Data scientist adjoint

Bande 5 · Data scientist · 350 points d'évaluation de l'emploi

Ce texte a été traduit de l'anglais par un assistant d'intelligence artificielle et n'a pas encore été relu par un locuteur natif. Les citations du référentiel des compétences de la profession numérique et données du gouvernement britannique (UK GDaD PCF) et d'ESCO restent en anglais.

Niveau du UK GDaD PCF : Associate data scientist

Exercé le plus souvent au grade EO ou HEO de la fonction publique britannique.

An associate data scientist is inquisitive, curious about data and keen to learn and develop.
At this role level, you will:
understand the basics of software development and analytical methods, and be able to develop basic models
understand and be able to implement a range of data science techniques, including machine learning
collaborate with others to develop data science solutions and outputs supporting the organisation
prepare and manipulate data, and perform analytics
present and communicate effectively
be aware of project delivery methods
be aware of ethical considerations
have knowledge of the technologies used

Contains public sector information from the UK Government Digital and Data Profession Capability Framework (https://understand-digital-data-roles-skills.service.gov.uk/), licensed under the Open Government Licence v3.0. © Crown copyright.

Responsabilités

Construire et tester des modèles statistiques et d'apprentissage automatique de base, comme des prévisions de demande, avec un accompagnement.
Préparer et relier des jeux de données de santé pour la modélisation dans des environnements sécurisés.
Mesurer la performance des modèles pour différents groupes de patients et signaler les écarts.
Présenter les résultats et leur incertitude aux analystes et aux équipes de service.
Documenter les sources de données, les méthodes et les hypothèses pour que le travail soit reproductible.

Compétences

Compétence	Niveau attendu	Ce que signifie ce niveau
Applied maths, statistics and scientific practicesUK GDaD PCF	Pratique (2)	You can: apply analytical methods including exploratory data analysis and statistical testing to a specific data set, to reach accurate and reliable conclusions understand and use different performance and accuracy metrics for model validation in data science projects, hypothesis testing and information retrieval compare selected applied mathematics and statistical methods and identify their differences access and use the statistical and scientific tools available within the organisation
Data engineeringUK GDaD PCF	Pratique (2)	You can: identify the appropriate engineering support to design and provide products for the organisation recognise the processes and tools for cleansing and preparing data, and put reusable processes and checks in place use different architectures, including cloud and on-premise use data manipulation and transformation tools
Data ethics and privacyUK GDaD PCF	Pratique (2)	You can: apply fundamental principles of data ethics and privacy in your work under supervision share data ethics and privacy risks through appropriate channels
Data science innovationUK GDaD PCF	Pratique (2)	You can: adopt an inquisitive and curious approach to data seek out and research new data science techniques to support learning ask questions to improve your knowledge and learn about data science norms see possibilities for improvements and innovation
Delivering business impactUK GDaD PCF	Pratique (2)	You can: show an understanding of the organisation and the benefits of data science collaborate to help identify user needs and develop and deliver data science products communicate effectively and present analysis and visualisations tailored to your audience
Developing data science capabilityUK GDaD PCF	Pratique (2)	You can: manage your CPD (continuous professional development) and can link your learning to objectives and organisational goals confidently talk about the benefits of data science approaches to existing and potential customers demonstrate a good understanding of key data science techniques, such as machine learning, and you can use them to build data science solutions, including reports, models and dashboards
Programming and build (data science)UK GDaD PCF	Pratique (2)	You can: write and test scripts and create basic models in one or more languages collaborate on shared codebases, using a variety of methodologies
Understanding product deliveryUK GDaD PCF	Pratique (2)	You can: show an awareness of the differences between delivery methods, such as Agile and waterfall, and can propose the most appropriate method to deliver each product manage your contribution to tasks to fit in with the work of your wider team
Compréhension des services de santé et de soinsCette référence	Sensibilisation (1)	Vous pouvez : décrire les principales composantes du système de santé et de soins et les services que soutient l'organisation expliquer pourquoi la sécurité des patients et la confidentialité comptent dans votre travail
Gouvernance de l'information et protection des donnéesCette référence	Pratique (2)	Vous pouvez : appliquer les principes de protection des données à votre travail contribuer aux analyses d'impact relatives à la protection des données traiter correctement les demandes d'information et les dossiers
Pseudonymisation et contrôle de la divulgationCette référence	Pratique (2)	Vous pouvez : travailler avec des données pseudonymisées et appliquer des contrôles de divulgation avant de publier des résultats reconnaître quand des données reliées ou détaillées pourraient identifier un patient
Une IA sûre et équitable en santéCette référence	Sensibilisation (1)	Vous pouvez : expliquer comment un modèle peut nuire aux patients, par exemple par des biais, une dérive ou une confiance excessive dans ses résultats expliquer pourquoi les modèles doivent être validés sur la population avec laquelle ils seront utilisés
Terminologie et classification cliniquesCette référence	Sensibilisation (1)	Vous pouvez : expliquer la différence entre une terminologie clinique et une classification reconnaître des terminologies courantes comme SNOMED CT et la CIM

