#rmsconf #rmsnews #rmstouch

#rmstouch #rmsconf #rmsnews
Big Data et Recrutement par Jean-Christophe Anna
Par : Jean-Christophe Anna
5
Big Data et Recrutement par Jean-Christophe Anna
Tweet about this on Twitter232Share on LinkedIn264Share on Facebook18Share on Google+15

Tic-Tac, Tic-Tac, Tic-Tac … ou plutôt 010111100110100011100111110110100 …

La 5ème édition de notre event #rmsconf (recrutement mobile & social conférence) sera en effet consacrée le 13 octobre prochain au Big Data. « Big Data : Buzzword ou Big Bang ? »

Comme nous l’avions fait l’an dernier avec 10 tribunes sur « Le Recrutement en 2025« , thématique centrale de l’édition 2014, nous vous proposons cette année une nouvelle série d’articles de prospective sur les impacts que pourrait (que va nécessairement) avoir le Big Data sur le Recrutement, le Marketing Employeur, le Campus Management et les RH au sens large. Et comme l’an dernier, je me devais d’ouvrir le bal !

Le Big Data est un sujet aussi vaste que mal appréhendé, voire encore très largement incompris par le plus grand nombre, et notamment la population RH. Toute l’ambition de l’édition 2015 de #rmsconf est justement de rendre ce nouvel univers accessible aux professionnels de l’écosystème recrutement. Avant même d’envisager les perspectives du Big Data en matière de recrutement, je vous propose de plonger dans cette nouvelle galaxie à la découverte des précieuses données, de leur extraction et de leur transformation, sans oublier leur applications concrètes.

 

Big, Small, Little, Smart ou Open, la data est multiforme !

Pour bien commencer, rien de plus normal que de définir ce qu’est le Big Data.

Big Data

Comment définir ce concept qui semble si abstrait au commun des mortels ? Commençons par le traduire. Dans la langue de Molière, Big Data se dit au choix « grosses données », « mégadonnées » ou encore « données massives« . Il s’agit ainsi de l’ensemble des données qui existent et circulent. Il est assez courant d’associer le Big Data au web et à l’univers digital. Mais avant même l’explosion des SMS, mails, tweets, likes, vues, commentaires et toutes autres interactions sur les médias sociaux, partages et productions de contenus, informations de navigation web et de géolocalisation mobile, données issues du quantified self et des objets connectés … les données existaient déjà en nombre : statistiques diverses et variées, informations médicales, données administratives, opérations bancaires, transactions financières, voyages …

Data digital flow

Ce qui a fondamentalement changé avec le web, les médias sociaux, les terminaux mobiles et les objets connectés, c’est l’échelle. Car, comme le dit très bien Tim O’Reilly, expert du web et de l’Open Source : « Ce n’est pas la même chose de traiter des millions de données et des milliards de milliards de données ! Le changement de quantité provoque un changement de qualité« . Selon Francis Pisani, paléoanthropologue « des technologies de l’information et de la communication depuis la préhistoire (1994)« , « le Big Data invite à penser différemment« . Ainsi, plutôt que de comprendre la cause d’un problème pour le résoudre, « la technologie nous permet, par le traitement de milliards de milliards d’informations de constater des corrélations » qui permettent d’agir. Keynote Speaker en ouverture de #rmsconf, Francis Pisani partagera avec nous ses découvertes de grand explorateur de la planète smart et connectée.

Big Data = Volume + Variété + Vélocité !

La fameuse règle des 3V du Big Data a été établie en 2001 par Doug Laney du Cabinet Gartner en 2001 : un Volume considérable, une grande Variété et une Vitesse importante de déplacement. À ces 3V, s’ajoutent quelques fois d’autres V comme le caractère Variable des données, mais aussi leur Véracité (donner confiance dans les données pour prendre les bonnes décisions).

Les 3 V du Big Data

Le, La ou Les Big Data ?

