Si le cœur de ce qui te plaît, c'est manipuler la donnée, coder proprement en Python/SQL et construire des choses qui tournent (plutôt que passer des mois sur un modèle), le data engineering est souvent plus ouvert que le data science pur. C'est là que la tension du marché s'est déplacée : les entreprises manquent de gens capables de fiabiliser les pipelines et les plateformes qui alimentent l'IA.
Si ce que tu aimes vraiment, c'est la rigueur statistique, modéliser des phénomènes et produire des analyses solides pour éclairer des décisions, le métier de chargé d'études statistiques offre le même ADN que le data science, avec beaucoup moins de saturation « bootcamp ». La demande est stable dans l'assurance, la santé, la pharma, les instituts d'études et le secteur public.
Si ce qui t'attire, c'est répondre à des questions business avec des chiffres, raconter une histoire à partir de données et être proche des équipes métier (plus que la modélisation mathématique lourde), le poste de data analyst est la porte d'entrée la plus courante dans la data. C'est le plus gros vivier d'offres, mais aussi le plus concurrencé côté juniors — un vrai portfolio fait la différence.