Devenez visible pour les recruteurs en data
Avec plus de 900 millions d’utilisateurs, LinkedIn est un outil que l’on ne présente plus… et pour vous qui êtes en recherche d’emploi, c’est un incontournable !
LinkedIn, c’est à la fois une vitrine, une base de données et un réseau social, très utile pour :
identifier les offres d’emploi ;
étoffer son réseau ;
être repéré par les recruteurs.
Ne négligez donc pas votre profil et prenez le temps de le remplir de façon à ce qu’il soit lisible, complet, et que les informations essentielles apparaissent facilement. Voici deux éléments à avoir en tête :
Les profils trop peu remplis mettent de côté des informations essentielles.
A contrario, des profils trop détaillés peuvent faire fuir les recruteurs qui, lors d’une recherche, ont peu de temps à accorder à chaque profil parcouru.
LinkedIn est donc un outil utilisé par tous les recruteurs pour trouver les candidats adaptés. Retenez que les recruteurs effectuent leurs recherches par mots-clés, que cela concerne l’intitulé de poste, les outils maîtrisés ou même les certifications passées. Assurez-vous donc que ces informations ressortent bien sur votre profil !
Autre astuce pour faire ressortir votre profil auprès des recruteurs, vous pouvez indiquer que vous êtes à l’écoute d’opportunités : sur votre page LinkedIn, sous votre nom, vous voyez un encart « Indiquez aux recruteurs que vous êtes disponible ».
Cliquez sur le lien et remplissez les critères des postes recherchés :
Intitulé de poste : vous pouvez en mettre plusieurs, par exemple “data scientist”, “machine learning engineer” et “MLOps”.
Modalités de télétravail : sur site, hybride, à distance.
Localisation.
Type d’emploi : temps plein, temps partiel, contrat court, stage…
Décidez qui pourra voir que vous êtes à l’écoute d’opportunités :
les recruteurs uniquement ;
tous les membres LinkedIn, auquel cas un bandeau vert « open to work » sera ajouté à votre photo de profil.
Astuce : Mettre une photo professionnelle, un portrait sur fond neutre, et se montrer souriant, est un bon moyen de retenir l’attention.
Voyons maintenant comment compléter les différentes sections au mieux, et comment faire bon usage de toutes les fonctionnalités offertes par LinkedIn.
Utilisez les mots-clés spécifiques à la data
Comme sur un CV, il y a plusieurs sections à remplir sur un profil LinkedIn. Mais là au moins, le template est prédéfini ! Voici les différents encarts à compléter.
Remplissez la section "Expérience"
Précisez vos expériences professionnelles passées. En fonction de votre niveau de séniorité, passez plus rapidement sur vos premières expériences ou, au contraire si vous êtes en début de carrière, étoffez les stages pertinents que vous avez effectués, surtout s’ils ont un rapport avec la data. Nous verrons juste après comment marketer ses expériences passées.
Remplissez la section "Formation"
Indiquez ici votre formation principale – école, diplôme, domaine d’études, dates.
Puis ajoutez les autres formations que vous avez pu suivre pour vous former en data.
Si vous avez passé des certifications en data, c’est le moment de le mettre en avant ! Voici une liste de plusieurs de ces certifications en data, cela vous donnera peut-être des idées pour aller plus loin et officialiser certaines de vos compétences :
Métier | Nom de la certification | Description |
Data Analyst | Certification AWS Certified Data Analytics - Specialty | Cette certification est proposée par Amazon Web Services (AWS) et met l'accent sur les compétences en analyse de données utilisant les services AWS. |
Data Scientist | Certification Microsoft Certified: Azure Data Scientist Associate | Cette certification est délivrée par Microsoft et se concentre sur l'utilisation des technologies Microsoft Azure pour résoudre des problèmes liés à l'analyse de données. |
Data Engineer | Certification Google Cloud Professional Data Engineer | Offerte par Google Cloud, cette certification évalue les compétences en conception, gestion et intégration de solutions de données sur la plateforme Google Cloud. |
| Certification IBM Data Science Professional Certificate | Proposée par IBM, cette certification est délivrée après la réussite d'un ensemble de cours en ligne portant sur les compétences en science des données. |
| Certification Cloudera Certified Data Analyst (CCA159) | Cette certification vise à évaluer les compétences d'un individu dans l'analyse de données à l'aide de la plateforme Cloudera. |
| Certification Tableau Desktop Specialist | Offerte par Tableau, cette certification évalue les compétences dans l'utilisation de Tableau pour créer des visualisations de données. |
| Certification Databricks Certified Associate Developer for Apache Spark 3.0 | Cette certification met l'accent sur les compétences en développement avec Apache Spark, et est proposée par Databricks. |
| Certification Oracle Database SQL Certified Associate | Cette certification d'Oracle évalue les compétences en SQL, une compétence essentielle pour travailler avec des bases de données. |
| Certification Data Science Council of America (DASCA) | DASCA propose plusieurs certifications liées à la science des données, notamment le Senior Data Scientist (SDS) et le Principal Data Scientist (PDS). |
| Certification de l'Open Group pour l'architecture des données (Open CDA) | Cette certification évalue les compétences en architecture des données et en gestion de l'information. |
Remplissez la section "Compétences"
Vous pouvez lister ici toutes les compétences que vous avez acquises pendant vos formations et vos expériences professionnelles, que ce soit :
des hard skills ou compétences techniques spécifiques à la data : langages de programmation comme Python ou SQL, bases de données, outils cloud comme AWS ou GCP, etc. ;
des compétences métier : par exemple marketing digital, développement commercial ou même détection des fraudes ;
des soft-skills, ou savoir-être, qui seront très appréciées en data : curiosité intellectuelle, pédagogie, adaptabilité ou communication.
