Cómo contratar a un científico de datos

Con la abundancia cada vez mayor de datos disponibles ahora, las empresas se están centrando en el análisis de datos, y ha surgido una feroz demanda de científicos de datos.

Los roles de los científicos de datos han aumentado en un 650 % desde 2012, lo que no sorprende dado el ROI. Se prevé que las empresas que entiendan cómo utilizar los datos para impulsar la toma de decisiones obtengan 1,2 billones de dólares de sus competidores para 2020.

Pero todavía existe una gran brecha entre las empresas que usan datos de manera efectiva y las que no. Un estudio de Forrester de 2016 encontró que solo el 22 por ciento de las empresas se consideraban "Líderes en conocimientos" (empresas que utilizan la ciencia de datos para obtener una ventaja competitiva) y que esas empresas tenían el doble de probabilidades de ocupar una posición líder en el mercado.

Para unirse a los que están al frente del grupo, no solo necesitará contratar a un científico de datos, sino también al científico de datos adecuado , y con la demanda de sus servicios antes mencionada, puede que no sea tan fácil. Jeremy Stanley, científico jefe de datos y vicepresidente ejecutivo de ingeniería de Sailthru , estima que la contratación por sí sola puede consumir fácilmente el 20 % o más del tiempo de un equipo de ciencia de datos.

Para garantizar un proceso más eficiente, aquí hay algunos consejos sobre qué preguntar y qué buscar.

Saber lo que quieres

Suena simple, pero es una realidad desafortunada que demasiadas organizaciones contratan científicos de datos sin considerar primero sus objetivos.

El proceso de contratación debe reflejar las necesidades específicas de su equipo. ¿Su candidato será el principal responsable de crear visualizaciones y tableros atractivos para quienes no son analistas, diseñar y desarrollar redes neuronales profundas y modelos de aprendizaje automático, o crear prototipos de aplicaciones reales?

Contratar a un científico de datos cuyas fortalezas no se alineen con las necesidades de su empresa no funcionará bien para ninguna de las partes. Construir una hoja de ruta de datos realista antes de comenzar el proceso es crucial.

Desarrollar un proceso práctico

Entrevistar a científicos de datos puede ser un proceso complicado porque, como mencionamos, sus candidatos tienen opciones. Stanley de Sailthru señaló que los candidatos fuertes en el campo a menudo pueden recibir tres o más ofertas, y las tasas de éxito en la contratación de gerentes suelen estar por debajo del 50 por ciento.

Eso es algo a considerar en cada etapa del proceso de contratación, y aunque querrá ser minucioso, es igualmente crucial no asustar a los posibles candidatos.

Considere, por ejemplo, la prueba para llevar a casa que es un paso preliminar en el proceso de contratación para la mayoría de las organizaciones. Si un candidato está en demanda y ya está siendo potencialmente perseguido por varias otras empresas, y probablemente ya esté empleado en primer lugar, entonces tendrá pocos incentivos para completar una tarea innecesariamente ardua que requiere días de trabajo.

Riley Newman, exdirectora de análisis de Airbnb, dijo que la compañía simplemente presentó un "desafío de datos básicos" en este paso del proceso, en lugar de algo demasiado exigente.

“El objetivo aquí es validar la capacidad del candidato para trabajar con datos, como se describe en su currículum”, escribió . “Les enviamos algunos conjuntos de datos y les hacemos una pregunta básica; el ejercicio debería ser fácil para cualquiera que tenga experiencia”.

Cuando finalmente se contratan candidatos para un desafío más riguroso, debe verse no solo como una oportunidad para probar sus habilidades, sino también para mostrar lo que hace que su empresa sea especial. Recuerde: el proceso de tanteo funciona en ambos sentidos.

“Tratamos de ser lo más transparentes posible sobre (nuestro desafío interno de datos)”, dijo Newman. “Puedes ver cómo es trabajar con nosotros y viceversa. Entonces, hacemos que el candidato se siente con el equipo, les damos acceso a nuestros datos y una pregunta amplia. Entonces tienen el día para atacar el problema como quieran, con el apoyo de las personas que los rodean.

“Animamos a hacer preguntas, almorzamos con ellos para aliviar la tensión y nos comunicamos periódicamente para asegurarnos de que no se queden atascados en algo trivial”.

Haz las preguntas correctas

A veces, los gerentes de contratación tienen la tentación de usar la entrevista para profundizar en cada detalle del conjunto de habilidades técnicas de un candidato, bombardeando a su entrevistado con preguntas sobre una amplia gama de competencias que podrían no ser relevantes para el trabajo en cuestión. Eso es un error. Limite sus preguntas a las herramientas que realmente usa, luego haga un seguimiento investigando cómo un candidato aplicaría esas herramientas a un problema específico.

