Upgrade to Pro — share decks privately, control downloads, hide ads and more …

datadrink_19112021_Rapport_insee_dinum

etalab-ia
November 19, 2021
60

 datadrink_19112021_Rapport_insee_dinum

Présentation des recommandations du rapport INSEE-DINUM sur la valorisation des compétences data dans l'administration.

etalab-ia

November 19, 2021
Tweet

Transcript

  1. Un entretien : + de 80 personnes Une analyse des

    offres d’emploi de la place de l’emploi public 12 recommandations La démarche Un questionnaire Un modèle pour évaluer les besoins en recrutement annuel
  2. Un rapport, cinq chapitres 1. Le contexte de la mission

    2. Les spécificités des experts de la donnée 3. La quantification du besoin 4. Les pistes pour le satisfaire 5. Une opportunité de développer les liens SSM – AMD
  3. Termes et frontières non stabilisés 1. Data engineer 2. Data

    scientist 3. Data analyst 4. Data architect 5. Statisticien A B C D
  4. Et vous ? • Data analyst • Data architect •

    Data engineer • Data scientist • Statisticien • Polyvalent • Autre expert de la donnée • Pas expert de la donnée
  5. Choix de définitions • Data engineer • Data architect •

    Data scientist • Data analyst • Statisticien • Polyvalent
  6. Total dont Fonction- naires CDI CDD Appren- tis EIG Stagiai-

    res 1. Data scientists 2. Data analysts 3. Data engineers 4. Data architects 5. Polyvalents 6. Autres experts de la donnée Effectifs en experts de la donnée aujourd’hui dans votre unité (ETP) Questionnaire
  7. Questionnaire SSM 1. Data scientists (statisticiens ou non) 2. Statisticiens

    et data analysts 3. Data engineers 4. Data architects 5. Polyvalents 6. Autres experts de la donnée Effectifs en experts de la donnée aujourd’hui dans votre unité (ETP) Hors SSM 1. Data scientists 2. Data analysts 3. Data engineers 4. Data architects 5. Polyvalents 6. Autres experts de la donnée
  8. Questionnaire Prestataires Chercheurs Autres externes 1. Data scientists 2. Data

    analysts 3. Data engineers 4. Data architects 5. Polyvalents 6. Autres experts de la donnée Appel à des compétences externes (ETP)
  9. 2 000 experts de la donnée en 2021 SSP 2021

    Hors SSP 2021 1300 700 Autres experts de la donnée Polyvalents Data architects Data engineers Statisticiens data scientists Statisticiens et data analysts 90 70 20 120 120 910 Autres experts Polyvalents Data architects Data engineers Data scientists Data analysts 90 70 20 100 170 240 Enquête administrations d’État
  10. 2 400 experts en 2023 SSP 2021 Hors SSP 2021

    1300 700 SSP 2023 Hors SSP 2023 1400 1000
  11. Part des fonctionnaires très variable Par métier Data scientits <

    25 % Data analysts > 50 % Par ministère Ministères sociaux < 10 % Transition écologique > 80 %
  12. Répondre au besoin de compétences Devenir expert de la donnée

    requiert une formation très solide Emploi de contractuels Vivier de fonctionnaires Formation
  13. Levier formation Recommandation 1 : Former à la donnée 50

    % des cadres dirigeants d’ici fin 2022, 90 % d’ici 2024 • Recommandation 6 : Renforcer la formation continue des agents des administrations aux sujets des données Dans une optique d’acquisition, de maintien des compétences mais aussi de reconversion professionnelle
  14. (La spécificité du data scientist) • Une rencontre entre technique

    et métier qui rend leur situation particulière. Ils évoluent dans environnements dans lesquels leurs compétences est rare. • Certaines recommandations adressent particulièrement les problèmes soulevés par cette spécificité même si elles peuvent également être utiles pour les autres métiers de la données
  15. Levier recours aux non-titulaires L’identification des compétences nécessaires (es données

    avant les datascientist, recruter/sous-traiter, complexités des tâches, ...) Parfois, des difficultés de recrutements (nombre de candidats, évaluation, rémunération, délai de signature, etc.) La fidélisation des contractuels : comment s’en sortir dans une situation paradoxale ? (volonté, souvent partagée, de prolonger les contrats mais la gestion des carrières est surtout pensée pour fonctionnaires)
  16. Levier recours aux non-titulaires Recommandation 3 : Décliner les actions

    du plan filière numérique sur les métiers de la donnée Recommandation 5 : Permettre une meilleure revalorisation des rémunérations des experts de la donnée dans une optique de fidélisation Par exemple en rendant le référentiel des rémunérations applicable au-delà des primo- recrutements
  17. Alimenter un vivier de fonctionnaires • La réponse aux besoins

    ne peut se faire en misant exclusivement sur l’emploi contractuel : turn-over, coût de l’investissement, risque de perte de connaissance, problème de maîtrise dans la durée... • Nécessité d’avoir des fonctionnaires spécialisés de la donnée pour mener et piloter les projets aux enjeux stratégiques
  18. Data scientists / corps de l’Insee Constats : Besoin à

    deux ans +60 % Corps Insee seuls spécialisés dans la donnée Recommandation : Élargir les recrutements des corps de l’Insee pour répondre au besoin de data scientists - ouvrir l’accès à postes de responsabilité, valoriser la mobilité
  19. Recommandation 7 : Expérimenter une fonction de référent métier data

    scientist en interministériel Mettre à disposition des administrations des outils d’évaluation des compétences techniques, en mobilisant le financement du plan de relance
  20. Attractivité / efficacité Constats : Travail isolé sans émulation collective

    Pas de partage entre pairs sur des sujets techniques Une routine préjudiciable à l’attractivité Recommandation : Expérimentation = 100 experts collaborent 10 % de leur temps pour s’entraider, partager, contribuer Un animateur positionnés à la DINUM, auprès de l’administrateur général des données, des algorithmes et des codes sources, en relation étroite avec l'Insee
  21. Rôle des SSM Constats : – Relations distantes avec AMD

    et Dnum – Les compétences du SSP ne sont pas connues
  22. SSM+ Objectif : Tirer parti des compétences SSP et des

    synergies possible – développer une offre de services des SSM adaptée et prise en compte dans les feuilles de route ministérielles sur la donnée – élaborer une doctrine commune sur champ d’intervention au-delà des missions traditionnelles – formaliser un cadre de collaboration renforcée avec AMD et Snum – faciliter les mobilités des experts des SSM en dehors du SSP : pôles data science et management