Data scientist senior, 6 ans en Python et SQL, modèles de prévision en production.
Développement de modèles de prévision en Python et de pipelines SQL pour une équipe produit.
Suivi du modèle : précision et dérive des données.
BRAIN HR lit tout le lot de CV face au mandat, relie chaque profil retenu à ses preuves et prépare le dossier client. Vous gardez la décision.
Illustration animée avec des données fictives : Demande client, Shortlist défendable, Dossier client.
Construisez votre réponse autour de ce qui compte pour le client : des profils pertinents, des preuves lisibles et un dossier exploitable.
Le premier cabinet qui présente des profils solides garde la main. Lire des centaines de CV à la main coûte des jours.
Un score sans explication ne convainc ni le client ni le candidat. Il faut montrer où le critère est démontré.
Un dossier hétérogène ou approximatif fragilise la relation, même avec le bon candidat.
Les expériences, les preuves et les points ouverts réunis dans le dossier.
Développement de modèles de prévision en Python et de pipelines SQL pour une équipe produit.
Quel rôle avez-vous joué dans la mise en production de ce modèle ?
Suivez un besoin client dans BRAIN HR. À chaque étape, un résultat concret que votre équipe peut vérifier.
Indispensables, préférences et exclusions sont posés avec vous avant le tri.
ATS, vivier et candidatures entrantes : doublons réunis, fichiers suspects isolés.
Chaque profil est lu face à la même grille ; les manques deviennent des questions.
Développement de modèles de prévision en Python et de pipelines SQL pour une équipe produit.
Quel rôle avez-vous joué dans la mise en production de ce modèle ?
Preuves, réserves et entretien au format de votre client, après votre relecture.
Prêt pour votre relecture
Dans le produit
Matrice comparative
Les candidats sont lus côte à côte sur les mêmes indispensables. Une preuve absente apparaît comme telle, pas lissée dans un score.
Preuves localisées
Chaque profil retenu garde la phrase exacte du CV qui fonde l’appréciation. Votre client peut la vérifier ; votre consultant peut la défendre.
Expérience
Kora Systems · Data scientist · 2020 — 2024
Développement de modèles de prévision en Python et de pipelines SQL pour une équipe produit.
E1 → Python · SQLReporting hebdomadaire pour l’équipe commerciale, tableaux de bord maintenus en production.
Travail avec l’équipe plateforme pour déployer les modèles de prévision et suivre leurs performances.
E2 → Déploiement · à confirmerÀ approfondir : responsabilité personnelle sur le déploiement des modèles.
Modèles client
Logo, couleurs et mise en page : chaque dossier reprend le modèle de l’entreprise cliente à qui il est destiné. Rien ne part sans la validation d’un consultant.
Illustration animée avec des données fictives : Norvia Analytics, Kea Systems, Helix Assurance.
Scénario de démonstration
Scénario fictif · Data scientist senior · Norvia Analytics
Non. La plateforme lit, compare et prépare. La décision de présenter un profil reste la vôtre, après relecture des sources.
Oui, à partir d’un modèle actif dans votre espace. La génération est validée avec vos modèles pendant la mise en place.
De vos propres sources : ATS, vivier et candidatures entrantes, réunis dans un même lot. Les intégrations dépendent de votre configuration.
Le critère est marqué « non démontré » ou « à confirmer » et devient une question d’entretien. Rien n’est déduit.
Oui. Les périodes non couvertes par les dates indiquées et les chevauchements sont signalés comme des points à clarifier en entretien. Ils ne disqualifient pas automatiquement un candidat.
Dans un mandat, les profils sont évalués sur les mêmes critères validés, avec les indispensables séparés des préférences. Chaque nouveau mandat a sa propre grille : un résultat se lit toujours dans le contexte du besoin client.
Votre consultant relit les preuves, les points à confirmer et le format client avant de décider de partager un dossier. La préparation du document ne remplace pas cette validation.
Non. Un mandat type, vos volumes habituels et votre principale contrainte suffisent pour la démonstration de 30 minutes. Des profils d’exemple permettent de parcourir le fonctionnement.
Décrivez un besoin en quelques minutes : volume, séniorité, contrainte principale. Aucun CV ni donnée candidat demandé.