Toute candidature commence par une offre d’emploi. La plupart des gens la lisent une fois, rapidement, et se posent une question : « Ai-je ces compétences? » Cette question arrive trop tôt. Une offre d’emploi est un message d’une équipe qui a un problème. Repérez d’abord le problème. Vous pourrez ensuite voir quelles expériences comptent, quelles lignes sont importantes et lesquelles figurent simplement dans toutes les offres.
Imaginez le menu d’un nouveau restaurant. Il présente 40 plats, mais la cuisine en réussit vraiment cinq. Le serveur peut vous dire lesquels si vous le demandez. Le menu ne dit pas non plus combien de temps vous attendrez, ni que la cuisine ferme tôt le lundi. Une offre de scientifique des données ressemble souvent à ce menu : longue, un peu fière d’elle-même et silencieuse sur certains points importants. Dans ce guide, nous la lisons attentivement, remarquons ses omissions et décidons quelles questions poser.
L’offre ci-dessous concerne une entreprise qui n’existe pas. Nous l’avons construite à partir de 15 offres réelles de scientifique des données. Elles viennent d’entreprises de technologies financières, d’entreprises de produits, d’un assureur, d’une banque et d’une application d’apprentissage des langues. Nous avons conservé leurs tendances réelles : les passages clairs, les passages vagues et les petits problèmes des vraies offres. Puis nous les avons réunis dans une seule entreprise. Tout le guide peut ainsi utiliser la même équipe et le même produit.
Parlo est une application mobile pour apprendre des langues. Environ 3 millions de personnes l’utilisent chaque mois, dans 60 pays. La plupart apprennent l’anglais, l’espagnol ou le français. L’application est gratuite au départ. Les gens peuvent payer pour Parlo Plus, un abonnement qui offre plus de fonctionnalités. Comme la plupart des applications avec abonnement, Parlo dépend de deux nombres : combien de nouveaux apprenants restent et combien commencent à payer.
Description de poste
Scientifique des données, croissance et apprentissage
Parlo · Toronto, Ontario
Télétravail au Canada, avec 2 journées d'équipe par trimestre à Toronto
Temps plein
115 000 – 145 000 $ CA + prime + participation au capital
Parlo aide 3 millions d’apprenants par mois, dans 60 pays, à parler une nouvelle langue avec confiance, quelques minutes par jour. Notre entreprise s’appuie sur les données et donne la priorité à l’IA. Chaque décision sur le produit commence par des éléments probants. Notre équipe de données Croissance et apprentissage collabore avec les équipes de produit, de conception, d’ingénierie et de conception pédagogique. Ensemble, elles aident les apprenants à rester motivés et à faire de vrais progrès.
Comme scientifique des données dans l’équipe Croissance et apprentissage, vous serez la personne directement responsable des données de votre secteur produit. Vous prendrez en charge les analyses de bout en bout, de la première question à la décision. Vous aiderez aussi à définir comment Parlo mesure le succès des nouvelles fonctionnalités fondées sur l’IA, comme notre pratique de conversation avec l’IA.
Cette offre vise un poste vacant existant. Nous n’exigeons pas d’expérience de travail au Canada. Nous utilisons des outils d’IA pour aider à trier les candidatures. Une personne lit chaque candidature avant toute décision. Si vous avez besoin d’une mesure d’adaptation à une étape quelconque, dites-le à notre équipe de recrutement.
Offre d'emploi composite pour une entreprise fictive, construite à partir de 15 offres réelles de scientifique des données.
Avant de comparer l’offre à votre CV, répondez à trois questions à son sujet. Notez vos réponses. Cela prend environ dix minutes. Vous pourrez ensuite les comparer aux nôtres ci-dessous.
Quelles décisions cette personne aidera-t-elle à prendre? Répondez en une phrase, avec des mots simples, sans nommer d’outils.
Qui utilise ce travail et que se passe-t-il s’il est erroné?
Quelles trois lignes retireriez-vous pour garder l’offre honnête et courte?
Nos réponses
1. Les décisions. Parlo modifie constamment son application : nouveau format de leçon, nouvel écran d’accueil, nouveau prix, nouvelle fonctionnalité d’IA. Pour chaque changement, quelqu’un doit décider : le garder, le modifier, l’offrir à tout le monde ou le retirer. Cette personne aide les gestionnaires de produit à prendre ces décisions à partir d’éléments probants. Elle indique clairement leur degré de certitude. Presque chaque ligne de « Vos tâches » décrit une façon de le faire.
2. Les utilisateurs et le coût d’une erreur. Les premiers utilisateurs de ce travail sont les gestionnaires de produit. En général, ils ne lisent ni le SQL ni les intervalles de confiance. Ils lisent votre recommandation. Derrière eux se trouvent 3 millions d’apprenants. Si vous dites qu’une fonctionnalité fonctionne alors que ce n’est pas le cas, Parlo l’offre à tout le monde. Beaucoup d’apprenants partent alors sans que personne comprenne pourquoi. Si vous dites qu’elle ne fonctionne pas alors qu’elle fonctionne, l’équipe abandonne des mois de bon travail. Il y a aussi un coût financier. L’offre mentionne la pratique de conversation avec l’IA. Les fonctionnalités d’IA coûtent de l’argent chaque fois que quelqu’un les utilise. Une analyse erronée peut donc coûter cher de deux façons.
3. Les lignes à retirer. « Volonté de progresser et passion pour les langues » vous renseigne sur l’image que l’entreprise a d’elle-même. Mais personne ne peut le vérifier en entrevue. « S’appuie sur les données et donne la priorité à l’IA » apparaît dans de nombreuses offres et révèle peu sur cette équipe. La liste d’outils (Snowflake, BigQuery, dbt, Airflow, Spark, Looker, Tableau, Mode, Hex, Amplitude) dépasse presque certainement ceux que l’équipe utilise. Une équipe de huit personnes utilise rarement deux entrepôts de données et quatre outils de production de rapports. Nous y revenons à la page suivante.
Avez-vous remarqué la ligne sur la pratique de conversation avec l’IA? Une offre nomme souvent le projet qui a poussé l’équipe à ouvrir le poste. C’est un bon indice du sujet des entrevues. Dans ce guide, c’est exactement ce qui se passe.
Si vos réponses diffèrent des nôtres, ce n’est pas un problème. L’important, c’est l’habitude : partir des décisions et des personnes, pas de la liste d’outils. Dans les entrevues, la conversation portera sur les décisions. Les outils seront abordés seulement comme moyens d’y arriver.
À la page suivante, nous lisons l’offre ligne par ligne et expliquons honnêtement ce que chaque partie signifie. Nous précisons le type de poste de scientifique des données, les exigences, les simples souhaits et les éléments manquants. Nous voyons aussi qui devrait postuler et quelles questions poser à l’équipe. Ensuite, nous examinons les cinq entrevues du processus de Parlo, puis suivons cinq candidatures différentes dans l’étude de cas produit.
