Management

4 conseils pour attirer les data scientists

Mike McCourt data scientist chez Invoca milite pour avoir du temps pour explorer de nouvelles idées. (Crédit Photo : Invoca)

Les spécialistes de la science des données sont des denrées rares. Sur un marché en tension, nos confrères américains de CIO.com ont listé quatre conseils pour attirer les data scientist au sein de son entreprise.

PublicitéPerles rares pour certains, divas pour d'autres, les data scientists sont devenus indispensables pour travailler et surtout valoriser les données des entreprises. Or noir du 21ème siècle, les datas ont besoin de raffineurs pour optimiser l'expérience client, créer de l'innovation, des modèles économiques plus pertinents, etc. Selon le cabinet Butch Works, 82 % des entreprises envisagent d'embaucher des data scientists et 70 % prévoient également d'élargir leurs équipes de data scientists au cours du premier semestre 2019. Les entreprises rivalisent d'ingéniosité pour recruter ces talents. Mais il ne suffit pas uniquement de proposer de très hauts salaires, des services de conciergerie, des salles de sports ou de billard pour séduire les candidats. Ces derniers sont à la recherche d'autres défis. Nos confrères de CIO.com ont analysé quatre moyens pour attirer cette population.

1 - Valorisation et utilité du travail

Même si l'entreprise peut rivaliser avec les salaires d'embauche des géants de l'IT, ce n'est probablement pas suffisant pour trouver les meilleurs spécialistes des données, d'après différents data scientists. « Si quelqu'un fait le choix de poursuivre des études en data science, il accorde autant d'importance à d'autres aspects de sa carrière qu'à sa rémunération. Les entreprises peuvent être facilement compétitives en offrant des capacités de formation et en étant créative, en plus d'être compétitives sur le plan salarial », explique Mike McCourt, data scientist chez Invoca. Il ajoute que « les résultats des recherches peuvent s'avérer extrêmement valorisant ».

Si le salaire est garanti, le principal facteur de motivation pour la plupart des data scientists réside dans la valeur du travail à réaliser. Ils veulent innover et savoir comment leurs travaux profitent directement à l'entreprise. « Je veux vraiment avoir la chance de résoudre des problèmes qui n'ont jamais été résolus auparavant. Il est facile de rejoindre une grande entreprise avec des modèles préexistants où il suffit de brancher des datas et d'obtenir des sorties, mais ce n'est pas très intéressant », explique Parnian Zarham, data scientist et ingénieur en machine learning chez Harness.

Un avis partagé par Albert Ziegler, data scientist chez Semmle qui souhaite travailler dans des équipes innovantes qui « encouragent la croissance individuelle » et s'occuper des problèmes captant son imagination. Et si les datas utilisées quotidiennement sont intéressantes en soi, c'est un atout supplémentaire. Des considérations fortement prises en compte dans sa décision de rejoindre le fournisseur de la plateforme d'analyse de code. « Je savais que je travaillerais avec des personnes très qualifiées en data science. Et je pense que la mission de l'entreprise de sécuriser le code est un bon objectif. C'est toujours plus amusant de travailler à quelque chose à laquelle on croit », glisse le Albert Ziegler.

PublicitéMais que faire si les projets sont un peu simples ou répétitifs ou sans ambitions de sauver le monde ? Il faut envisager de laisser les data scientists travailler sur des projets en dehors de leurs tâches quotidiennes. Cette liberté facilitera leur engagement et aiguisera leurs compétences. Ils peuvent même découvrir des opportunités, des bénéfices et des solutions. « Mon travail consiste bien sûr à maintenir nos modèles et résoudre les problèmes des clients, mais j'ai aussi du temps à consacrer à l'innovation et à la recherche », souligne Mike McCourt tout en complétant, « mes responsables reconnaissent l'importance que je puisse explorer de nouvelles idées. Si plusieurs d'entre elles n'ont pas marché, d'autres ont abouti à la création de produits ».

2 - Avoir une stratégie claire sur les données

Pour embaucher les meilleurs spécialistes des données, il est impératif d'avoir un contrôle sur les datas. Les data scientists veulent rejoindre une entreprise qui a une vision, une stratégie et un budget pour capitaliser sur les données. Il désirent savoir comment leur travail participe aux résultats financiers de la société. « Il peut être difficile de communiquer sur le ROI de la data science et les progrès des initiatives », reconnaît Mike McCourt.

