E-commerce : une équipe Data & IA de 5 personnes constituée avant le pic saisonnier des ventes
Retour aux réussites clients
E-commerceDirect Hire

E-commerce : une équipe Data & IA de 5 personnes constituée avant le pic saisonnier des ventes

Data Engineer, Data Scientist, AI Engineer, Analytics Engineer et QA – issus du Talent Ecosystem, avec 10 semaines devant elle avant le lancement.

5 sur 5
Postes pourvus
Data Engineer, Data Scientist, AI Engineer, Analytics Engineer et QA, présentés en parallèle
3 semaines
Délai avant la première prise de poste
De la définition du poste à la date de début de la première recrue
7 semaines
Délai avant l’équipe au complet
Les 5 postes pourvus et opérationnels, avant l’événement commercial de pointe

Le défi

Les category managers de S.N extrayaient les chiffres de vente d’exports CSV manuels, avec une journée de retard sur chaque décision, et la direction voulait un vrai moteur de recommandation en ligne avant le plus grand événement commercial de l’année, dix semaines plus tard. Cela impliquait de recruter cinq profils à la fois : un Data Engineer pour construire l’entrepôt de données, un Data Scientist et un AI Engineer pour le modèle de recommandation, un Analytics Engineer pour que les category managers restent autonomes, et un QA Engineer pour fiabiliser le tout sous la charge du pic. Deux présélections de recruteurs locaux et les annonces de S.N, menées en parallèle pour les cinq postes, n’ont donné que des candidats avec une expérience de base en SQL de reporting : personne n’avait d’expérience du ML ou des pipelines en production, et il ne restait plus de temps pour poursuivre la recherche.

5 recrutements permanents à réaliser (Data Engineer, Data Scientist, AI Engineer, Analytics Engineer, QA), avec 10 semaines avant le pic annuel des ventes.
Deux présélections de recruteurs locaux et des annonces directes n’ont donné aucun candidat qualifié pour aucun des 5 postes.
Il fallait des responsables permanents pour la plateforme data et IA, pas des prestataires à court terme.

La solution

S.N avait besoin de cinq recrutements différents face à une échéance saisonnière fixe, sans le temps de mener cinq recherches successives. GTEMAS a présenté en parallèle des candidats pour les cinq postes, issus du Talent Ecosystem, chacun avec un Skill Profile vérifié évaluant précisément la compétence requise, dont une expérience en production de dbt/Snowflake et de modèles de recommandation. S.N a rencontré 2–3 candidats présélectionnés par poste et a tranché chaque décision finale. Intégration : GTEMAS a accompagné la négociation de l’offre et la transition de chaque recrue, puis a cessé d’intervenir : les cinq ont rejoint directement l’équipe et la masse salariale de S.N.

Impact et résultats

Le moteur de recommandation est entré en service deux semaines avant le pic des ventes de S.N, et le décalage du reporting est passé d’une journée complète à la journée même. Selon le responsable analytique de S.N, comme l’expérience de chaque candidat sur les pipelines et le ML avait été vérifiée avant l’entretien, cinq recherches en parallèle sont restées gérables : les échanges portaient sur la façon dont chaque recrue travaillerait avec l’équipe, pas sur sa connaissance des outils.

5 sur 5
Postes pourvus

Data Engineer, Data Scientist, AI Engineer, Analytics Engineer et QA, présentés en parallèle

3 semaines
Délai avant la première prise de poste

De la définition du poste à la date de début de la première recrue

7 semaines
Délai avant l’équipe au complet

Les 5 postes pourvus et opérationnels, avant l’événement commercial de pointe

Prêt à écrire votre propre réussite ?

Travaillez avec Global Tech Masters pour bâtir des produits numériques évolutifs et performants.