Note : 6 ; Aller au fond du « data sense making ».
Stephen Few n’aime pas le terme « Data Scientist ». Il lui préfère le terme « Data sensemaker ». Et pour donner du sens aux données, il faut certes un socle de connaissances, mais aussi et surtout une culture, une démarche et des « soft skills » qui s’avèrent indispensables. C’est de cela qu’il est question dans cet ouvrage, qui est en quelque sorte le « pragmatic programmer » du Data Sensemaker.
L’ouvrage est court : il ne compte que 120 pages découpés en 7 chapitres. Le premier compte une dizaine de pages et sert d’introduction pour aboutir à la notion de sensemaker. Elle n’est pas franchement passionnante, cette introduction. Heureusement, le reste du texte est mieux !
Les deux fondamentaux que nous assène l’auteur sont la pensée critique et la démarche scientifique, sur lesquels le reste du livre est construit. Le second chapitre est dédié à la pensée critique. C’est un chapitre qui fait force référence à Kahneman, mais surtout aux biais cognitifs et autres erreurs et illusions. Chacune d’entre elle est expliquée et souvent illustrée dans le cadre du sensemaking. Un chapitre très solide. Bien sûr, c’est à la démarche scientifique qu’est consacré le chapitre 3. C’est une démarche empirique, basée sur l’infirmation d’hypothèses, la transparence et la relecture de pairs. Une approche qui se décline très bien sur le travail sur la donnée comme le démontre l’auteur.