Moment Données

🏷️ [Recrutement & Marché] Dans cet épisode, Mariia, forte de 9 ans d’expérience dans la Data, partage son parcours, sa vision de l’évolution du marché et des compétences clés aujourd’hui. Elle insiste sur l’importance de la compréhension globale du business, à une époque où les outils (SQL, Python) et l’IA deviennent des standards accessibles, moins différenciants qu’avant. Un échange sincère et particulièrement utile à ceux qui envisagent une transition vers la Data ou cherchent à mieux comprendre ce qui fait la valeur réelle d’un profil Data aujourd’hui ⛳

🏷️ [Organisation & Use Cases] Dans cet épisode, Gaëlle Seret, Group Product Manager chez Decathlon, nous éclaire sur le rôle stratégique et opérationnel du Data Product Manager. Elle partage comment elle conçoit et met en oeuvre le framework data as a product dans un environnement décentralisé où créer du lien est souvent le plus grand défi. Avec plus de 100 000 employés à accompagner en interne, la Data chez Decathlon prend la dimension d’un produit B2C, avec des attentes et des besoins aussi variés que les métiers qui les portent. Un échange passionnant sur les enjeux d’un rôle clé dans une organisation globale et complexe - qu’on connait tous 🐓 ! Merci à Gaëlle pour cette démonstration concrète et inspirante ! ⛳ 🔗 Liens: - Robert Sapolsky - L'article et la matrice de compétence

🏷️ [Data & Use Cases] Dans cet épisode, Lorélie Mani, Data Science Manager chez Vestiaire Collective, nous dévoile comment elle optimise les revenus en jouant avec différents canaux d’acquisition comme la TV, le métro, Instagram et Google. Face aux données limitées des médias traditionnels, Lorélie et son équipe ont conçu un modèle avancé de Mix Marketing Revenue, intégrant Data Science et Data Analyse, pour affiner les investissements. Elle partage les défis liés aux données rares, aux biais de périodicité, et aux AB Tests dans un environnement en constante évolution.

🏷️ [Business & Use Cases] Dans cet épisode, on reçoit Camille Gurcan COO de Mooncard, le leader français de la gestion des notes de frais. Arrivé après une série C et dans un contexte d’hyper croissance, Camille revient sur les challenges opérationnels rencontrés à ses débuts dans un écosystème sans BU Data. On parle de l’importance et l’urgence qu’il y a à aligner les outils qui gravitent autour de la base de données principale, via quelle culture, quel recrutement et quel mode de priorisation.

🏷️ [Data & Use Cases] On a rencontré le Head of Data de StaffMe, Thomas Vannier. La promesse de StaffMe : permettre aux employeurs de trouver du renfort sans avoir à le chercher. Et si la fête est si belle, c’est aussi grâce au travail des “staffers” - ces freelances & intérimaires qui vont prêter main forte aux entreprises. Un business de Supply & Demand avec un enjeu de matching clé, construit sur une stack solide et surtout bien choisie. On est aussi revenu sur le choix des outils dans une Modern Data Stack avec un petit focus sur Databricks. Comment StaffMe a révolutionné le marché du recrutement avec plus de 800k candidats ? Est-ce que je vais trop loin si j’écris que Teddy et Léon ont tout cassé grâce à cet algorithme de matching ? Thomas nous répond !