus recherchés par les entreprises.
