
E-Commerce: Ein Data-&-AI-Team mit 5 Personen, aufgebaut vor der Hochsaison
Data Engineer, Data Scientist, AI Engineer, Analytics Engineer und QA: aus dem Talent Ecosystem vermittelt, mit noch 10 Wochen bis zum Launch.
Die Herausforderung
Die Category Manager von S.N holten Verkaufszahlen aus manuellen CSV-Exporten und lagen bei jeder Entscheidung einen ganzen Tag zurück. Die Führung wollte vor dem größten Verkaufsereignis des Jahres, zehn Wochen entfernt, eine echte Empfehlungs-Engine live haben. Dafür waren fünf Rollen gleichzeitig zu besetzen: ein Data Engineer für das Warehouse, ein Data Scientist und ein AI Engineer für das Empfehlungsmodell, ein Analytics Engineer, damit die Category Manager selbst auswerten können, und ein QA Engineer für Zuverlässigkeit unter Spitzenlast. Zwei Shortlists lokaler Recruiter und eigene Anzeigen von S.N, parallel für alle fünf Rollen, brachten nur Kandidaten mit grundlegender SQL-Reporting-Erfahrung, niemanden mit Erfahrung in Produktiv-ML oder Pipelines, und für weitere Suche blieb keine Zeit.
Die Lösung
S.N brauchte fünf unterschiedliche Einstellungen bei einer festen saisonalen Frist, ohne Zeit für fünf Suchen nacheinander. GTEMAS vermittelte Kandidaten für alle fünf Rollen parallel aus dem Talent Ecosystem, jeweils mit einem verifizierten Skill Profile, das genau die Fähigkeit bewertete, die die Rolle verlangte, darunter Praxiserfahrung mit dbt/Snowflake und mit Empfehlungsmodellen im Produktivbetrieb. S.N interviewte pro Rolle 2–3 vorab vermittelte Kandidaten und traf jede Entscheidung selbst. Onboarding: GTEMAS unterstützte bei der Angebotsverhandlung und beim Wechsel jeder Person und zog sich dann zurück. Alle fünf kamen direkt in das Team und auf die Gehaltsliste von S.N.
Ergebnisse und Wirkung
Die Empfehlungs-Engine ging zwei Wochen vor dem Verkaufshöhepunkt von S.N live und verkürzte nebenbei die Reporting-Verzögerung von einem ganzen Tag auf denselben Tag. Der Head of Analytics von S.N sagte, weil Pipeline- und ML-Erfahrung jedes Kandidaten schon vor dem Interview verifiziert war, seien fünf parallele Suchen trotzdem gut zu bewältigen gewesen: In den Gesprächen ging es darum, wie jede Person mit dem Team arbeiten würde, nicht darum, ob sie die Tools kennt.
Data Engineer, Data Scientist, AI Engineer, Analytics Engineer und QA, parallel vermittelt
Von der Rollenaufnahme bis zum Startdatum der ersten Einstellung
Alle 5 Rollen besetzt und im Einsatz, vor dem Verkaufshöhepunkt
Bereit für Ihre eigene Erfolgsgeschichte?
Mit Global Tech Masters bauen Sie skalierbare, leistungsstarke digitale Produkte.