Chance
Tech team
En associant psychologie et technologie, Chance est considéré comme l’un des pionniers de la PsyTech. Le stack tech est le suivant : (Typescript, NestJS, NextJS, une Modern Data Stack (Airbyte, DBT, Hightouch…), Segment, etc), utilisé afin de fournir l'expérience produit la plus réussie possible.
Aujourd’hui, la plateforme est constituée de 4 web apps, à destination des talents, des coachs, des utilisateurs internes ainsi qu'à des membres du Board.
Notre plus grand défi est, d'une part, d’utiliser l’analyse des données comportementales afin de créer une expérience individualisée, flexible et évolutive, pour accompagner nos utilisateur-ice-s à réaliser une série de décisions nécessaires à l'aboutissement du parcours. Puis, d'autre part, de les mettre en relation avec un réseau adapté qui pourra les aider à s’orienter vers la carrière choisie, dans le cadre du Collectif Chance.
Employee breakdown
full stacks
30%
Back-End
1%
front end
1%
DevOps
1%
UX / Product designers
20%
Program Designers
17%
Product Managers
20%
En chiffres
150
deploys / mois
Technologies and tools
PostgreSQLPlatform
100%Node.jsPlatform
100%GraphQLPlatform
100%ExpressJSPlatform
100%Nest JS
85%TypeScriptPlatform
100%Styled ComponentsPlatform
100%StorybookPlatform
100%React JSPlatform
100%Next.jsWebsite
100%Material UIPlatform
100%Terraform
100%Kubernetes
100%GitHub
100%AWS
100%
Backend
Frontend
Devops
Organization and methodologies
L’équipe est divisée en plusieurs squads, et nous travaillons en sprints de 2 semaines. Toutes nos journées commencent par un Daily meeting, qui s’accompagne de Tech Groomig Sessions chaque semaine.
Projects and tech challenges
Chance va accélérer sa croissance dans les prochaines années, et ses challenges tech également.
Voici 3 exemples :
- Computer adaptive tests, pour que chaque talent puisse être dans un état de flux, où les questions ne sont ni trop difficiles ni trop banales ou ennuyeuses ;
- Collaborative filtering, pour nous permettre de faire des recommandations très spécifiques sur les emplois et le matériel de formation suggérés ;
- Sentiment analysis, pour nous permettre d'utiliser le traitement du langage naturel afin de catégoriser automatiquement les états émotionnels associés à chaque entrée utilisateur. Cela rend les algorithmes de filtrage collaboratif plus puissants.