Souvenez-vous que les recruteurs effectuent leurs recherches par mots-clés. Cette section étant sous forme de listing, c’est le moment d’ajouter les compétences que vous n’avez pas mentionnées dans le descriptif de vos expériences.
Encore un fois, soignez l’orthographe. Vous souhaitez préciser que vous maîtrisez des outils de visualisation de données ? Évitez d'indiquer “data viz” en mot-clé, et utilisez les suggestions proposées par LinkedIn : “visualisation de données” et “data visualisation”.
Remplissez la section "Projets"
Si vous avez suivi des formations en data en plus de votre formation principale, l’encart Projets vous permettra de les citer dans un espace dédié.
Dans le même menu que celui destiné à mentionner des certifications, vous pouvez ajouter des projets en indiquant leur nom puis une description libre. Encore une bonne façon de mettre en avant certains mots-clés utiles en data !
Voici un exemple de projet data :
Segmentation client pour un site de e-commerce
Segmentation client à destination des équipes Marketing d’une entreprise du e-commerce, afin d’optimiser les campagnes de communication.
Utilisation d’algorithmes de réduction de dimension non supervisés.
Utilisation d’algorithmes de clustering (k-means, DBSCAN, clustering hiérarchique).
Outils : Python pour le calcul numérique (NumPy) et la création de graphiques (pyplot).
Vous pouvez aussi indiquer les challenges data auxquels vous auriez été amené à participer.
Mettez en avant vos expériences passées et vos compétences business
Vous êtes en reconversion professionnelle ? Vos expériences passées sont valorisables !
Souvenez-vous que la data est à la croisée de trois champs de compétences :
Le business.
Les mathématiques et statistiques.
L’informatique.
Ayez en tête ces éléments en rédigeant vos descriptifs de missions, et choisissez ainsi quelles compétences mettre en avant :
Une dimension analytique ?
Une expertise business ?
La maîtrise d’un langage de programmation ?
Prenons un exemple : vous avez été sur un poste qui impliquait de la gestion de projets techniques, sans forcément que les projets ne soient orientés data ? Mentionnez-le ! La capacité à faire le lien entre le business et la technique est fortement valorisée chez les profils data, dont on apprécie les compétences de vulgarisation (beaucoup d’entreprises qui démarraient leur transformation data ont effectivement vu des projets échouer suite à une mauvaise communication entre les opérationnels métiers et les experts data…).
Beaucoup de candidats que j’ai accompagnés sur des processus de recrutement étaient justement en reconversion en data.
Je me souviens d’un candidat qui venait de la supply chain et qui avait suivi une formation pour devenir data scientist. Il avait commencé sa carrière en retail comme demand planner – soit chargé de la prévision des ventes. Il avait décidé de faire l’impasse sur cette expérience sur son profil LinkedIn et de ne citer que l’intitulé du poste, sans détailler le contenu. Pourtant, beaucoup d’éléments étaient valorisables pour un poste de data scientist !
Il a finalement rédigé un descriptif de poste susceptible d’intéresser un recruteur en data, soit :
Demand Planner – Prévision des ventes
Modélisation des ventes clients à l’aide de séries temporelles et de boosting.
Développement d’outils d'analyse pour les équipes Demand Planning (pipelines de transformation de données et data visualisation).
Demandez des recommandations dans le domaine de la data
Une autre force de LinkedIn, c’est la possibilité d’être recommandé par d’autres utilisateurs.
Ils peuvent par exemple recommander très facilement certaines de vos compétences listées en cliquant tout simplement sur le bouton “Recommander” sous la compétence indiquée sur votre profil.
Ils peuvent également rédiger des recommandations spécifiques et libres.
Pour les recommandations rédigées, je vous conseille de solliciter en priorité vos anciens managers ou professeurs qui ont été amenés à vous encadrer, et ont donc la légitimité d’appuyer votre profil. Leur recommandation sera ainsi plus impactante que celle d’un ancien collègue.
Les mentors qui vous ont accompagné dans votre formation en data sont particulièrement pertinents pour mettre en avant les compétences développées dans ce domaine.
Évitez au contraire de demander des recommandations à des camarades de parcours : elles auront peu d’intérêt et pourraient au contraire vous desservir en diminuant le professionnalisme de votre profil.
Soyez proactif et n’hésitez pas à demander une recommandation à un ancien mentor ou manager. Voici un exemple de message à envoyer :
“Bonjour,
Je viens de finir ma formation en data et je tenais sincèrement à vous remercier pour la qualité de votre enseignement et de votre accompagnement. Je suis aujourd’hui à la recherche d’un premier emploi et j’espère pouvoir prochainement mettre en application ce que vous m’avez appris dans le cadre professionnel !
Je me permets en ce sens de vous solliciter pour savoir si vous accepteriez de rédiger une recommandation sur mon profil LinkedIn afin d’appuyer ma candidature à des postes en data ? Cela m’aiderait beaucoup dans mes démarches.
Je vous remercie et vous souhaite une très bonne journée.
Cordialement,”
En résumé
LinkedIn est un outil indispensable pour postuler et être identifié par les recruteurs.
Soignez votre profil en complétant les sections “Expérience”, “Formation", "Compétences" ; et éventuellement "Projets" et "Certifications".
Intégrez un maximum de mots-clés en rapport avec le poste visé (outils maîtrisés, compétences techniques, expertise business).
Renforcez votre légitimité en demandant des recommandations à votre réseau.
Maintenant que nous avons vu comment remplir son profil LinkedIn, attaquons-nous à un autre incontournable… le CV !
