Recruitment, skills and data valorisation (Q3690031): Difference between revisions
Jump to navigation
Jump to search
(Changed an Item: Edited by the beneficiary bot - attach the beneficiary based on the string) |
(Changed label, description and/or aliases in de: translated_label) |
||
| label / de | label / de | ||
Rekrutierung, Kompetenz und Auswertung von Daten | |||
Revision as of 15:45, 26 November 2021
Project Q3690031 in France
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Recruitment, skills and data valorisation |
Project Q3690031 in France |
Statements
2,226,386.12 Euro
0 references
4,452,772.25 Euro
0 references
50.00 percent
0 references
1 January 2016
0 references
31 December 2016
0 references
POLE EMPLOI DSI
0 references
Deux volets composent le projet, un concernant le recrutement et les compétences, l'autre la valorisation des données autour de l'emploi et la recherche d'emploi (big data) : \- **Sur le recrutement et compétences** : * Amener dans un 1er temps le référentiel Rome actuel (Répertoire opérationnel des métiers et emploi) vers un référentiel orienté compétences (savoirs, savoirs faire, comportements attendus). Dans un second temps, imaginer une matrice métier/emploi/compétences/formation. *Elaborer un portefeuille de compétences pour chaque candidat lui permettant une description plus large et plus fine sur son capital compétences, et transverse aux métiers exercés. Ce portefeuille sera partagé avec son conseiller afin de l’enrichir tout au long du parcours professionnel (dont formations.) Remonter au candidat, si besoin (peu d’offres disponibles, souhait de mobilité professionnelle), des offres d’emploi qui correspondent en terme de compétences attendues, même si elles ne relèvent pas du métier recherché. Mettre en évidence des écarts entre les compétences attendues et celles détenues par le candidat. Identifier des formations permettant de combler l’absence de compétences. *Apporter une description plus fine du besoin en compétences du recruteur (dont les postes à cheval sur plusieurs métiers). Remonter au recruteur, suivant le poste proposé, les compétences habituellement recherchées par les autres entreprises. Remonter au recruteur, si besoin (peu de candidats disponibles), des profils qui remplissent les conditions attendues d’un point de vue compétences, même s’ils ne relèvent pas du métier recherché. Mise en évidence des écarts entre les compétences attendues et celles détenues par le candidat. **\- Sur la valorisation des données :** Création d’une offre de service DSI dédiée pour accompagner, alimenter, et pérenniser les cas d’usage dans l’eco système métier et SI de Pôle emploi ***Accompagnement des cas d’usage** (phase prouver la valeur) : Ici nous génèrons de la donnée, faisons tourner le modèle pour rendre les données intelligentes et trouvons de nouveaux usages pour nos publics cibles entreprises et demandeurs d’emploi. ***Industrialisation des cas d’usage** (phase industrialiser) : dimensionnement machine, supervisions, ergonomie, mise à disposition du produit au public défini. ***Alimentation des cas d’usage** **(** phase de prouver la valeur et industrialiser) : fourniture de l’environnement de production, automatisation de la mise à jour des données, capitalisation des données… (French)
0 references
The project consists of two components, one concerning recruitment and skills, the other on the exploitation of data around employment and the search for jobs (big data): \- **on recruitment and skills**: * Bring the current Rome repository (Operational Directory of Trades and Employment) into a competency-oriented repository (knowledge, know-how, expected behaviours) in a first stage. In a second step, imagine a job/job/skills/training matrix. *Develop a portfolio of skills for each candidate allowing a broader and more detailed description of their skills capital, and transverse to the occupations practised. This portfolio will be shared with his/her adviser in order to enrich it throughout the career path (including training) To bring to the candidate, if necessary (few offers available, desire for professional mobility), job offers that correspond in terms of expected skills, even if they do not belong to the profession sought. Identify gaps between the competencies expected and those held by the candidate. Identify training to fill the lack of skills. * Provide a more detailed description of the recruiter’s skills need (including positions that straddle several trades). Refer to the recruiter, depending on the proposed position, the skills usually sought by other companies. Refer to the recruiter, if necessary (few candidates available), profiles that meet the expected skills requirements, even if they do not belong to the job sought. Identification of gaps between the competencies expected and those held by the candidate. **\- On data valorisation:** Creation of a dedicated DSI service offer to support, feed, and perpetuate use cases in the Eco Business System and Employment Centre SI ***Accompanying use cases** (phase prove value): Here we generate data, run the model to make data smart and find new uses for our target audiences businesses and jobseekers. ***Industrialisation of use cases** (industrialising phase): machine sizing, supervision, ergonomics, making the product available to the defined public. ***Feeding of use cases** **(** phase of proving value and industrialising): provision of production environment, automation of data update, data capitalisation... (English)
18 November 2021
0 references
Identifiers
201603726
0 references