On l’appelle aussi data miner. Le data scientist analyse et exploite les mégadonnées récupérées et organisées par le data engineer. Il les trie, les hiérarchise et les analyse pour en tirer des statistiques et des prévisions. Il tient un rôle d’interprète de la data. Ce nouvel or digital est une source importante qui permet de donner des pistes opérationnelles et stratégiques à l’entreprise.

Les données dont il s’occupe peuvent être internes ou externes, c’est à dire concerner les clients, les fournisseurs, les prestataires, ou bien les collaborateurs de l’entreprise. Comme le data analyst, il fait parler les données. Mais contrairement à lui, il ne part pas d’un objectif précis. Ce sont les données qui vont l’amener à se poser des questions. Le data scientist développe des modèles de prédiction pour aider son entreprise à prendre des décisions stratégiques (marché, tendances, modes de consommation, amélioration des ressources internes…). Par exemple, suite à ses conclusions, la direction marketing peut valider ou non le lancement d’un produit, d’un service ou d’une offre. Il traduit les données mathématiques et algorithmiques en problématiques business. En fonction de ses besoins, il organise la collecte de données (hiérarchie, structure, croisement, stockage…).
Le responsable des systèmes d’information est généralement le supérieur hiérarchique du data scientist. Ce dernier interagit avec les services marketing, commercial et financier, ainsi qu’avec la direction générale. Il construit des algorithmes pour améliorer les résultats de recherche et de ciblage. Il choisit ses solutions technologiques pour optimiser la performance de ses conclusions. Il crée des tableaux de bord adaptés et compréhensibles par les acteurs concernés. Il effectue une veille technologique continue.
Son activité touche de nombreux domaines : finance, assurance, grande distribution, industrie, tourisme… Ses recommandations sont très attendues pour enclencher des prises de décision.