Tribunes

Les 7 bonnes pratiques pour embaucher votre prochain data scientist

Les data scientists disposent de compétences rares. Leur embauche doit donc être soignée.

PublicitéSi vous êtes à la recherche d'un data scientist, vous n'êtes pas le seul. L'investissement dans le Big Data explose, et avec lui, la nécessité de trouver et d'embaucher des data scientists de talent. En effet, McKinsey prévoit une pénurie de data scientists à hauteur de 50 à 60% d'ici à 2018.
Même si une concurrence féroce se joue pour dénicher le meilleur talent dans le domaine de l'analytique, cela ne signifie pas qu'il est impossible de le trouver. Voici quelques conseils sur la façon de le débusquer:

1. Créer une offre attractive, axée sur la croissance
En lançant une campagne de recrutement d'un data scientist, c'est entrer dans une arène de recrutement extrêmement concurrentiel. Les meilleurs candidats sont courtisés par un certain nombre d'entreprises, c'est pourquoi les employeurs doivent avoir préparé une offre alléchante afin de se démarquer.
Le salaire est une donnée importante, mais les data scientists sont avant tout à la recherche d'un travail intéressant, et pas seulement à la recherche d'un poste lucratif.
Prenez un peu de votre temps pour répondre ces questions: Quel genre de progression de carrière pouvez-vous offrir? Quels types de projets pouvez-vous proposer à votre data scientist, et avec qui va-t-il travailler? Les esprits curieux vont facilement s'ennuyer, alors pour les attirer il va falloir intégrer la notion de variété dans le poste.

2. Rechercher des profils rompus à résoudre des problèmes
Le Big Data n'est vraiment utile que quand il est utilisé pour résoudre des problèmes qui affectent la rentabilité de l'entreprise. Au fil des années et des embauches de data scientists, il en ressort que les meilleurs candidats ont davantage des capacités et des habilités mathématiques. La modélisation faite par magie est bien utile, mais vous avez besoin de quelqu'un qui peut aller au-delà des chiffres et comprendre les problèmes qui en résultant. Un bon data scientist est capable de poser des questions intelligentes sur ses données, en commençant par : quelle décision cherchons-nous pour permettre une amélioration ? Quelles sont les contraintes opérationnelles ? Comment pouvons-nous mesurer nos progrès ?

3. Complétez votre équipe existante
Si vous avez déjà des talents en interne maitrisant les données, pensez à la façon dont une nouvelle recrue va pouvoir donner de la valeur ajoutée à votre équipe actuelle. Par exemple, votre équipe actuelle connait-elle les langages de programmation tels que Groovy, Pig et Python? Si non, pensez à embaucher un data scientist qui parle couramment ces languages. Cela donnera à votre équipe la possibilité de créer des applications optimisées pour la manipulation et l'analyse du Big Data.

Publicité 4. Mettre l'accent sur la communication
Un bon data scientist est une personne qui peut communiquer clairement ses résultats à ses collègues et ses clients qui ne possède pas de connaissances de fonds en analytique - s'il ne peut pas, il risque d'être aussi inaccessible que les données brutes ! Le meilleur talent analytique doit pouvoir partager des idées et des connaissances afin qu'elles soient utiles et compréhensibles par tous au sein de l'entreprise. Vous ne pouvez pas toujours juger cette compétence à partir d'un simple CV, alors assurez-vous que vos candidats puissent transmettre leurs idées lors de l'interview.

5. Mettre davantage l'accent sur les compétences et la mentalité que le diplôme
Bien sûr, une solide expérience est une nécessité, mais de bons data scientists doivent également avoir le souci du détail, être curieux et ouvert d'esprit. Vous pourriez être surpris par certains candidats si vous élargissez vos horizons.

6. Réaliser l'entretien d'embauche en présence de vos data scientists
Cela peut paraître évident, mais c'est important. Les data scientists pourront être davantage à même de poser les bonnes questions qui révèlent vraiment l'expertise d'un candidat. Ont-ils géré des projets, les ont-ils mis en pratique ou les deux ?

7. Regardez en interne
Pensez à ceci : y a-t-il déjà une personne en poste dans votre entreprise qui possède déjà les compétences requises et la capacité nécessaire pour adosser le rôle d'un data scientist ?

Peut-être qu'elle souhaiterait ajouter à leur niveau de compétences actuelles cette qualification - pourquoi ne pas l'aider à perfectionner ses compétences et à la parrainer par un programme de formation ? Il n'est jamais trop tard pour faire émerger de nouvelles compétences !

Par Jean-Michel Schneider, Directeur de FICO France