Faut-il dire « Le » Big Data en tant que phénomène, « La » Big Data car la donnée est un terme féminin ou « Les » Big Data parce qu’il y en a forcément plusieurs ? Je laisse à chacun la liberté de choisir. J’ai opté pour « Le » !

Small Data

Il s’agit d’une extraction des données du Big Data. Ces « petites données » se caractérisent par un volume et un format qui les rendent accessibles à la compréhension humaine. Elles fournissent une information qui répond à une question spécifique ou adresse un problème précis. Il s’agit en quelque sorte d’une adaptation du Big Data, bien souvent difficilement exploitable, à la vie de tous les jours.

Little Data

Ce sont les données relatives à une personne ou une organisation. Si le Big Data est l’ensemble des données récoltées par les organisations sur les individus, qu’ils soient clients, collaborateurs ou électeurs, le Little Data est l’ensemble des données connues par une personne sur elle-même : son comportement, ses goûts, ses actions et interactions offline et online … Un parfait exemple est donné par Didier Dubois, Spécialiste en Marketing RH chez HRM : « Par exemple, si vous portez l’un des nombreux bracelets de sport qui mesurent vos performances physiques (comme FuelBand de Nike) vous émettez quotidiennement des données que vous utiliserez à titre personnel, pour améliorer votre santé. Il se peut également que vous partagiez ces données sur Facebook qui, cumulées aux données des autres utilisateurs, feront partie du « Big Data ». Si un chercheur récupère ces données et les additionne à d’autres données de santé publique, par exemple sur les bienfaits de la marche sur la santé, cela deviendra du « Small Data ». »

7367613-quantified-self-faut-il-craindre-la-sante-connectee

Pour illustrer autrement ces trois notions, le plus simple est de prendre un exemple. Si le Big Data englobe toutes les informations relatives à l’ensemble des français qui pratiquent un sport, le Small Data concerne les données des français qui jouent au Foot et le Little Data celles d’un footballeur de sexe masculin, âgé de 40 ans, qui habite Paris.

Smart Data

Là où le Big Data collecte des données brutes en très grand nombre, le Smart Data se concentre uniquement sur les données utiles, exploitables et transformables.

Open Data

L’Open Data est l’équivalent de l’Open Source appliqué Big Data. Les données sont alors disponibles en libre accès et peuvent être réutilisées par tous,  sans restriction technique, juridique ou financière. Selon Wikipédia : « L’ouverture des données (open data) représente à la fois un mouvement, une philosophie d’accès à l’information et une pratique de publication de données librement accessibles et exploitables. Elle s’inscrit dans une tendance qui considère l’information publique comme un bien commun (tel que défini par Elinor Ostrom) dont la diffusion est d’intérêt public et général. »

 

Le Big Data c’est génial, mais à quoi ça sert ?

Collecter des données, encore des données, toujours plus de données, c’est bien joli. Mais à quoi cela peut-il donc servir ? Quel est l’objectif de cette entreprise sans réelle limite ? Et comment ça marche ? De la collecte à la lecture prédictive, quel sort est réservé aux données ?

Objectif

Les données seules ne servent à rien, et ce quels qu’en soit le volume, la variété et la vélocité, si elles ne peuvent être exploitées. Tout l’enjeu du Big Data réside dans l’interprétation correcte et utile des données brassées, agrégées, compilées. Il convient en effet de transformer les données en valeur, de dégager une tendance, d’extraire de l’intelligence.

Mode d’emploi

Cet-homme-sait-avant-vous-ce-que-vous-allez-acheter_article_landscape_pm_v8

Comment tirer une valeur ajoutée à partir des données ? Comment leur donner un sens ?

Collecte

Si l’on utilise l’analogie avec une matière première, le Big Data est souvent considéré comme « le nouvel or noir » (Clive Humby), la première étape consiste à extraire les données concernant une population donnée d’individus d’une sorte de magma sans limite. Pour trouver une pépite d’or, il faut commencer par creuser et sortir de gros cailloux.

