À la fin de mon master en informatique, je savais assez bien ce que je voulais faire : mettre mes compétences techniques au service de la résolution de problèmes business. Dans cette optique, j'avais suivi quelques cours à option orientés management pendant mes dernières années d'informatique. Après ce premier aperçu, j'ai décidé d'approfondir mes connaissances en gestion, et j'ai enchaîné avec un master supplémentaire, le Master in Management de l'Universidad Carlos III de Madrid.
Nouveau pays, nouvelle école, nouveaux apprentissages. Aujourd'hui, je suis content d'avoir tenté le coup. Sur le plan professionnel, j'y ai acquis des connaissances en stratégie, finance, marketing..., mais aussi beaucoup de soft skills. En effet, l'approche pédagogique était centrée sur le travail de groupe et les présentations. C'était un excellent entraînement pour moi : j'ai pu travailler ma communication et ma gestion d'équipe, avec des étudiants de parcours et de pays très différents.
Sur le plan personnel, j'ai découvert une nouvelle ville, rencontré de nouveaux amis et j'ai pu encourager mon équipe de foot préférée dans son ancien stade unique en son genre, le Vicente Calderon.
Le début de ma carrière
Avec un solide bagage en informatique et en management, j'étais prêt à mettre mes compétences techniques au service de la résolution de problèmes business. À l'époque, mon colocataire travaillait comme Data Scientist pour un Big 4. Il m'a expliqué comment il aidait des opérateurs télécoms à optimiser leur réseau de boutiques grâce à leurs données internes et à des algorithmes de machine learning. Ce qu'il faisait me semblait génial, et je me suis mis à lire tout ce que je trouvais sur le métier de data scientist, qualifié de métier le plus sexy du 21e siècle par la Harvard Business Review.
Il ne me restait plus qu'à trouver un poste de Data Scientist ! Plus facile à dire qu'à faire... En effet, pour ce type de poste, une entreprise confie beaucoup de responsabilités à l'employé, car il ou elle a un impact fort sur ses opérations. Cela peut mener à de gros gains d'efficacité, ou à une perte de temps, selon la compétence du data scientist. Les entreprises recherchent donc des profils confirmés, surtout quand leur équipe analytics est petite. J'ai donc eu du mal à trouver un poste accessible aux juniors, qui m'aurait justement donné l'expérience requise : le problème de l'œuf et de la poule.
À force de persévérance, j'ai fini par dénicher une belle opportunité dans un petit cabinet de conseil local, spécialisé en Google Cloud. J'y ai travaillé sur de nombreux projets intéressants : de l'ajustement des campagnes marketing d'un grand constructeur automobile grâce à des segments de clientèle générés par machine learning, à une meilleure compréhension de la communauté de fans d'une ASBL via le développement d'un outil intelligent d'écoute des réseaux sociaux, basé sur le traitement du langage naturel et suivant une liste évolutive de mots-clés et de hashtags.
J'y ai aussi rencontré des collègues formidables, comme Charles, devenu expert cloud, qui a récemment lancé sa propre société de conseil, 10/10, je recommande !
Le datathon McKinsey
Alors que je m'épanouissais dans mon rôle de Data Scientist Google Cloud depuis environ six mois, j'ai reçu un message LinkedIn d'un partner de McKinsey Belgique. Il m'expliquait qu'ils étaient en train de créer un hub analytics en Belgique et qu'ils organisaient un datathon, c'est-à-dire un hackathon orienté data science, auquel j'étais invité.
J'ai évidemment accepté. À l'époque, j'étais actif de temps en temps sur Kaggle, donc je savais à quel genre de compétition m'attendre. J'avais hâte de participer à ce type de compétition en présentiel, façon Kaggle. De plus, pendant mon passage en Espagne, j'avais entendu dire que McKinsey était un endroit exceptionnel, capable de m'ouvrir des opportunités encore meilleures et uniques.
Quelques semaines plus tard, j'ai participé à l'événement avec une centaine d'autres candidats et... j'ai remporté le premier prix !
J'étais tellement euphorique après cette victoire que, sur le chemin du retour, j'ai crevé un pneu de ma voiture, parce que j'étais au téléphone et pas assez concentré sur la route - ahah.
En plus du prix en argent, j'ai aussi été invité au processus d'entretiens chez McKinsey. C'était une opportunité unique car, en théorie, ils ne recrutaient pas de profils juniors pour lancer leur hub belge. Mais comme j'avais fait mes preuves, ils ont fait une exception pour moi.
J'ai suivi la procédure de recrutement, et j'ai fini par recevoir une offre. À l'époque, j'avais raconté toute cette expérience dans un article de blog.
L'interview
Il reste encore quelques traces de cette interview en ligne, un tweet et un post Instagram. En revanche, le lien direct vers l'article n'est plus actif.
Le texte ci-dessous a été publié à l'origine en octobre 2018.
Pourquoi as-tu décidé de participer au hackathon de mars de McKinsey Analytics ?
Tout a commencé quand j'ai reçu un message dans ma boîte LinkedIn. C'était une invitation à participer à un hackathon McKinsey. Le message précisait aussi que ce concours s'inscrivait dans la création du hub Advanced Analytics au Benelux. L'invitation m'a tout de suite séduit, pour deux raisons :
- j'étais très curieux de découvrir comment McKinsey gère les compétences analytics ;
- j'adore travailler sur des problèmes de data science, pour moi c'est comme résoudre un casse-tête ou une énigme. J'ai donc décidé de postuler à l'événement et, quelques jours plus tard, j'ai reçu une confirmation.
