Comment recruter un Data Scientist ?

Le data scientist fait parler les données d’une entreprise afin d’en tirer toute la valeur. Sa semaine type est animée par trois principales missions :

• Traiter les données : les données en possession de l’entreprise sont récoltées, nettoyées (data cleaning) et analysées.
• Construire des algorithmes : grâce à une grande précision d’analyse, il exploite les données pour élaborer des modèles de prédiction et anticiper les tendances.
• Échanger avec les autres expertises métier : après avoir été rendus plus lisibles, les résultats d’analyse sont retranscrits en recommandations stratégiques et en outils d’aide à la décision pour la direction. Au quotidien, le data scientist doit expliquer de façon claire et efficace les résultats de son travail aux équipes métier.

Très riche, le métier de data scientist exige la maîtrise de compétences techniques. Les recruteurs recherchent désormais des profils capables de développer et industrialiser leur code et modèle de machine learning. Si de nombreux langages permettent de créer des algorithmes, les plus utilisés sont :

• Les langages informatiques

• Les frameworks Python

• Les outils big data
  • Apache Spark
  • Apache Kafka
  • Apache Hadoop

• Autres outils de data visualization
  Microsoft Power BI et Tableau sont d’autres solutions intelligentes régulièrement utilisées par les data scientists. La connaissance de différents fournisseurs de cloud tels que Azure GCP et AWS est également requise.

Il est parfois difficile de trouver la perle rare qui saura répondre parfaitement à vos attentes. Pour faciliter votre sélection, on vous conseille de :

• Demander son portfolio ou tester ses aptitudes

Le candidat a probablement un portfolio en data science (site web, blog, page linkedin, tableaux de bord Power BI, etc.) regroupant les travaux déjà accomplis et démontrant ses compétences. Généralement, ils détaillent les méthodes et outils utilisés, ainsi que des exemples de résultats obtenus. Autre possibilité : proposer directement un test technique au candidat.

• S’appuyer sur des recommandations

Si le candidat a effectué des missions en freelance, n’hésitez pas à jeter un œil aux feedbacks des clients ou à lire ses références. Vous pouvez également faire appel à un partenaire de recrutement spécialisé dans la data comme Yotta Notre atout : s’appuyer sur un vaste réseau de managers pour amplifier la recommandation de profils et faciliter la prise de références.

• S’assurer que ses compétences matchent avec vos besoins

Le bon candidat est avant tout celui qui a les compétences en adéquation avec votre entreprise. Si votre équipe développe ses algorithmes en Python ou utilise des logiciels spécifiques par exemple, il doit être capable de maîtriser ces outils. Le former demanderait du temps supplémentaire.

• Proposer une liste des questions à poser pendant l’entretien

Programmation, mathématiques, machine learning, analyse des données, compréhension business… Pour passer en revue ses connaissances, préparez des questions précises telles que :

À partir de ce tableau sur les actions de nos utilisateurs, écrivez une requête pour connaître la rétention des usagers actifs par mois (à modifier)

Quel est le récent projet sur lequel vous avez travaillé ?

J’ai consulté la liste de vos compétences. Pourquoi avoir choisi de travailler avec ces solutions en particulier ?

Pour estimer la rémunération de votre futur data scientist, découvrez notre grille de salaire :

Note : en région parisienne, les salaires sont généralement 20 à 30 % plus élevés.