Traitement

Dans un second temps, il va nécessairement falloir répertorier, classer, identifier les données utiles et les séparer des données futiles. Le chercheur d’or du grand Ouest américain, filtrait l’eau de la rivière à la recherche de quelques grammes ou milligrammes d’or fin.

Analyse

Vient ensuite l’analyse des données, leur comparaison et l’établissement de corrélations.

Prédiction

C’est sans aucun doute le Graal ultime ! Récolter des données, les stocker, les classer, les analyser … c’est bien. Les exploiter pour en faire une lecture prédictive, c’est le must ! Déterminer que pour être optimale votre extraction doit commencer à tel endroit parce que le sol qui s’y trouve, composé de tels matériaux et soumis à tel micro climat favorable, a toutes les chances d’être très riche en pépites, c’est forcément « précieux », non ?

Ainsi, en analysant les données, leur taux de répétition et leurs corrélations, il est possible de formuler des prédictions. Mais attention, comme le précise David Bessis, le fondateur de Tinyclues spécialisée dans l’analyse prédictive de données pour le commerce électronique ou « l’homme qui sait avant vous ce que vous allez acheter », « plutôt que de lire l’avenir, il serait plus juste de dire que le Big Data permet de repérer les schèmes du passé qui se répètent. » Il illustre parfaitement son propos en donnant un exemple issu des comportements de consommation dont il a fait une science : « Il faut s’entendre sur ce que signifie “prédire”. Pour nous, c’est : “Vous vous appelez Hélène, vous avez acheté tel livre et tel vêtement, donc vous avez huit fois plus de chances que le reste de la population d’acheter ce téléphone-ci.” Il n’y a jamais de certitudes. Cela reste des probabilités. Fortes, mais des probabilités quand même. »

 

Applications Big Data dans la vie

Les applications concrètes du Big Data sont innombrables. Grâce à l’interconnexion entre des millions d’ordinateurs, les milliards de milliards d’informations récoltées et corrélées entre elles permettent à partir de l’analyse de données passées de prévenir des événements à venir. Il devient alors possible d’anticiper les risques d’embouteillage, d’éviter les incendies, de prévenir les maladies, les crises ou les conflits armés, de prévoir le résultat de l’élection présidentielle aux Etats-Unis (le statisticien Nate Silver l’a fait en 2008 lors de la première élection d’Obama), de prédire les crimes ou … le succès prévisible d’un film, les places de stationnement disponibles en temps réel dans une ville (Barcelone) ou le taux d’occupation d’un train du réseau Transilien de la SNCF à telle heure de la journée (appli mobile Tranquilien réalisée par Snips). L’ambition de Rand Hindi, créateur de l’appli Tranquilien, c’est de délivrer à chaque individu la bonne information au bon moment en fonction de sa géolocalisation et de son agenda. Je ne peux que vous inviter à visualiser la vidéo ci-dessous. Elle est vraiment très bien faite.

Chaque Français est en moyenne présent dans 800 fichiers via ses données bancaires et administratives, ses informations médicales, ses e-mails, ses présences sur les médias sociaux, … Loin d’être un Buzzword de plus, le Big Data est donc bel est bien un véritable Big Bang pour notre société et notre civilisation.

Parmi tant d’autres, j’ai choisi de développer 4 exemples très parlants.

Crimes

Qui ne se souvient pas des fameux « précogs » imaginés par Philip K. Dick et à qui Steven Spielberg a donné vie dans Minority Report ? Grâce à l’intelligence collective de ces formes de devins futuristes baignant dans une piscine et dont les cerveaux étaient connectés à des ordinateurs, le super flic Tom Cruise pouvait prédire les crimes avant qu’ils n’adviennent.

precog

Pure fiction ? Et bien, non, la police prédictive existe déjà. Elle est expérimentée dans plusieurs villes (Santa Cruz, New York, Seattle, Memphis) et donne de vrais résultats avec une baisse sensible de la délinquance. Ainsi, grâce à l’exploitation de l’immense masse de données disponible sur les crimes et les corrélations avec certains paramètres extérieurs (météo, événements sportifs, …), la police peut parvenir à prévenir les infractions en patrouillant au bon endroit au bon moment et arrêter une personne avant qu’elle ne passe à l’acte ! La seule différence avec Minority Report, c’est que si les algorithmes utilisés par ces polices futuristes sont capables de prédire où et quand un délit ou un crime risque de se produire, l’identité de l’ex-futur coupable est inconnue.

