Head of Data Management clinical research RWD/RWE in Paris

Head of Data Management clinical research RWD/RWE in Paris

Paris Full Time 63000 - 77000 € / an (estimé) Sur site
L

En un coup d'œil

  • Missions: Diriger l'équipe Clinical Ops et améliorer la qualité des données de recherche.
  • Entreprise: Lifen, une startup innovante transformant les données médicales pour le système de santé.
  • Avantages: Travail flexible, environnement dynamique et opportunités de croissance professionnelle.
  • Autres infos: Rejoins une équipe passionnée et engagée dans un secteur en pleine évolution.
  • Pourquoi ce job: Fais partie d'une équipe qui impacte réellement la recherche clinique avec des données de santé.
  • Qualifications: Expérience en management, RWD/RWE et compréhension des enjeux médicaux.

Le salaire estimé est compris entre 63000 - 77000 € par an.

À propos de Lifen

Chez Lifen, nous pensons que les données médicales peuvent transformer le système de santé, à condition qu’elles soient accessibles. Mieux les faire circuler, c’est réduire la charge administrative, mieux coordonner les soins et accélérer la recherche clinique. Depuis 2015, nous développons des solutions qui aident les professionnels de santé à partager les informations médicales et les chercheurs à exploiter des données de santé. Plus de 150 personnes travaillent chez Lifen, depuis nos bureaux et à distance. Nous avons connecté 800 hôpitaux et 150 000 professionnels de santé en France.

Notre équipe Clinical Ops intervient au cœur de nos projets de recherche clinique fondés sur des données de santé. Elle transforme des documents médicaux en données structurées, nécessaires à la constitution de cohortes patients et à la préparation des exports utilisés dans nos projets de recherche. À l’heure actuelle, l’équipe structure environ 100 à 200 cas patients par semaine. Notre ambition : tripler cette capacité dans les 9 prochains mois, tout en maintenant un haut niveau de qualité des données.

Pour y parvenir, nous cherchons une personne capable de reprendre le management de l’équipe, mais surtout de piloter le flux de production, d’anticiper la charge et de porter une démarche d’amélioration continue avec les équipes Produit, IA et Engineering. C’est un rôle à la croisée du management opérationnel, de la RWD et de l’amélioration de processus.

Ce que tu feras chez nous

  • Manager et faire grandir l’équipe Clinical Ops, en donnant un cadre clair aux priorités et en organisant l’activité quotidienne.
  • Anticiper la charge et piloter la capacité de production afin de limiter les bottlenecks et de mieux absorber les variations de volume.
  • Construire les outils de pilotage nécessaires pour avoir une vision fine du flux : volumes de patients, capacité de traitement, taux d’erreur, points de blocage et charge de l’équipe.
  • Construire et orchestrer une roadmap d’amélioration continue permettant progressivement d’augmenter la capacité de traitement.
  • Porter cette roadmap auprès des équipes Produit, IA et Engineering : rendre les besoins opérationnels visibles, suivre les livrables R&D et créer le rythme nécessaire pour que les améliorations soient effectivement délivrées.
  • Garantir la qualité des cohortes et contribuer à la préparation des exports de données nécessaires aux projets de recherche.

Ce que nous attendrons de toi

Dans les premiers mois, nous attendrons de toi que tu développes une compréhension très fine du flux Clinical Ops : où se trouvent les blocages, comment évolue la charge et quels leviers permettent réellement d'améliorer la production. Ton succès se mesurera notamment à ta capacité à mettre en place un pilotage fiable de l’activité, à réduire les erreurs et les bottlenecks et à créer, avec les équipes Produit et R&D, un rythme d’amélioration continue suffisamment soutenu pour accompagner notre changement d’échelle. À horizon 9 mois, l’objectif est clair : passer d’environ 100–200 à 300–600 cas patients structurés par semaine, sans multiplier les ressources par trois.

