Développer un algorithme de matching avec Gojob
Hello,
J'espère que tu vas bien !
Cette semaine, je reçois Henri Bouxin, Lead Data Scientist chez Gojob, qui nous fait un retour d'expérience sur le développement d'un algorithme de matching. Si tu veux en savoir plus, c’est par ici. 👇
L'agenda de la semaine :
🎙 Le récap du podcast avec Henri.
🤝 Un zoom sur le développement de l'algorithme de matching chez Gojob.
📚 Deux ressources sur la Data Science et le Machine Learning.
Bonne écoute et/ou bonne lecture !
🎙 #24 - Gojob : développer un algorithme de matching
La mission de Gojob : hacker le chômage grâce à une plateforme qui met en relation entreprises et intérimaires. Dans cet épisode, Henri revient sur le plus gros challenge qu'il a rencontré : le développement d'un algorithme de matching afin que Gojob propose à ses clients les profils les plus pertinents. Il nous parle notamment des phases de déploiement de l’algorithme, des challenges rencontrés autour de l'adoption ainsi que de la mesure de la performance.
Liens vers l’épisode : Spotify | Apple Podcasts | Deezer | Google Podcasts
🔍 Zoom sur le développement de l'algorithme de matching
Chez Gojob, l'objectif de l'algorithme est d’identifier automatiquement les profils d'intérimaires les plus pertinents qui correspondent au mieux aux besoins des clients.
Henri et son équipe ont procédé au déploiement de l'algorithme en 3 étapes :
La construction d'un Minimum Viable Product (MVP) : il s’agit d’une première version de la solution, pas encore intégrée dans le back-office de Gojob. Les résultats sont restitués via une nouvelle application web. L'objectif de cette phase est de valider l'impact business de la solution et d'itérer avec des premiers utilisateurs (recruteurs internes).
L'intégration de la solution au produit Gojob et au back-office : les recruteurs internes peuvent désormais utiliser la solution dans leur outil du quotidien. Cette phase a pour but d'étendre l'usage de la solution à tous les recruteurs.
L'activation par le no code : les résultats de l’algorithme sont envoyés dans les outils métiers (ex : marketing) afin de réaliser d’autres cas d’usage (ex : identifier dans la base des profils pertinents et les contacter via une campagne pour provoquer des candidatures). Des outils no code sont utilisés pour diffuser facilement les résultats et tester l’impact de ces initiatives avant d’envisager des solutions plus industrialisées.
📚 Deux ressources sur la Data Science et le Machine Learning
“Data Science Weekly” et “The Batch” sont deux newsletters qui proposent chaque semaine une curation d’articles sur la Data Science et le Machine Learning. Ce sont les deux ressources principales qu’Henri utilise pour faire sa veille et rester à la pointe en tant que Lead Data Scientist.
👋 Dis-moi ce que tu penses de Data Gen
Si tu as 1 minute, tu peux me répondre directement par mail pour me dire ce que tu penses du podcast et de la newsletter. N’hésite pas à me partager tes recommandations sur le contenu ou le format.
Voilà, j'espère que ce contenu t'a été utile, à la semaine prochaine ! 😘
Robin
PS : si tu souhaites me soutenir, tu peux me mettre 5 étoiles et un avis sympa sur Apple Podcasts, c'est ce qui m'aide le plus à faire connaître Data Gen et à attirer des invités exceptionnels !