Dans le monde de la technologie, les données occupent une place centrale. Toutes les entreprises collectent de grandes quantités de données provenant de sources multiples, dépensent des sommes considérables pour les stocker, puis les traitent pour améliorer, accélérer et optimiser leur organisation. Quel que soit le secteur ou le domaine dans lequel vous évoluez, l'analyse de données permet de prendre de meilleures décisions, d'améliorer les approches métier, d'éviter que les problèmes ne s'aggravent, de les résoudre, de garantir que les objectifs sont atteints plus rapidement et de mettre en place de meilleures stratégies business.
Les données sont le meilleur atout d'une entreprise. Mais il y a un problème : une pénurie de data workers à même de gérer correctement les données et d'en extraire les meilleurs insights et prédictions.
Les professionnels des données disposent d'un large éventail d'expertises et de spécialisations. Il peut s'agir de domaines tels que l'ingénierie des données (transformation des données en informations utiles grâce à l'analyse), l'exploration de données et l'analyse statistique, le cloud et l'informatique distribuée, la gestion et l'architecture des bases de données, la Business Intelligence ou le Machine Learning, ainsi que la visualisation des données.
Cela fait quelques années que les professionnels des données sont très demandés.Selon des données sur LinkedIn, le nombre d'emplois dans la data science a augmenté de 650 % depuis 2012. Les statistiques de Glassdoor vont dans le même sens, avec environ 1 700 offres d'emploi dans le domaine de la data science mises sur le site en 2016. Ce nombre est passé à 4 500 en 2018 avant de se stabiliser à 6 500 en 2020 (plateau attribué à la Covid). Un rapport du Bureau of Labor Statistics des États-Unis prédit une augmentation des compétences en data science, ainsi qu'une croissance de 28 % du secteur dans les années à venir, jusqu'en 2026. L'augmentation de la demande concernant ces professionnels de la donnée s'accompagne d'une demande d'amélioration des compétences des utilisateurs métier afin de suivre l'évolution des modes de fonctionnement.
On anticipe la démission d'un nombre record de data workers alors que la pandémie de Covid est de moins en moins une nouveauté et que la vie reprend son cours.Jusqu'à présent, les rapports indiquent que le taux de démission le plus élevé concerne les employés de niveau intermédiaire et les secteurs de la santé et de la technologie.Pour les entreprises, cette « Grande Démission » constitue une opportunité inestimable de mettre la main sur des data workers exceptionnels.
Les recruteurs et les entreprises vont devoir modifier leurs processus de recrutement pour s'adapter à l'évolution de l'environnement du marché, car ils sont actuellement confrontés à plusieurs problèmes quand ils cherchent à recruter des data workers.
Défis liés au recrutement de data workers
Les équipes RH et les professionnels des données ont identifié des obstacles importants à la réussite des embauches. Les entreprises doivent adapter leurs processus pour ne pas risquer de passer à côté des meilleurs talents.
Longs processus de recrutement
Le processus de recrutement des data workers est long et difficile, ce qui constitue un obstacle considérable pour les employeurs et les employés potentiels. L'une des principales raisons réside dans le long cycle de qualification du processus d'embauche moyen. Le domaine de la data science étant en constante évolution, les entreprises sont souvent incertaines quant à leurs besoins. Il existe un décalage entre les ressources humaines et les équipes qui ont besoin de professionnels des données.
Cela conduit à des processus d'entretien ardus, requérant souvent plus de cinq à six interactions, des tests pratiques et des présentations par les candidats. Pendant ce temps, si le profil recherché change, il faudra considérer de nouveaux candidats ou inviter le même candidat à passer un entretien pour des critères différents. Le manque de clarté entre les besoins des entreprises et la façon dont un data scientist peut y répondre est à l'origine du problème.
Passer par de nombreuses étapes pour finalement ne pas obtenir le poste est incroyablement décourageant pour les employés potentiels. Si le processus est trop ardu, nécessite beaucoup de temps ou si de nombreuses personnes sont retenues pour un entretien, d'excellents candidats peuvent tout simplement abandonner.
Décalage entre les attentes et les qualifications
Souvent, le manque de clarté sur le besoin réel est la raison pour laquelle ces data scientists correspondent mal aux rôles. Si l'entreprise a besoin d'un data scientist ayant une expertise avancée en intelligence artificielle (IA), en Business Intelligence (BI) et en machine learning (ML), le scientist moyen est sous-qualifié. On constate également un décalage entre les qualifications et les attentes lorsqu'à l'inverse, un data scientist très qualifié, maîtrisant le ML et l'IA, est embauché afin de produire de beaux graphiques pour les présentations. Cela engendre une démotivation de l'équipe de data scientists et ne présente aucun avantage pour l'entreprise.
Priorisation des aptitudes techniques par rapport au potentiel
Un nombre croissant de spécialistes en data science passant des entretiens pour divers postes remarquent que leurs aptitudes techniques sont privilégiées par rapport à leur potentiel. La quête du candidat idéal peut faire passer à côté de bons candidats ayant un excellent potentiel. Les équipes de recrutement ont des « filtres ». Leurs attentes ne correspondent pas à la réalité des exigences d'un rôle en data science, et des candidats parfaits sont écartés.