Le principal enseignement est comme le souligne très judicieusement l’anthropologue américain Jeff Brantingham que « les êtres humains ne sont peut-être pas aussi imprévisibles que ce qu’on voudrait nous faire croire« . Les crimes impunis auraient en effet tendance à se reproduire dans des conditions similaires.

Catastrophes naturelles

L’étude de l’activité sur Twitter a pu fournir des informations à l’avance aux habitants, à leurs familles et aux journalistes sur le Tsunami au Japon.

Notre globe-trotteur national Francis Pisani, indique que « New York est capable de déterminer quels quartiers sont susceptibles de subir les plus gros risques d’incendie, grâce à la corrélation du nombre d’incidents de paiement des loyers et des incendies répertoriés par le passé.

Santé

Si vous vous intéressez à la puissance prodigieuse de l’intelligence artificielle, vous devez forcément connaître Watson, le super ordinateur cognitif d’IBM. Ses faits d’armes sont célèbres : il a battu les plus grands champions de la culture générale dans le jeu Jeopardy et il diagnostique aujourd’hui les cancers avec une fiabilité infiniment supérieure à celle des meilleurs oncologues mondiaux avec 90% de succès vs 50% pour les spécialistes humains !

Le développement d’une épidémie se traduit aujourd’hui par une inévitable activité online des populations potentiellement concernées. Ainsi, l’identification des mots les plus recherchés sur Google est un excellent indicateur pour observer la progression en temps réel d’une maladie. Ce n’est pas moi qui l’invente, ce sont les ingénieurs du moteur de recherche n°1 qui l’ont démontré.

Imaginez les incroyables bénéfices qu’il serait possible de tirer de l’exploitation de l’ensemble des données médicales des habitants de la planète, sans parler des données des personnes aujourd’hui disparues … C’est tout l’enjeu de l’Open data appliqué à la santé. L’accès libre à ces données (maladies, traitements, qualité des établissements, qualité des produits de santé, tarifs pratiqués par les professionnels, …) permettrait à n’en pas douter une meilleure prise en main des patients, une plus grande efficacité des traitements, une meilleure gestion de l’argent public, une information plus transparente. Fantasme ? Dans certains pays (Canada, pays scandinaves), l’ouverture des données de santé est déjà d’actualité. En France, malgré l’incroyable richesse des données collectées par l’Assurance maladie, elles ne sont pas exploitées …

Comportements de consommation clients

Quelle surprise lorsque vous venez de vous renseigner sur tel ou tel produit/service sur un site dédié, de voir apparaître comme par enchantement des pubs reprenant ce même produit/service alors que vous êtes sur un tout autre site web ! Bien entendu, vous connaissez le retargeting et notre champion national Criteo. Mais avez-vous déjà entendu parler du RTB ? Le Real Time Bidding ou l’achat d’espaces publicitaires online via des enchères en temps réel ! Le marketing est aujourd’hui hyper-ciblé.

