
电商:旺季大促前建成 5 人数据与 AI 团队
Data Engineer、Data Scientist、AI Engineer、Analytics Engineer 和 QA,从 Talent Ecosystem 匹配到位,距上线还剩 10 周。
挑战
S.N 的品类经理从手工导出的 CSV 文件中取销售数据,每个决策都落后整整一天;管理层希望在十周后的全年最大促销活动前,上线一套真正的推荐引擎。这意味着要同时招 5 个岗位:搭建数据仓库的 Data Engineer,构建推荐模型的 Data Scientist 和 AI Engineer,让品类经理能够自助取数的 Analytics Engineer,以及让整套系统在高峰负载下保持稳定的 QA Engineer。两份本地招聘机构的候选名单,加上 S.N 自己发布的招聘信息,5 个岗位并行推进,收到的只有具备基础报表 SQL 经验的人,没有人做过生产环境的机器学习或数据管道,时间也不允许继续找下去。
解决方案
S.N 要在固定的旺季期限前招到 5 个不同岗位的人,没有时间逐个岗位依次寻访。GTEMAS 从 Talent Ecosystem 并行为 5 个岗位匹配候选人,每人都有已验证的 Skill Profile,其评分对应该岗位所需的具体技能,包括生产环境的 dbt/Snowflake 和推荐模型经验。S.N 每个岗位面试 2–3 位已匹配的候选人,最终由 S.N 自己决定。 入职: GTEMAS 协助每位人选的录用谈判和过渡,随后退出,5 人全部直接加入 S.N 自己的团队和薪资体系。
影响与成果
推荐引擎在 S.N 促销旺季开始两周前上线,报表延迟也由整整一天缩短到当天可得。S.N 的分析部门负责人表示,由于每位候选人的数据管道和机器学习经验在面试前已经验证,同时进行 5 路寻访仍然可控:面试谈的是每位新员工如何与团队合作,而不是他们懂不懂这些工具。
Data Engineer、Data Scientist、AI Engineer、Analytics Engineer 和 QA,并行匹配
从岗位需求沟通到首位员工入职
5 个岗位全部到位并开始工作,早于促销旺季