Qualifications et expérience habituelles

Une licence dans une discipline quantitative, un apprentissage en science des données ou une expérience équivalente.

Description de la bande 5

Connaissances: Connaissances professionnelles ou techniques, généralement acquises par une licence ou une expérience équivalente.
Autonomie: Travaille vers des objectifs généraux dans le respect des normes professionnelles ; planifie son propre travail.
Périmètre: Son propre travail professionnel au sein d'une équipe ou d'un produit.
Leadership: Peut orienter et vérifier le travail du personnel de soutien et des apprentis.
Responsabilité: La qualité de son propre travail professionnel.

Évaluation de l'emploi (illustrative)

Facteur	Niveau	Résumé du niveau	Points
Compétences de communication et relationnelles	4	Donne des informations complexes, sensibles ou conflictuelles demandant des compétences de persuasion, de négociation ou de formation, ou des informations très complexes.	32
Connaissances, formation et expérience	5	Une expertise dans une spécialité, fondée sur la théorie ou l'expérience pratique (niveau licence ou équivalent).	120
Compétences d'analyse et de jugement	4	Jugements sur des faits ou des situations complexes demandant analyse, interprétation et comparaison d'options.	42
Compétences de planification et d'organisation	2	Planifie des tâches ou des activités simples, dont certaines continues.	15
Compétences physiques	3	Compétences développées demandant rapidité ou précision, comme l'usage avancé du clavier.	27
Responsabilité de la prise en charge des patients et des usagers	1	Aide les patients, les usagers ou leurs proches lors de contacts occasionnels.	4
Responsabilité de l'élaboration des politiques et des services	2	Met en œuvre les politiques dans son domaine et propose des changements à ses pratiques.	12
Responsabilité des ressources financières et matérielles	1	Prend personnellement soin des équipements et des ressources utilisés dans son travail.	5
Responsabilité des personnes	1	Montre ses routines de travail à des collègues nouveaux ou moins expérimentés.	5
Responsabilité des ressources d'information	4	Adapte ou conçoit des systèmes d'information selon les spécifications d'autres personnes, ou gère les systèmes d'information d'un département comme tâche principale.	24
Responsabilité de la recherche et du développement	2	Réalise régulièrement des recherches, du développement, des essais ou des tests d'équipements et de systèmes dans le cadre de l'emploi.	12
Liberté d'action	3	Suit des politiques et des procédures définies ; le travail est piloté plutôt que supervisé.	21
Effort physique	2	Position assise ou debout fréquente dans une posture contrainte, ou effort léger à modéré occasionnel.	7
Effort mental	3	Concentration fréquente sur un travail imprévisible, ou concentration prolongée occasionnelle.	12
Effort émotionnel	1	Exposition rare, ou exposition indirecte occasionnelle, à des situations pénibles.	5
Conditions de travail	2	Conditions désagréables occasionnelles, déplacements ou travail en extérieur fréquents, ou usage quasi continu d'écrans la plupart des jours.	7
Total (bande 5 : de 326 à 395)			350