la-maison-du-whisky-paris-rue-anjou
Il sera de plus en plus, grâce à la rencontre du Big Data et du mobile, hyper-personnalisé, géolocalisé et contextualisé. Anticipation : Vous rentrez chez vous après une semaine de travail harassante, vous commencez à vous détendre en pensant au WE et au bon Whisky que vous allez siroter avec votre meilleur ami samedi soir et boum ! En passant juste à côté d’un caviste qui propose les meilleures bouteilles de Whisky, vous recevez une notification sur votre mobile qui vous invite à entrer dans la boutique pour y goûter la dernière trouvaille de Joe, une pure merveille : un Single Malt Scotch Whisky de 20 ans d’âge ! Évidemment, une telle notification n’est possible que grâce à l’exploitation de vos données (goûts, activités, pouvoir d’achat, style de vie …) et à l’utilisation combinée de vos données de géolocalisation et de contextualisation. Inévitablement, vous vous engouffrez avec enthousiasme dans la boutique et vous en ressortez 15 minutes plus tard avec le joli flacon dans la main. La même notification reçue sur votre mobile à 12h30 en milieu de semaine n’aurait pas eu le même impact sur vous. Vous l’auriez purement et simplement ignorée.

 

Le Big Data appliqué au recrutement

Bon, maintenant que vous y voyez plus clair, enfin j’espère, place aux impacts possibles du Big Data sur le recrutement !

Le Big Data au service du Recruteur

Dans le cadre de ma réflexion sur le Recrutement en 2025, j’ai imaginé l’an dernier 7 portraits de recruteurs dont « le Recruteur Data Analyst » que j’aurai très bien pu aussi appeler le Recruteur Data Scientist !

Le recruteur Data Analyst

Bizzarement, j’avais déjà utilisé l’univers de Minority Report pour illustrer mon propos. 🙂 Voici comment je le décrivais (avec quelques toutes petites modifs) :

« En 2025, le Big Data fait partie de l’écosystème recrutement au même titre que le CV ou les sites emploi en 2003.
Exit la formation RH, le recruteur est un ingénieur informatique, spécialiste de l’analyse de données. Son quotidien consiste à recueillir, stocker, classer et analyser les données relatives à une population cible : présences sur les médias sociaux, activité online, contenu partagé et produit, comportement et interactions avec les autres acteurs de l’écosystème, soft skills, trajectoire professionnelle, performance dans le job actuel ou précédent, compatibilité culturelle…

Son objectif ? Identifier les meilleurs candidats et … prédire leur efficacité potentielle, le fit culturel avec l’entreprise et leur taux de réussite dans le poste au regard de leur personnalité, de leurs compétences professionnelles, des valeurs de l’entreprise, de son actualité économique, de la composition de ses équipes, du profil de ses collaborateurs les plus performants, des récentes arrivées … »

Prenons un exemple qui va forcément vous parler. Vous cherchez un super commercial pour étoffer votre équipe. À partir de l’analyse des données relatives aux membres les plus efficaces et performants de votre équipe, vous allez pouvoir identifier le profil du commercial idéal. Cela n’a absolument rien à voir avec du clonage, bien au contraire.

Vous avez le choix

Le clonage consiste à chercher absolument le mouton à 5 pattes (qui comme tout le monde le sait n’existe pas), c’est à dire le clone qui a exactement la même formation, le même diplôme de la même école, le même nombre d’années d’expérience, sur le même poste, dans le même secteur d’activité, avec les mêmes compétences techniques et la même ancienneté/fidélité …

Recruter des clones

L’utilisation intelligente du Big Data via un algorithme permet bien au contraire d’identifier la personne ayant le meilleur profil pour réussir dans l’environnement de votre entreprise, celui qui s’adaptera le mieux à votre culture et qui s’inscrira parfaitement dans le collectif de votre équipe. C’est donc lui et non le clone qui aura les meilleures chances de performer ! Ceci en dehors de toute considération de formation, de diplôme, d’école d’origine, d’expérience, de connaissance du secteur ou de compétences techniques ! L’exploitation des données permet même d’imaginer des matching improbables pour un esprit humain. Si l’algorithme identifie que plusieurs experts en marketing digital le sont devenus après avoir été des consultants en conduite du changement, il vous proposera ces profils que vous n’auriez jamais retenus dans votre sélection ! Idem pour une compétence possédée par tous les commerciaux qui sont les plus performants dans votre entreprise. S’ils ont tous cette compétence, l’algorithme va vous proposer des profils qui en sont également dotés.