La mise en place d'un plan solide sur les données donne aux datascientists des indications importantes avant de signer leur contrat. Ils savent ainsi leur rôle et que leur travail a de l'importance aux yeux de la direction. « Les entreprises doivent prouver aux candidats qu'elles sont vraiment prêtes à intégrer un data scientist. Surtout dans les start-ups où l'on dit "nous avons des datas, nous avons donc besoin d'un data scientist". Mais c'est comme recruter un chef avant même d'avoir fini la cuisine », observe Parnian Zarham. L'entreprise a-t-elle un moyen d'extraire les données ? Dispose-t-elle de l'infrastructure nécessaire pour analyser les données ? Comment les compétences d'un data scientist sont maximisées une fois l'embauche faite ? sont autant de questions que le candidat se posent et que l'entreprise doit aussi se poser.

3 - Une culture d'entreprise qui compte

Est-ce que la culture d'entreprise accompagne les initiatives en matière de données ? La direction et les managers sont ils d'accord sur une stratégie claire en matière de données (budgets, ressources,...) ? Les data scientists seront-ils en mesure de faire part directement de leurs préoccupations à la direction et d'être pris au sérieux ? Si ce n'est pas le cas, vous aurez beaucoup de travail à faire avant de pouvoir recruter et à conserver les meilleurs talents.

John Poduska, data scientist en chef chez Domino Data Labs, est malheureux quand il voit des collègues « coincés » dans des entreprises qui ne prennent pas la data science au sérieux. « Les data scientists de ces sociétés sont insatisfaits. Ils mènent une bataille difficile en passant du temps précieux à éliminer les freins au progrès et à éduquer les dirigeants ». Il ajoute qu'il est important de trouver une organisation qui a évolué pour « avoir une culture de prise de décision à partir des données ». Bien entendu, une culture axée sur les données n'est pas réservée qu'aux data scientists, elle profite aussi à l'ensemble des activités de l'entreprise. Mike McCourt constate que cette culture, « implique que l'entreprise valorise la recherche et donne à ses employés l'indépendance nécessaire pour explorer d'autres idées en dehors de la pensée unique ».

4 - Jouez sur vos forces

Il peut sembler impossible de concurrencer des géants de l'IT comme Google, Microsoft, Facebook ou Amazon capables d'offrir des salaires et des avantages sociaux intéressants. Mais il ne faut pas se décourager pour recruter des talents. « Une grande entreprise proposera toujours un salaire plus élevé, mais peut être au détriment des projets plus stimulants et uniques. C'est aussi un moyen d'apprendre davantage de choses sur les différents métiers de l'entreprise comme dans le cas des start-ups », assure Parnian Zarham. Les petites structures offrent en effet quelque chose d'unique par rapport aux grands comptes : la capacité de voir l'impact direct de son travail. « Les petites entreprises tentent souvent de résoudre des problèmes uniques. Ils offrent des expériences que vous ne pouvez pas obtenir dans la plupart des grands groupes. Cela dit, j'ai travaillé pour des grandes entreprises au cours de ma carrière et j'ai apprécié passer du temps avec elles. Un facteur clé de réussite est que la structure où j'évoluais travaillait comme une start-up avec des tâches ciblées, intéressantes et rapides à réaliser », se souvient John Poduska de Domino Data Labs.

Un data scientist dans une grande entreprise peut se sentir comme une pièce dans la roue, ne travaillant que sur des tâches dédiées et devenant vite monotones et répétitives. Les petites structures orientées data offrent aux spécialistes davantage de responsabilités, leur donnant ainsi la chance de voir leur travail trouver une concrétisation rapide, générer des revenus et rendre les processus plus efficaces. « Les data scientists recherchent des choses différentes. Mais je pense que pour beaucoup d'entre nous, la raison pour laquelle nous sommes devenus des data scientists en premier lieu est : nous voulions explorer des données intéressantes, se servir de techniques cooles et résoudre des problèmes pointus », conclut John Poduska.

Article écrit Sarak K White/CIO.com, traduit et adapté par Jacques Cheminat