Guide de l’entretien de Data Scientist chez Goldman Sachs

Pour les candidats issus des campus, le premier entretien est un entretien vidéo réalisé sur HireVue et dure environ 30 minutes. Les candidats en Engineering doivent passer une évaluation HackerRank. Les candidats sélectionnés après HireVue sont invités au Superday, une série d’entretiens du dernier tour.

• HireVue : Le premier entretien pour les candidats issus des campus.
• HackerRank : Une évaluation destinée aux candidats en Engineering.
• Superday : Généralement entre deux et cinq entretiens pour les recrutements issus des campus, selon la division, avec un éventail de personnes avec lesquelles les candidats pourraient travailler.

Considérez la présélection, l’exercice à domicile, le codage, l’étude de cas, l’entretien comportemental et l’entretien sur site comme des catégories de préparation, et non comme les noms des tours chez Goldman Sachs.

Pour les entretiens de Data Scientist en général, préparez chaque format autour des statistiques et de l’expérimentation, de SQL et du codage, du discernement en modélisation et de la communication des résultats à des non-spécialistes.

• Présélection ou vidéo : Entraînez-vous à expliquer votre parcours, vos choix techniques et l’incidence de vos projets de manière concise.
• Exercice à domicile ou codage : Démontrez une manipulation correcte des données, un SQL clair, un code lisible, des vérifications rigoureuses et des compromis raisonnés.
• Étude de cas : Définissez l’indicateur cible, les hypothèses, le plan expérimental et les éléments susceptibles de modifier votre recommandation.
• Entretien comportemental ou sur site : Utilisez des exemples concrets de collaboration, de désaccord, de correction d’erreurs et d’explication des résultats à des non-spécialistes.

La préparation au poste de Data Scientist est plus vaste que celle d’un entretien uniquement consacré au codage. Vous devez relier le raisonnement statistique, la conception d’expériences, SQL, le code et la sélection de modèles à une décision. Par rapport aux entretiens professionnels généralistes, entraînez-vous davantage à défendre vos hypothèses, à diagnostiquer les biais ou les fuites de données et à expliquer l’incertitude à un public non technique.

L’enchaînement des entretiens varie selon les employeurs. Goldman Sachs demande aux candidats en Engineering de passer une évaluation HackerRank. Si votre candidature au poste de Data Scientist relève de l’Engineering, incluez des exercices chronométrés de codage et de manipulation de données ; ne supposez pas que HackerRank s’applique en dehors de ce groupe de candidats.

Goldman Sachs ne précise pas la durée totale du processus. La seule durée communiquée est celle du HireVue pour les candidats issus des campus, qui prend environ 30 minutes. Pour les candidats issus des campus qui atteignent le Superday, l’étape finale comprend généralement entre deux et cinq entretiens, selon la division.

Pour les candidats au poste de Data Scientist, la difficulté réside dans l’étendue des compétences requises : la précision technique, la pertinence des choix de modélisation et la clarté de la communication peuvent toutes compter dans les différentes catégories de préparation. Comme les candidats au Superday rencontrent un éventail de personnes avec lesquelles ils pourraient travailler, entraînez-vous à présenter des éléments cohérents tout en adaptant le niveau de technicité à chaque conversation.

Structurez votre préparation autour des compétences couramment évaluées lors des entretiens de Data Scientist.

• Statistiques et expérimentation : Entraînez-vous à sélectionner des tests, à expliquer les hypothèses, à concevoir des expériences, à interpréter l’incertitude et à repérer les facteurs de confusion.
• SQL et codage : Exercez-vous sur les jointures, les agrégations, les fonctions de fenêtrage et les transformations de données. Expliquez la complexité et testez les cas limites.
• Discernement en modélisation : Choisissez les références, les indicateurs, les méthodes de validation et le suivi en fonction du coût des erreurs. Expliquez pourquoi un modèle plus simple pourrait être préférable.
• Communication : Présentez une version technique et une version accessible de chaque projet. Énoncez la décision, les éléments probants, les réserves et l’action suivante.

Entraînez-vous avec un entretien blanc, puis révisez vos exemples jusqu’à ce que chaque affirmation soit étayée par une décision, une action ou un résultat que vous pouvez expliquer.