Recruter l'élu

En 2014, une étude réalisée par l’Université du Minnesota et reprise par la prestigieuse Harvard Business Review dans son article « In Hiring, Algorithms beat Instinct ! » affirmait déjà que les algorithmes sont plus performants que l’instinct humain. En effet, contrairement à l’homme, l’algorithme est rationnel, objectif, non discriminant, neutre, extrêmement fiable. Pour identifier le candidat idéal, performant et fidèle, et éviter les « erreurs de casting », « boulets » et autres « mercenaires », le recruteur a donc le choix entre deux solutions : s’en remettre exclusivement à son intuition, subjective par essence, ou s’appuyer sur des données objectives que seuls les algorithmes peuvent délivrer.

Et quid de la fidélité que témoignera à votre entreprise cet élu ? Avec le Big Data appliqué au recrutement, certaines idées reçues vont voler en éclats et c’est tant mieux ! Ainsi, vous pensez forcément (vous n’êtes qu’un être humain après tout) que pour être sûr de recruter une personne qui ne quittera pas votre entreprise dans les 3 ans, il faut forcément choisir un candidat qui est resté plus de 5 ans dans sa dernière entreprise et éviter les individus « instables ». Et bien, vous vous trompez !

Didier Dubois, Stratège en Marketing RH chez HRM, s’appuie sur l’étude de volume réalisée par la plateforme Evolv qui offre d’extraire et d’organiser vos données internes pour les utiliser à des fins prédictives : « Cette étude auprès de plus de 21 000 agents de centres d’appel en utilisant le modèle de régression de Cox (modèle de risque proportionnel), a démontré que l’historique de stabilité dans un emploi passé d’un candidat est un très faible prédicteur de la stabilité future d’un nouvel employé. »

 

Le Big Data au service du candidat

Le candidat eux aussi vont de plus en plus profiter de la puissance du Big Data.

C’est déjà le cas avec les University Pages de LinkedIn qui offrent de très riches informations. Les données qui s’y trouvent sont ainsi aussi utiles pour guider un jeune dans son choix d’école au regard par exemple des réelles perspectives de carrières, qui ne sont pas celles purement déclaratives des établissements, mais bien les trajectoires vécues par les anciens présents sur la plateforme. LinkedIn utilise tout bonnement les infos saisies par ses utilisateurs sur leurs profils. Il est alors facile de faire une requête en choisissant parmi les nombreux critères (entreprise, fonction, diplôme, spécialité …). Choisir la meilleure école pour exercer un jour le job de ses rêves, rien de plus simple avec les infos mises à disposition par LinkedIn !

Classements_LinkedIn_des_écoles_-_Basés_sur_vos_objectifs_de_carrière___LinkedIn

Les outils au service du candidat risquent d’ailleurs de se multiplier. Les sites d’évaluation des entreprises comme Glassdoor, Indeed, meilleures-entreprises ou même Viadeo, mettent également des données intéressantes à la disposition des candidats potentiels : niveau de rémunération, style de management, perspectives d’évolution, conditions de travail, culture d’entreprise …

Forcément, de tous nouveaux outils commencent à exploiter toutes les possibilités offertes par le Big Data pour proposer aux étudiants et jeunes diplômés (et demain à tout candidat) d’imaginer en fonction de leur formation, de leur expérience et de leurs motivations et compétences, des trajectoires insolites et de considérer des opportunités auxquelles ils n’avaient pas songé dans des entreprises qui ne les attiraient pas spontanément.

