Décoder les CV Data

Lorsque l’on ne s’y connaît pas, comprendre un Cv dans les métiers de la Data a tout d’une mission impossible. Les CV sont parfois denses, les appellations obscures, on ne sait pas vraiment ni quoi ni où chercher afin de savoir si le candidat est bon ou pas. On vous distille quelques conseils afin de faciliter vos prochaines lectures de CV.

Ne pas se fier aux intitulés de poste

Pour commencer, ne vous fiez pas aux intitulés de poste. Un Data Scientist chez Safran n’a pas nécessairement les mêmes compétences qu’un Data Scientist chez Cdiscount.  En effet, les équipes Data n’utilisent pas les mêmes technologies : certains postes sont plus axés sur la recherche, tandis que d’autres sur la technique.  Il ne faut donc pas compter sur les intitulés pour vous aiguiller dans votre recherche, ou en tout cas ne pas s’y fier aveuglément.

Ciblez des mots clefs

Il vous faudra être à la recherche de certains mots clefs. En fonction de vos besoins, recherchez certains langages (Python,R,…) ; certaines méthodes (Machine learning, Deep Learning,…) ; des frameworks particuliers ( Hadoop, Spark… ) ; des types de bases de données (Sql, NoSQL…). En général, les CV donnent des indications sur le niveau de maitrise d’un élément technique, que ce soit écrit ou bien par une infographie.

Ne pas se braquer devant un CV atypique

Par ailleurs, il peut arriver de tomber sur des CV atypiques, avec des infographies, des couleurs, ou encore des frises. On préfèrera évidemment un CV sobre et clair mais il ne faut pas que le fait de recevoir un CV un peu hors norme soit éliminatoire pour vous. Les professionnels de la Data( surtout les architectes big data, les ingénieur big data et les data scientist) sont souvent passionnés, ils aiment montrer leur créativité et même si vous n’êtes pas habitués à ce genre de CV que nous ne recommandons pas non plus, n’en faites pas une erreur éliminatoire car vous pourriez passer à côté de très beaux profils compétents.

Etre attentif aux expériences du candidat

Soyez également attentifs aux expériences professionnelles, y compris les stages. Certaines entreprises, notamment les pure players Data sont des gages de qualité. Une expérience dans une entreprise comme Criteo ou encore Cdiscount est par exemple une marque claire du niveau d’un candidat.

Valoriser l’auto-formation

Prêtez attention aussi aux MOOCs réalisés par le candidat. Dans le domaine de la Data qui est nouveau et où les choses vont vite, l’auto-formation est bien souvent nécessaire et démontre des qualités essentielles comme la curiosité intellectuelle. Si le candidat a validé des MOOCs récents en lien avec la Data, cela montre qu’il se tient à jour des évolutions du secteur. Dans la même veine, ayez à l’œil si le candidat met en avant des réalisations personnelles en lien avec le Data comme des résultats de concours Kaggle ou encore sur datascience.net.

A propos de l'auteur

Retour