Quelle a été la partie la plus fun et la plus intéressante du hackathon ? (le challenge de Data Science en lui-même)
J'ai beaucoup aimé le contexte du hackathon. Nous avons reçu un jeu de données contenant des dossiers de patients, et l'objectif était de prédire leurs chances de survie. Pour chaque dossier, nous disposions d'informations physiques sur le patient, comme l'âge, le sexe, le poids, ainsi que la maladie et le traitement. J'ai apprécié de travailler sur ce sujet parce que l'impact est énorme. En effet, cette prédiction pourrait aider les médecins à mieux adapter les traitements et, au final, sauver des vies.
À quoi a ressemblé le processus de recrutement après le hackathon ?
Après l'événement, j'ai planifié un appel avec un recruteur de McKinsey Advanced Analytics. Pendant l'échange, j'ai pu poser mes questions sur le métier de data scientist chez McKinsey et j'ai reçu les informations sur le processus de recrutement.
Ensuite, j'ai été mis en contact avec un consultant du bureau local, à Bruxelles. Nous avons discuté au téléphone du département Advanced Analytics et fait une petite simulation d'entretien de cas. Le consultant m'a donné du feedback et des conseils pour me préparer aux vrais entretiens. La dernière étape avant les entretiens proprement dits était une session de coaching au bureau de McKinsey. D'autres candidats et moi avons rencontré un consultant en personne. Ensemble, nous avons résolu un cas complet et discuté de la partie « expérience personnelle » de l'entretien.
Enfin, j'ai eu ma première série d'entretiens quelques semaines plus tard. Chaque tour se compose de trois entretiens, avec trois interviewers différents. Deux d'entre eux étaient des entretiens business généraux et le dernier était axé sur l'analytics. Plus tard le même jour, j'ai reçu un retour positif et l'invitation au second et dernier tour d'entretiens. Deux semaines après, je suis retourné au bureau de McKinsey pour le tour final. Le processus est le même, mais on rencontre des personnes plus senior de l'entreprise.
Dans l'ensemble, j'ai apprécié le processus de recrutement : les discussions avec les employés de McKinsey étaient intéressantes et ça ressemblait plus à un échange qu'à un entretien à sens unique.
À qui recommandes-tu de participer à ce genre de hackathon ?
Je pense que toute personne ayant un intérêt sincère pour l'analytics est un bon candidat pour le hackathon. Tu auras en effet l'occasion de rencontrer d'autres passionnés, de tester et renforcer tes compétences en data science et, enfin, de découvrir les carrières que McKinsey peut offrir.
Qu'as-tu préféré dans le hackathon McK ? (l'événement dans son ensemble)
Pendant l'événement, j'ai aimé échanger avec les employés de McKinsey. Après la compétition, nous avons pu faire connaissance avec les autres participants et des consultants de McKinsey. J'ai apprécié de discuter avec eux de manière informelle et de pouvoir poser mes questions sur la practice. J'ai découvert les différents types de rôles au sein de la practice Advanced Analytics et comment se déroule un projet typique.
Comment t'y es-tu préparé ?
Ma préparation, c'était un effort au quotidien. Étant déjà data scientist en poste, je m'attendais à ce que le hackathon demande des compétences similaires à celles que je pratique dans mes activités de tous les jours. Pour mettre toutes les chances de mon côté, j'ai concentré mon apprentissage sur trois axes :
- je me suis tenu au courant des derniers algorithmes en data science ;
- j'ai mis l'accent sur la maîtrise de la manipulation et de la préparation des données ;
- j'ai parcouru quelques compétitions Kaggle pour me faire une idée des différents types de challenges qui existent en data science et repérer les bonnes pratiques.
Que suggérerais-tu aux futurs participants d'un hackathon McK ?
Pour le hackathon auquel j'ai participé, l'efficacité a été la clé de ma victoire. En effet, la durée du challenge était limitée à quatre heures. Impossible donc de perdre du temps. Ma recommandation serait de maîtriser tes bases. Il faut savoir identifier rapidement le type d'algorithme à utiliser. Pour cela, prends bien en compte l'objectif de la tâche (classification, clustering, ...) et le type de données (image, tabulaire, ...). Prépare-toi aussi à faire un peu de data engineering et de nettoyage. Par exemple, si tu décides de travailler en Python, comme moi, sois prêt à manipuler les données avec Pandas.
L'objectif est d'avoir le temps d'essayer différents modèles et de travailler le feature engineering.
Dernières réflexions
Au final, j'ai bien rejoint McKinsey comme Data Scientist, suivi par deux collègues le mois suivant. J'ai ensuite travaillé avec énormément de gens formidables, dans plus de 10 pays, et la suite appartient à l'histoire.
Petite précision : je n'étais pas le tout premier employé à faire de la data science chez McKinsey Belgique, mais j'étais le premier Data Science Fellow, c'est-à-dire un consultant au contact des clients, qui met à profit ses connaissances dans ce domaine pour implémenter des modèles d'IA, de la conception à la mise en production.