Para tener una mejor idea de cómo piensa su posible científico de datos, pídale que le explique un problema reciente que se propuso resolver. Pregunte cómo abordaron el proyecto, y por qué tomaron las decisiones que tomaron, y cómo determinaron cómo asignar su tiempo y recursos. Finalmente, pregunte qué aprendieron del proyecto y qué harían diferente.

Más allá de brindarle una ventana al proceso del candidato, esto también le dará una idea de si posee o no una habilidad social que puede ser crucial para los científicos de datos: la capacidad de contar historias.

Cuando la situación exige una mirada más profunda a la destreza técnica del candidato, la científica de datos Jacqueline Nolis recomienda mantener las preguntas relativamente básicas. Por ejemplo, si prueba el conocimiento de estadísticas de un candidato, sugiere preguntar cómo explicar una regresión lineal a un ejecutivo de negocios, o si el entrevistado puede enumerar algunos modelos alternativos a una regresión lineal y explicar por qué son mejores o peores.

“Dada un área en particular, solo hago preguntas en un nivel introductorio. Por ejemplo, si hago una pregunta sobre modelos de aprendizaje automático, solo preguntaría sobre regresiones lineales y logísticas y evitaría preguntar sobre temas más avanzados como Random Forests o boosting”, escribió. “La razón de esto es que si entienden los conceptos básicos, deberían poder aprender los temas avanzados en el trabajo”.

Incluso antes de llegar a ese punto, Nolis aconseja preguntar primero al candidato sobre su familiaridad con el tema.

“Si dicen que no tienen mucho, me lo salto”, dijo. “Quiero evitar que el candidato se sienta abrumado o frustrado por ese tema, ya que eso podría poner en peligro el resto de la entrevista”.

Esté atento a estas habilidades y calificaciones

El diagrama de Venn clásico para los científicos de datos siempre ha vinculado sus conjuntos de habilidades como el nexo de los negocios, la informática y las matemáticas. Si bien eso es cierto en gran medida, no todos los roles exigen un dominio de la estrategia, la ingeniería y el modelado matemático. Entonces, una vez más, es mejor profundizar en las necesidades específicas del puesto que está ocupando.

Aún así, las habilidades técnicas generales que los científicos de datos necesitan poseer en su mayoría se pueden dividir en tres categorías:

• Para recopilar y almacenar datos con bases de datos, Excel y lenguajes de consulta como XML y SQL
• Para analizar y modelar conjuntos de datos utilizando herramientas como Python, R, Hadoop y Spark
• Para crear visualizaciones atractivas y perspicaces con herramientas como Tableau y PowerBL

Si bien es cierto que no todos los científicos de datos necesitan poseer un dominio de todos los aspectos del rol, estas habilidades y competencias son deseadas casi universalmente.

De hecho, Michael Li, un científico de datos que ha trabajado en Google y Foursquare, lamentó que muchas de las personas que se autodenominan científicos de datos son realmente "clics", que se sienten cómodos solo con herramientas de apuntar y hacer clic para el análisis y la visualización de datos.

“Es hora de contratar científicos de datos que puedan codificar con herramientas más potentes, como R, Python y TensorFlow”, escribió Li . “Y las empresas deberían considerar capacitar a su fuerza laboral existente en ciencia de datos y habilidades de inteligencia artificial para enseñar a los usuarios algunas de las habilidades que necesitarán para convertirse en codificadores”.

Aún así, es importante no pasar por alto el valor de las habilidades menos técnicas como la creatividad, el pensamiento crítico y el sentido comercial.

Sara Vera, científica de datos en Insightly , sugiere que el mejor enfoque es contratar talento en ciencia de datos y enviar a sus empleados a programas de capacitación adicionales según sea necesario.

“El pensamiento analítico y las habilidades de comunicación son más difíciles de enseñar que SQL, Python y R”, escribió . “El beneficio adicional de la capacitación en habilidades tecnológicas es que creas un entorno en el que la tutoría es realmente fuerte, lo que crea un equipo más cohesionado. De todos modos, los mejores candidatos siempre querrán aprender unos de otros”.

Ofrecer salarios competitivos

Finalmente, vale la pena señalar que los especialistas tan solicitados como los científicos de datos no son baratos; Glassdoor enumera el salario promedio de un científico de datos en los EE. UU. en $ 139,840 por año.

Después de este largo proceso, asegúrese de no perder a su preciado candidato por una oferta de salario bajo. Recuerde: es probable que él o ella tenga opciones.

Aprenda habilidades de datos para impulsar su carrera, ¡desde casa!

BrainStation ofrece cursos de certificación en vivo en línea en ciencia de datos, análisis de datos, aprendizaje automático y programación en Python. Asista a clases en vivo e interactúe con instructores y compañeros de cualquier parte del mundo.

Hable con un asesor de aprendizaje