Cet article d'opinion a été rédigé par Marylene Wamukoya, responsable du projet et de la gestion des données au Centre africain de recherche sur la population et la santé. Il apparaît dans notre fil d'actualité gouvernemental numérique .

Le deuxième Forum mondial des données des Nations Unies s'est tenu le mois dernier à Dubaï, aux Émirats arabes unis. Le forum bisannuel offre à divers acteurs de l'écosystème des données l'occasion d'encourager l'utilisation de données de qualité pour la réalisation des objectifs de développement durable (ODD) d'ici 2030.

Le Centre africain de recherche sur la population et la santé (APHRC) avait une délégation au Forum pour prendre la parole lors d'une session intitulée « Révolution des données en Afrique : progrès et expériences aux niveaux régional, national et infranational» .

L'objectif de la session était de mettre en évidence la chaîne de valeur des données, de la communauté à la recherche, aux décideurs politiques et autres décideurs. Il a souligné trois développements particuliers: les portails de partage de données en ligne qui assurent la conservation des données démographiques, les partenariats avec le gouvernement pour améliorer les systèmes de données et la surveillance démographique dans les bidonvilles africains .

Lors de la toute dernière session plénière du dernier jour du Forum, l'une des panélistes, Nnenna Nwakanma , nous a posé cette question à tous: quels sont vos enseignements du Forum des Nations Unies sur les données?

L'un des plus grands enseignements que j'ai tirés de la participation à plusieurs des sessions et événements parallèles est que nous devons réfléchir profondément à la façon dont nous définissons le terme «scientifique des données». Cela est dû à la prise de conscience croissante de l'importance des données dans les aspects quotidiens de la vie et à la croissance ultérieure d'une discipline connue sous le nom de «science des données».

Cela m'a fait beaucoup réfléchir sur la science des données et ce que cela signifie vraiment. O'Neil et Schutt (dans leur livre Doing Data Science ) définissent un scientifique des données comme:

«Quelqu'un qui sait extraire du sens et interpréter des données, ce qui nécessite à la fois des outils et des méthodes de statistiques et d'apprentissage automatique, tout en étant humain. Elle passe beaucoup de temps dans le processus de collecte, de nettoyage et de fusion des données, car les données ne sont jamais propres. Ce processus nécessite de la persévérance, des statistiques et des compétences en génie logiciel, compétences qui sont également nécessaires pour comprendre les biais dans les données et pour déboguer la sortie de journalisation à partir du code. »

Des recherches plus approfondies ont révélé que le scientifique des données idéal doit posséder des compétences en programmation, des compétences statistiques, des capacités d'apprentissage automatique, un calcul multivariable et une algèbre linéaire, la lutte des données, la visualisation et la communication des données, l'ingénierie logicielle et l'intuition des données! Est-il possible pour un être humain de posséder toutes ces compétences et de bien les maîtriser?

Oui, c'est le cas - si l'on a une intelligence surhumaine et des capacités qui défient le temps pour acquérir l'éducation et l'apprentissage requis au cours de leur vie. Ou si l'on était le monstre de Frankenstein, composé de diverses parties d'un communicateur de données, statisticien, mathématicien, développeur Web, chef de produit, entre autres, comme l'a démontré Stephan Kolassa.

De toute évidence, la tâche de trouver le data scientist idéal nécessiterait des efforts herculéens. Il est rare de trouver l'ensemble de compétences et l'expérience souhaités chez un seul individu. Cependant, il est possible de constituer une équipe de science des données composée d'experts dans chacune des compétences individuelles énumérées ci-dessus. Et l'équipe , surtout, doit également être multiculturelle et sexospécifique.

Pourquoi le développement d'une équipe de science des données est-il important pour l'APHRC? Le Centre est à la pointe de la recherche pour une prise de décision fondée sur des preuves en Afrique depuis 2002. Les riches données sur la population et la santé urbaine générées par divers programmes de recherche sont notre atout le plus précieux, et elles sont hébergées dans nos données en ligne. plate-forme de partage où ils sont disponibles pour une utilisation par divers acteurs sur demande.

Jusqu'à présent, les données ont été analysées de manière descriptive et ont pu fournir des informations historiques sur une variété de sujets. Cependant, comme le montre la figure suivante , pour que la valeur des données augmente, elles doivent mûrir analytiquement en subissant une analyse diagnostique, prédictive puis normative.

L'analyse normative nécessite l'utilisation du Machine Learning (ML) et de l'Intelligence Artificielle (AI), qui «apprennent tous les deux leur intelligence» à partir d'un être humain, et pas seulement à partir des données qui leur sont fournies. Par exemple, une équipe du Massachusetts Institute of Technology a trouvé la prédiction de revenu d'une IA «scandaleusement raciste et sexiste» en raison de la nature des données qui lui avaient été fournies.

Sans l'intervention de l'équipe, qui a ajusté les algorithmes, les capacités prédictives de l'IA auraient échoué des groupes privés de leurs droits tels que les femmes et les minorités. Nous voyons alors qu'une équipe diversifiée de science des données est en mesure de limiter la production d'IA qui est biaisée, en particulier dans les cas où les données utilisées pour construire l'IA étaient déjà biaisées dans un premier temps.

Naturellement, la constitution d'une telle équipe a ses propres implications financières. C'est là qu'atteindre d'abord des fruits à faible pendaison, avant de passer à des opérations à part entière serait idéal. Cela implique deux choses: premièrement, tirer parti des plates-formes ML disponibles sur Google ou Microsoft pour effectuer des opérations de base et deuxièmement, capitaliser sur l'expertise actuellement disponible au Centre. Cela peut être suivi d'une restructuration à plus grande échelle d'une équipe qui possède l'expertise et l'investissement nécessaires dans une infrastructure prenant en charge le ML et l'IA.

Les rôles assumés par l'équipe de science des données comprendraient notamment un ingénieur en visualisation de données, un ingénieur ML et un journaliste de données.

L'équipe éventuelle de science des données doit considérer le type de science des données qu'elle souhaite poursuivre. Cela sera déterminé en partie par l'équipe: il pourrait se concentrer sur le nettoyage et l'analyse des données à utiliser dans la prévision, la modélisation et la visualisation (une équipe analytique) ou sur l'ingénierie logicielle pour développer des produits en utilisant les données existantes (équipe de construction).

Une équipe diversifiée dirigerait la production de produits de recherche variés et de haute qualité qui fournissent des prescriptions éclairées pour une prise de décision inclusive et fondée sur des preuves. À son tour, cela orienterait la vision du Centre de transformer des vies en Afrique par la recherche ainsi que les efforts du Kenya pour ne laisser personne de côté dans la mise en œuvre des ODD. - Marylene Wamukoya

(Crédit photo: Pexels)