Accorder trop d'importance aux qualifications pour des variantes spécifiques de la technologie des données entraîne également une perte de candidats.
Possibilités de travail à distance et de flexibilité de plus en plus demandées
La Covid a définitivement changé le fonctionnement du lieu de travail. Nous avons tous constaté que le fait de travailler à domicile ou avec des horaires flexibles ne nuit pas à la productivité. Autrement dit, de nombreuses personnes qui n'ont pas besoin d'être présentes physiquement au bureau souhaitent conserver cette flexibilité. Cet effet de la Covid est l'une des principales raisons de la Grande Démission.
Les entreprises qui cherchent à pourvoir des postes à temps plein et dans des bureaux ont du mal à recruter. Le fait qu'une entreprise puisse être moins performante lorsque son personnel travaille selon des horaires flexibles ou à distance est en grande partie un mythe. Les entreprises doivent se montrer flexibles ou elles risquent de perdre d'excellents candidats.
Conseils pour les recruteurs recherchant des professionnels des données
Le décalage entre les besoins réels et les besoins perçus se produisant au niveau du recrutement, les entreprises doivent adopter certaines bonnes pratiques lorsqu'elles embauchent des professionnels des données.
Identifier les problèmes pour lesquels vous recrutez
Souvent, les entreprises ne savent pas vraiment comment les data scientists peuvent les aider. Cela se traduit par l'embauche d'une personne potentiellement surqualifiée (ou sous-qualifiée, dans certains cas) et mal adaptée à la tâche à accomplir. Il est important de commencer par identifier les problèmes data à résoudre.
Assurez-vous que vos attentes sont claires en ce qui concerne les qualifications requises et filtrez les candidats sur cette base. Demandez conseil à d'autres data scientists, plutôt que d'utiliser des modèles antérieurs ou des protocoles d'embauche de personnel non technique. Vous aurez ainsi un pool de professionnels adaptés parmi lesquels faire votre choix.
Tenir compte de la carte de croissance de votre entreprise
Les recruteurs ont tendance à embaucher afin de répondre à un problème spécifique auquel l'entreprise est confrontée. Dans le cas de la data science, il est important de recruter avec une vision à long terme. Les data scientists peuvent se perfectionner et accompagner la trajectoire de croissance définie par l'entreprise. La recherche de compétences en matière de leadership et de vision est tout aussi importante. Communiquer cette vision de l'avenir à un candidat potentiel peut l'inciter à venir travailler dans l'entreprise.
Aller vite avec les candidats potentiels
Actuellement, les entretiens pour recruter des professionnels de la data science peuvent se poursuivre indéfiniment. Cela décourage les candidats. Une fois que vous avez une vision claire du type d'employé que vous recherchez, recruter rapidement est essentiel pour embaucher les bons talents. Les candidats ont probablement postulé aussi à d'autres postes, assurez-vous d'être le premier.
Garder un œil sur le potentiel lors du recrutement
Recruter un data scientist nécessite de voir au-delà des compétences proprement dites. Cherchez à déterminer les aptitudes des candidats à se pencher sur la théorie et à l'appliquer à la résolution des problèmes de l'entreprise. Demandez-leur s'ils souhaitent améliorer leurs compétences et comment ils pensent pouvoir faire évoluer votre approche data.Un bon data scientist ne travaille pas simplement avec les données. Il doit également avoir des aptitudes pour communiquer, chercher, présenter et être proactif.
Les data scientists sont précieux
L'importance des data scientists ne doit pas être sous-estimée. Ils présentent plusieurs avantages pour l'entreprise. Les data scientists :
- Ils limitent les risques en utilisant les données pour identifier les risques potentiels.
- Ils aident à créer des produits et services plus pertinents en analysant les données de toute l'entreprise.
- Ils améliorent l'expérience client et réduisent le taux d'attrition, un facteur déterminant dans la réussite d'une entreprise.
- Ils permettent une meilleure prise de décision grâce à des faits quantifiables et basés sur des données pour étayer les solutions.
- Ils créent des opportunités pour l'entreprise et aident à affiner la définition de l'audience cible.
Le recrutement de data scientists appropriés peut améliorer le fonctionnement d'une entreprise. L'analytique des données peut contribuer au processus RH visant à garantir une bonne adéquation et une productivité à long terme des employés. Alteryx propose de nombreux outils analytiques pouvant être appliqués au recrutement.
Par exemple, l'entreprise X cherche à embaucher un data scientist ayant des compétences spécifiques en exploration de données. Le poste à pourvoir se trouve au sein d'une équipe existante. La société a reçu 400 CV. Alteryx Intelligence Suite peut l'aider en identifiant les dix meilleurs candidats correspondant à la liste des critères. Cette solution réduit les biais en supprimant les noms des candidats au cours de l'analyse, afin que les recruteurs embauchent sur la seule base du mérite. Intelligence Suite est rapide, ce qui permet de mener des entretiens approfondis avec les profils prometteurs. La data science rassemble plusieurs disciplines de la programmation, des statistiques et des mathématiques. Une bonne utilisation de la data science permet d'améliorer le fonctionnement, les services et la satisfaction client. Recruter les bons spécialistes data permet de puiser dans leur potentiel pour assurer la réussite de l'entreprise.
Nous recrutons !
Découvrez nos postes vacants.