Ce que nous recherchons

Must-have

  • Une expérience réussie en startup ou scale-up, dans un environnement où les process, outils et responsabilités restaient à construire.
  • Une expérience concrète de la Real-World Data / Real-World Evidence, idéalement autour de la constitution ou de l’exploitation de cohortes patients.
  • Un background santé ou scientifique te permettant de comprendre les enjeux liés aux données médicales et à la recherche clinique.

Nous attendons également :

  • Une expérience confirmée de management d’équipe opérationnelle.
  • Une expérience de structuration et de pilotage d’une activité complexe à partir de données et de KPI.
  • Une capacité à passer d’un problème opérationnel très concret à un plan d’amélioration structuré.
  • Une expérience de collaboration étroite avec des équipes Produit, Data/IA ou Engineering.
  • Une capacité à faire avancer une roadmap transverse et à créer de l’accountability autour des livrables.

Nice-to-have

  • Un parcours en data management, biostatistiques, épidémiologie ou dans un domaine scientifique proche.
  • Une expérience de structuration de registres, bases de données de santé ou cohortes RWD.
  • Une familiarité avec les enjeux de recherche clinique et les interactions avec les autorités de santé.
  • Une bonne compréhension des usages de l’IA et de l’ingénierie appliqués aux données de santé.

Ta manière de travailler

Tu as une vraie "just do it mentality" : face à un problème imparfaitement cadré, tu commences par comprendre les faits, tu structures le problème et tu mets rapidement en place les premières solutions. Tu es particulièrement à l’aise dans les environnements où il faut créer les outils plutôt que simplement les utiliser. Si le dashboard dont tu as besoin pour piloter ton équipe n’existe pas, tu es capable de le définir et de le mettre en place. Tu es structuré·e et organisé·e, mais pas bureaucratique. Tu sais entrer suffisamment dans le détail du flux pour comprendre les problèmes réels, tout en gardant une vision d’ensemble et en priorisant ce qui aura le plus d’impact. Enfin, tu sais faire avancer des équipes sur lesquelles tu n’as pas nécessairement d’autorité hiérarchique. Tu rends les problèmes visibles, explicites les priorités et crées le rythme nécessaire pour transformer les décisions en améliorations concrètes.

Nos valeurs

  • Embrace Complexity - Tu aimes comprendre un flux de données complexe, en identifier les points de rupture et transformer cette complexité en décisions concrètes.
  • Bienveillance - Tu accompagnes une équipe au quotidien avec exigence, écoute et clarté.
  • Real Impact - Tu améliores la qualité et la disponibilité des données qui permettent de faire avancer des projets de recherche clinique.

Process de recrutement

  • Échange de préqualification avec Laura, Talent Acquisition Manager, 30 minutes.
  • Entretien avec le VP Research, 60 minutes.
  • Use Case avec des membres des équipes Clinical Ops et Produit, 60 minutes.
  • Cultural alignment avec deux membres de Lifen, 45 minutes en visio.

Head of Data Management clinical research RWD/RWE in Paris employeur : Lifen

Lifen est un employeur exceptionnel, offrant un environnement de travail dynamique et collaboratif au cœur de Paris. Avec un fort accent sur l'innovation en santé grâce à l'IA, les employés bénéficient d'opportunités de croissance professionnelle, d'un mode de travail hybride flexible et d'une culture d'entreprise axée sur la collaboration interdisciplinaire. Rejoindre Lifen, c'est faire partie d'une équipe passionnée qui façonne l'avenir de la santé tout en profitant des avantages d'une ville vibrante et inspirante.

L

Coordonnées :

Équipe de recrutement de Lifen

Conseils d'expert StudySmarter🤫

Voici comment nous pensons que tu pourrais décrocher Head of Data Management clinical research RWD/RWE in Paris

✨Participe à des meetups de data science

Les meetups de data science sont une super opportunité pour rencontrer des professionnels du secteur en personne. Participe à des événements dans ta ville et n'hésite pas à échanger sur des projets personnels ou des datasets intéressants. Cela peut vraiment t'aider à créer des connexions avec des recruteurs ou des collègues potentiels !

