Comment recruter un Data Scientist ?

Présentation

Rares sont les entreprises qui n’ont pas encore entendu parler des enjeux autour de la data, tant ils font la une de l’actualité ! Face à une montée en puissance des flux de données à disposition des marques, l’heure est désormais à leur exploitation et interprétation. C’est ainsi que de nouveaux métiers émergent, pour contribuer à une compréhension toujours plus fine du consommateur, que ce soit pour adapter son offre ou imaginer des dispositifs toujours plus personnalisés et efficaces.

Conséquence : la recherche de data scientists est en pleine expansion.

Le data scientist ? C’est celui qui va être capable - grâce notamment à la mise en place de modèles statistiques - de faire parler ces données et d’en tirer des enseignements actionnables ! La rencontre entre un mathématicien et un marketeux en somme… tout un programme.

Que recherche le candidat ?

Parce qu’il est un profil hautement désiré, le data scientist peut vite devenir exigeant vis-à-vis de son (futur) employeur. D’autant que son esprit méthodique n’hésitera pas à comparer les propositions avant de s’engager à aller plus loin.

Premier point, le data scientist recherche avant toute chose un état d’esprit positif, tourné vers l’avenir. Autrement dit, une structure dont la direction croit fermement en la data, plutôt qu’une entreprise qui céderait au chant des sirènes du big data.

Le data scientist souhaite également trouver un management de confiance. Il a en effet besoin de se sentir soutenu, et de s’assurer que ses compétences ne seront pas remises en question à la moindre difficulté. Puisque difficultés, il y aura forcément; d’autant plus s’il travaille sur des sujets à moyen voire long terme.

Enfin, le data scientist recherche de l’autonomie, avec l’attente de temps de travail individuel. Non pas qu’il n’apprécie pas les moments de collaboration et les réunions constructives, mais il a bien souvent besoin de moments plus recentrés, pour qu’il puisse produire efficacement et concrétiser ses phases de réflexions.

Comment attirer ce candidat ?

En encourageant son esprit entrepreneur.

Parlez-lui prises d’initiatives et valorisez la variété des sujets ! Il recherche un poste avec des responsabilités concrètes et déteste l’ennui. Pour ce faire, vous pouvez également lui donner « carte blanche » pour construire son poste. A condition de bien prendre le temps d’expliquer la structure dans laquelle il va évoluer, pour ne pas l’effrayer et définir tout de même un cadre avec lui.

En valorisant vos valeurs, vos engagements et surtout le sens de sa mission.

Parce qu’il ne vient pas forcément du milieu du « marketing », il est important de valoriser l’éthique de votre entreprise et le rôle de son poste. Rien de pire pour un data scientist que d’être considéré comme un marketeux par ses proches ! Avenir, innovation, utilité, sens sont autant de mots clés qui pourront le convaincre.

En mettant vos spécificités en avant.

A chaque entreprise, son poste de data scientist. Parce que les objectifs, les outils et les types de datas à disposition ne sont pas les mêmes, il est essentiel de bien spécifier votre vision et le rôle que vous souhaitez lui donner. Il aura alors toutes les clés en main pour apprécier vos qualités et points de différenciation et comprendre vos particularités. Une façon pour vous de montrer que ce n’est pas qu’un effet mode, mais que vous avez pris le temps de définir les contours de la mission avec les équipes concernées.

Et parce qu’être concret c’est encore mieux, vous pouvez préparer quelques chiffres clés pour bien lui faire comprendre son futur environnement de travail.

Les compétences à viser

Bien sûr, et c’est un point central pour l’exercice de son métier, ses compétences solides en statistiques et mathématiques. Un background indispensable qu’il s’agira d’évaluer en tout début de process. Pour cela, n’hésitez pas à vérifier la référence de sa formation ainsi que ses précédentes expériences. Un data scientist est généralement détenteur d’un master 2 voire d’un doctorat avec une spécialisation en mathématiques, statistiques, sciences informatiques ou viennent d’écoles d’ingénieur.

Mais un bon data scientist, c’est aussi un savoir-être.

De la curiosité, d’abord. Pour se tenir informé de l’actualité dans son domaine, aller chercher de nouveaux modèles, détecter des opportunités, faire des liens. Et parce qu’une solution n’est jamais une finalité, il doit sans arrêt être en veille pour faire évoluer, piloter et anticiper au maximum les transformations futures. Il doit par extension être dans une démarche d’amélioration continue avec une posture d’humilité et de remise en questions (mais pas trop, pour qu’il soit tout de même dans l’action et ose faire des choix).

Pour vous faire une idée sur ce point, vous pouvez le tester surl’actualité du secteur: connait-il les dernières conférences ? A-t-il participé à des salons récemment ? Comment structure-t-il sa veille ? A-t-il en tête un exemple d’utilisation de data particulièrement saillant ?

Enfin, dernier point,sa capacité à communiquer doit être reconnue.Il faut qu’il puisse échanger et adapter son langage, avec des personnes qui ne sont pas forcément de son milieu. En effet, ayant un poste par définition transversal, il peut être amené à travailler sur des problématiques financières, marketing, RH… Ce qui implique donc un esprit d’ouvertureet une vraie capacité d’écoute pour pouvoir problématiser facilement.

Pour le tester rien de plus simple : demandez-lui comment il expliquerait son métier et sa dernière mission à un enfant de 10 ans et voyez ce qu’il en ressort !

Mais un bon data scientist, c’est aussi un savoir-être.

