En un coup d'œil
- Missions: Développez des outils et des fonctionnalités basés sur les données pour améliorer la santé des membres.
- Entreprise: Alan, une entreprise innovante qui révolutionne l'assurance santé.
- Avantages: Environnement stimulant, culture forte, et opportunités de croissance professionnelle.
- Autres infos: Rejoignez une équipe dynamique avec des valeurs culturelles uniques.
- Pourquoi ce job: Faites partie d'une équipe qui impacte positivement la santé et le bien-être des gens.
- Qualifications: Passion pour les données, compétences en SQL, Python ou R, et esprit collaboratif.
Le salaire estimé est compris entre 61650 - 75350 € par an.
Health can’t wait. Not for symptoms to get worse. Not for a six‐month appointment. Not for a system to catch up. But that’s exactly comment fonctionne aujourd'hui le système de santé. Vous attendez, jusqu'à ce que vous ne puissiez plus.
Alan existe pour mettre fin à l'attente. La santé est un droit universel, et nous croyons que ce droit ne peut devenir réel que lorsqu'il est associé à la prévention. Nous devons cesser de considérer la santé comme quelque chose que nous réparons et commencer à la considérer comme quelque chose que nous construisons, chaque jour. Ce n'est pas uniquement une question de volonté. C'est le système de santé lui-même qui doit fonctionner pour tout le monde, de manière durable.
Nous construisons le nouveau standard en matière d'assurance prévention. Alan est la première entreprise qui intègre assurance, prévention et soins dans une expérience utilisateur unique et reconnue. Nous sommes en train de bâtir une entreprise leader mondiale, avec une culture unique. Nous collaborons déjà avec plus de 40 000 entreprises de toutes tailles, servant plus de 1 million de membres, et avons atteint plus de 800 millions d'euros de revenus annuels récurrents.
La prévention comme nouvelle norme. C'est ce que nous construisons avec notre équipe de plus de 1000 personnes. Si cela vous parle : nous recrutons à travers la France, l'Espagne, la Belgique et le Canada. Et au-delà.
Équipe Data
- Faire partie de l'équipe data d'Alan signifie que vous aurez un impact positif sur la santé et le bien-être des gens.
- Nous créons des insights pour aider nos collègues à se concentrer sur ce qui est le plus impactant.
- Nous construisons des fonctionnalités et des outils alimentés par les données qui aident directement nos membres.
Exemples incluent :
- approfondir les modèles de consommation de santé,
- comprendre notre utilisation des produits,
- créer de la visibilité pour aider notre équipe de vente à performer,
- automatiser la façon dont nous remboursons nos membres,
- construire des produits qui aident nos membres à rester en bonne santé...
Nous croyons également en une approche full stack :
- Chacun d'entre nous contribue à tous les 3 aspects du spectre des données (analytique, ingénierie, science). Cela encourage un fort sentiment de responsabilité et génère de l'impact.
- Nous possédons notre infrastructure. Nous sommes fiers de notre pile de données agile qui nous donne la flexibilité dont nous avons besoin. Nous utilisons principalement SQL, Python, R, Airflow, Snowflake et Metabase.
- Nous construisons des outils internes pour organiser nos données et les servir au reste de l'entreprise.
Compétences et capacités attendues
Vous vous épanouirez chez Alan si la plupart de cela vous ressemble :
- Passionné par la prise en charge de problèmes ambitieux et le développement de solutions simples pour ceux-ci.
- Impact démontré lors d'une première expérience réussie.
- Expérience ou volonté de grandir dans les 3 aspects du spectre des données (analytique, ingénierie, science) - être spécialisé dans l'un de ces domaines est également bon !
- Compétent en SQL, Python et/ou R - Établissant un haut niveau de rigueur et de précision pour vous-même, intéressé par votre métier.
- Excellentes compétences d'écoute et de communication.
- Humble, gentil, collaboratif, et toujours prêt à grandir (peu importe votre ancienneté !).
- Fluent et clair en anglais, à l'oral comme à l'écrit (pas besoin de parler français !)
Pour ce rôle, nous cherchons à recruter dans la fourchette de niveau C1-E.
Note importante : nous embauchons des personnes, pas des rôles.
Si vous êtes enthousiaste à propos de cette opportunité mais que vous ne cochez pas toutes les cases, nous aimerions avoir de vos nouvelles. Tout le monde, peu importe son niveau de représentation, devrait se sentir libre de postuler, car cela ne peut qu'apporter des apprentissages ou du succès.
Vous voulez en savoir plus sur Alan ?
- Avantages et bénéfices : Les Alaners bénéficient d'un environnement stimulant et d'avantages garantissant qu'ils sont heureux, efficaces et passent uniquement du temps de haute qualité avec leurs collègues.
- Une forte culture : Les personnes rejoignant Alan sont souvent surprises et ravies par notre méthode de travail innovante. Nous avons un ensemble de valeurs culturelles qui guident notre approche du travail.
Une note rapide sur le processus :
Note : Bien que vous postuliez pour un domaine spécifique, vous pourriez rejoindre une autre équipe d'ingénierie en fonction de l'endroit où nous pensons que vous aurez le plus d'impact.
Data Full Stack in Paris employeur : Userc Dehradun
Doctolib est un employeur exceptionnel qui valorise l'innovation et le bien-être de ses employés. En tant que Staff DataOps Engineer à Paris, vous bénéficierez d'une culture de travail collaborative, d'opportunités de croissance professionnelle, ainsi que d'avantages tels qu'une couverture santé complète, des jours de congé flexibles et un soutien pour le développement personnel. Rejoindre Doctolib, c'est contribuer à une transformation numérique significative dans le secteur de la santé tout en évoluant dans un environnement dynamique et inclusif.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Data Full Stack 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 Userc Dehradun
N’oublie pas de consulter notre site web pour des offres de full-time en data science chez Userc Dehradun. 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 Data Full Stack in Paris
Quelques conseils pour ta candidature 🫡
Mets en avant tes compétences techniques:Pour le poste de data scientist chez Userc Dehradun, 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 Userc Dehradun 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 Userc Dehradun. 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 Userc Dehradun
✨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 Userc Dehradun et sois prêt à discuter comment tes compétences peuvent répondre à leurs besoins spécifiques en data science.