✨Montre tes compétences avec des projets

Rien ne vaut un bon projet pour démontrer tes compétences en data science. Que ce soit un projet sur GitHub ou un blog où tu partages tes analyses, mets en avant ton savoir-faire. Les employeurs adorent voir des exemples concrets de ce que tu sais faire !

✨Vis les forums spécialisés

Rejoins des forums et des communautés en ligne spécifiquement dédiés à la data science, comme Kaggle ou des sous-forums sur Reddit. Non seulement tu pourras apprendre des autres, mais tu seras aussi au courant des opportunités d'emploi qui sont souvent partagées dans ces espaces.

✨Postule directement sur le site de Lifen

N’oublie pas de consulter notre site web pour des offres de full-time en data science chez Lifen. C'est souvent là qu’on affiche nos postes en premier, et postuler directement peut te donner un avantage ! Fais-le !

Nous pensons qu'il te faut ces compétences pour exceller en tant que Head of Data Management clinical research RWD/RWE in Paris

Management d'équipe
Pilotage de production
Amélioration continue
Analyse de données
Constitution de cohortes
Collaboration inter-équipes
Structuration de processus

Quelques conseils pour ta candidature 🫡

Mets en avant tes compétences techniques:Pour le poste de data scientist chez Lifen, il est crucial de montrer tes compétences techniques. Assure-toi que ton CV liste des outils et langages de programmation que tu maîtrises, comme Python, R, ou SQL. N'oublie pas d'inclure des projets où tu as utilisé ces compétences, comme des analyses de données ou des modèles prédictifs.

Fais briller tes expériences de projet:Parle de tes projets en data science de manière détaillée dans ta lettre de motivation ou ton CV. Décris les problèmes que tu as résolus, les méthodes que tu as employées, et les résultats obtenus. Ça montrera à Lifen que tu sais appliquer la théorie à la pratique, ce qui est super important dans ce domaine.

Personnalise ta lettre de motivation:Quand tu rédiges ta lettre de motivation, mets l'accent sur pourquoi tu veux travailler spécifiquement chez Lifen. Mentionne ce qui te passionne dans leurs projets ou leurs valeurs, et comment tes aspirations s'alignent avec celles de l'entreprise. Ça donnera du poids à ta candidature !

Soigne le format de ton CV:Pour un poste à temps plein, il est essentiel d'avoir un CV clair et bien structuré. N'hésite pas à utiliser des graphiques pour illustrer tes compétences en data science, comme tes niveaux de maîtrise dans différents langages. Sinon, utilise des sections bien définies pour les projets, les expériences et les formations afin que tout soit facile à lire.

Comment te préparer à un entretien d'embauche chez Lifen

✨Prépare ton arsenal technique !

En data science, les compétences techniques sont primordiales. Sois prêt à répondre à des questions sur les algorithmes, la modélisation des données, et les langages de programmation comme Python ou R. N'hésite pas à réviser quelques concepts de machine learning et à pratiquer des analyses de données sur des jeux de données réels.

✨Montre ton portfolio

Pour un poste à temps plein, ce qui peut faire la différence, c’est un bon portfolio ! Prépare des projets clairs qui démontrent tes compétences en data science, comme des analyses que tu as réalisées ou des visualisations percutantes. Sois prêt à en discuter en profondeur pour prouver ta maîtrise technique.

✨Anticipe les études de cas

Les interviews en data science comportent souvent des études de cas où l'on te demande de résoudre un problème concret. Prépare-toi à décrire ta démarche pour analyser des données, définir des KPI ou même créer un modèle prédictif. Pratique avec des cas d’études donnés par des sites spécialisés ou lors de compétitions en ligne.

✨Comprends le business derrière les données

Au-delà des compétences techniques, les entreprises veulent savoir comment tu peux contribuer à leurs objectifs. Familiarise-toi avec les problématiques du secteur de Lifen et sois prêt à discuter comment tes compétences peuvent répondre à leurs besoins spécifiques en data science.