Le process d’entretien

Pas toujours évident pour le recruteur d’évaluer les compétences purement techniques (statistiques, modélisation, analyse, mise en place d’actions). Il peut alors être intéressant de proposer dès la première étape une étude de cas ou un test de logique pour mettre le candidat en situation et tester « in situ » ses aptitudes. Vous pourrez ainsi filtrer facilement et objectivement les premières candidatures.

Vous pouvez également passer par un cabinet de recrutement, spécialisé dans le domaine. Point d’autant plus important s’il s’agit d’une création de poste et que vous n’avez pas à disposition de personnes compétentes pour donner un avis sur le profil. Evidemment, si vous avez déjà un (ou des) data-scientists, faites les intervenir dans le recrutement, ils pourront ainsi aborder des questions plus techniques et vous faire un retour terrain.

Les qualités humaines sont particulièrement importantes sur ce poste : le recrutement d’un data scientist excellent en statistiques mais incapable de communiquer avec des personnes extérieures sera un échec. N’hésitez donc pas à le mettre rapidement en relation avec des personnes concernées par les enjeux autour de la data, à des niveaux différents. Et demandez-lui un retour spontané : Que retient-il de ces échanges ? Comment analyse-t-il la situation ?

Le but pour vous : jauger ses capacités à écouter et échanger simplement. Et pouvoir ainsi détecter son niveau d’empathie, ses capacités de synthèse et de problématisation.

Ce dont il faut parler en entretien

Organisation.

Prendre le temps de parler de la place de la data dans l’entreprise. Ce qui a déjà été mis en place, le type de données à disposition, les enjeux, les projets à venir où son poste sera central (mise en place d’un programme CRM, développement d’une cellule R&D orientée client, modélisation financière…). Vous pouvez également le tester : quels sont celui les enjeux prioritaires pour votre entreprise ?

Méthodes de travail.

Un temps pour préciserles formes de collaboration entre les équipes internes : co-construction, suivi, retour d’expérience. Le data scientist, parce que sur une mission transversale, doit être au fait des méthodologies mises en place et des freins rencontrés. Illustrez vos propos avec des exemples d’ateliers, de workshops.

Alliés.

Toute entreprise est au fait de la data. Mais il est important pour vous de démontrer que les salariés sont eux-mêmes impliqués et convaincus ! Vous pouvez donc mettre en avant des sponsors de la data, ceux qui ont milité pour l’ouverture de son poste. Cela pourra le rassurer et le valoriser puisque vous lui montrer qu’il est attendu. Un point d’autant plus important s’il s’agit d’une création de poste ou si votre entreprise est réputée pour avoir du mal à mettre en place les changements.

Les mots incontournables.

Analytics : pour collecter et surtout analyser les données et être en mesure de prendre des décisions stratégiques pour l’entreprise.

4V : vélocité, volume, véracité, variété. Voici 4 « mesures » de data.

API : il s’agit d’une interface de programmation pour faire le lien entre différentes applications et pouvoir collecter et croiser un maximum de data.

Cassandra / Big table : deux systèmes de gestion de base de données. Autrement dit, les outils de travail quotidiens du data scientist (parmi d’autres).

Data viz / Data visualisation : technique pour rendre les datas plus lisibles et compréhensibles (graphiques, comparaison, évolution…). Très utile pour pouvoir partager et vulgariser les analyses avec les équipes internes et identifier rapidement les enjeux, les problématiques et pouvoir enclencher des actions.

Decision tree / arbre de décision : permet justement de visualiser les datas et de faire des liens de corrélation entre différents types d’informations (comme pour un arbre généalogique finalement !).

First Party Data / Third Party Data : permet d’identifier la « source » de vos datas. Soit vous en êtes le propriétaire puisque vous les avez obtenues via votre site par exemple (first), soit vous faites appel à un acteur externe (third).

Machine learning : c’est la capacité d’apprentissage d’un système. Plus il emmagasine de la data, plus il est capable de faire des croisements et peut ainsi en déduire automatiquement des optimisations.

Grille de salaire

Qui dit métier recherché, dit forcément salaire élevé ! Parce que le data scientist est une fonction qui monte, vous devrez forcément y mettre le prix ! Mais à vous de calculer le retour sur investissement : avec un bon data scientist, il y a forcément de belles retombées marketing, financières ou RH à la clé ! D’après le cabinet de recrutement Robert Half, il faut compter entre 3749 € et 5416 € par mois pour un junior (moins de 3 ans d’expérience) et entre 5416 € et 7083 € par mois pour un profil plus expérimenté (de 3 à 5 ans d’expérience.).

Un salaire qui a d’ailleurs explosé entre 2017 et 2018, preuve de l’engouement.

Comment gérer la période d’essai

Privilégiez une durée de période d’essai en lien avec une première (petite) mission. Rien de tel pour pouvoir être objectif : vous aurez des éléments concrets à disposition. On évite donc les échéances génériques pour les cadres et on fait plutôt du sur-mesure, en collaboration avec le manager.

Autre point, cette période d’essai est l’occasion pour votre nouvelle recrue de faire un premier tour des équipes pour récolter les besoins. Pourquoi ne pas en profiter pour lui faire faire alors un rapport d’étonnement ? En l’encourageant à faire ce premier diagnostic, vous pourrez identifier des axes de travail qu’il pourra alors présenter aux équipes. Une façon pour vous d’obtenir un regard nouveau sur votre organisation, les pôles de compétences, les besoins et enjeux de l’entreprise.

Enfin, aller à la rencontre des personnes avec qui il travaille : Comment se comporte-il ? Est-il curieux ? Positif ? De bonne volonté ? Le data scientist est par essence intégré dans l’entreprise : à vous d’aller sonder vos employés avant de le confirmer !

Photo : WTTJ