Nous en parlerons d’ailleurs dès le 13 octobre à #rmsconf, puisqu’Eric Barilland, Directeur Image Employeur et Campus Management d’Orange, viendra présenter l’intégration d’un module de Big Data directement sur le site carrières Orange Jobs ! Ce module, conçu par la startup très innovante Studizz, permettra aux candidats à partir de leurs données professionnelles (Hard skills) et personnelles (Soft skills) de visualiser les métiers et carrières envisageables au sein du groupe. Je ne vous en dis pas plus, je préfère vous réserver quelques surprises pour le D-Day ! 😉

 

Le Big Data au service de la Marque Employeur

Le Big Data peut être utile au recruteur pour identifier les meilleurs profils à recruter, tout comme au candidat pour ouvrir le champ des possibles et envisager de nouvelles perspectives de carrière.

Assez logiquement, le Big Data a un rôle majeur à jouer pour optimiser la marque employeur en externe comme nous venons de le voir avec l’exemple d’Orange notamment, mais aussi en interne. Et, oui, la même logique d’informations/recommandations à destination des candidats s’applique parfaitement aux collaborateurs et à leur évolution professionnelle au sein d’une entreprise, d’un groupe. Il permettra parallèlement aux équipes RH et aux directeurs opérationnels d’optimiser également leurs recrutements internes en identifiant les profils qui sont susceptibles de s’inscrire le mieux dans tel ou tel parcours d’évolution.

 

« Big Data et Recrutement » sera le thème principal de la 5ème édition de notre événement #rmsconf (recrutement mobile & social) qui aura lieu le 13 octobre à Paris. Si ce n’est déjà fait, je ne peux que vous inviter à vous inscrire au plus vite. Le programme que nous vous concoctons est tout simplement exceptionnel ! 🙂

 

#rmsconf 2015

 

Voici la liste des contributions actuelles :

#01 – La série a commencé le 3 septembre avec le billet de Jean-Christophe Anna : Big Data et Recrutement par Jean-Christophe Anna
#02– Big Data et Recrutement par Geoffroy de Lestrange
#03– Big Data et Recrutement par Frédéric Mischler
#04– Big Data et Recrutement par Eric Barilland
#05– Big Data et Recrutement par Yves Loiseau
#06– Big Data et Recrutement par Thibaut Gemignani
#07– Big Data et Recrutement par Alexandre Pachulski
#08– Big Data et Recrutement vu par David Rivel et Florian Delair
#09– Big Data et Recrutement vu par Sébastien Hueber

 

Sources :

Tweet about this on Twitter232Share on LinkedIn264Share on Facebook18Share on Google+15
The following two tabs change content below.
Maître Jedi et Directeur Général de #rmstouch, société spécialisée en Recrutement mobile & social. Il forme et accompagne les organisations dans l’utilisation des médias sociaux et des technologies mobiles pour optimiser l’efficacité de leur Recrutement et l’attractivité de leur Marque Employeur. Organisateur de l'événement #rmsconf et auteur du livre "Job & réseaux sociaux, connectez-vous" (Hachette), il « évangélise » à tour de bras Recruteurs et candidats pour les convertir au Recrutement innovant. Telle est sa mission !

5 commentaires

  • David Valérie dit :

    Bonjour,
    Ma fille Cassandre âgée de 22ans est en 5 ème année d’école de commerce PSB ancien ESG Paris. Elle termine son master contrôle de gestion en juin.
    Elle se pose la question de faire une formation Big Data. Un de ses profs lui a dit :fait le si tu as un projet, mais pour l ‘instant elle n’a pas de projet juste l’envie de se former et de rencontrer une société qui lui donnerait la possibilité d avoir un job dans 2 ans où elle s’épanouirait.
    Pourriez vous svp rentrer en contact avec elle. Elle est jeune et très motivée. En ce moment elle termine son master en alternance ou elle s ennuie.
    Elle se motive en se disant que c est une expérience très profitable, car elle sait qu’elle voudra exercer un métier passionnant qui donne envier d aller plus loin et de se lever tous les matins et de se cocher tard le soir.
    Voici son adresse : Cassandre.opsomer@gmail.com
    Merci de la contacter, elle mérite vraiment que l’on s’intéresse à elle
    Sa maman

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *