Cara Mempekerjakan Ilmuwan Data

Dengan semakin banyaknya data yang tersedia sekarang, perusahaan berfokus pada analisis data – dan permintaan yang kuat untuk Ilmuwan Data telah muncul.

Peran Ilmuwan Data telah meningkat sebesar 650 persen sejak 2012, yang tidak mengejutkan mengingat ROI. Bisnis yang memahami cara menggunakan data untuk mendorong pengambilan keputusan diperkirakan akan mengambil $1,2 triliun dari pesaing mereka pada tahun 2020.

Namun masih ada kesenjangan yang lebar antara perusahaan yang menggunakan data secara efektif dan yang tidak. Sebuah studi Forrester 2016 menemukan bahwa hanya 22 persen perusahaan yang dianggap sebagai “Pemimpin Wawasan” – perusahaan yang menggunakan ilmu data untuk keunggulan kompetitif – dan bahwa perusahaan-perusahaan itu dua kali lebih mungkin untuk berdiri di posisi terdepan di pasar.

Untuk bergabung dengan mereka yang terdepan, Anda tidak hanya perlu menyewa seorang Data Scientist tetapi juga seorang Data Scientist yang tepat , dan dengan permintaan yang disebutkan di atas untuk layanan mereka, mungkin tidak semudah itu. Jeremy Stanley, Kepala Ilmuwan Data dan Teknik EVP di Sailthru , memperkirakan bahwa mempekerjakan seorang diri dapat dengan mudah menghabiskan 20 persen atau lebih waktu tim Ilmu Data.

Untuk memastikan proses yang lebih efisien, berikut adalah beberapa tip tentang apa yang harus ditanyakan, dan apa yang harus dicari.

Tahu Apa yang Anda Inginkan

Kedengarannya sederhana, tetapi merupakan kenyataan yang disayangkan bahwa terlalu banyak organisasi mempekerjakan Ilmuwan Data tanpa terlebih dahulu mempertimbangkan tujuan mereka.

Proses perekrutan harus mencerminkan kebutuhan spesifik tim Anda. Akankah kandidat Anda pada prinsipnya bertanggung jawab untuk membuat visualisasi dan dasbor yang menarik bagi non-analis, merancang dan mengembangkan jaringan saraf dalam dan model pembelajaran mesin, atau membuat prototipe aplikasi nyata?

Mempekerjakan Ilmuwan Data yang kekuatannya tidak sesuai dengan kebutuhan perusahaan Anda tidak akan berhasil baik untuk salah satu pihak. Membangun peta jalan data yang realistis sebelum memulai proses sangat penting.

Kembangkan Proses Praktis

Mewawancarai Ilmuwan Data bisa menjadi proses yang rumit karena, seperti yang kami sebutkan, kandidat Anda memiliki pilihan. Stanley dari Sailthru menunjukkan bahwa kandidat kuat di lapangan sering kali dapat menerima tiga tawaran atau lebih, dan tingkat keberhasilan perekrutan manajer biasanya di bawah 50 persen.

Itu adalah sesuatu yang perlu dipertimbangkan pada setiap tahap proses perekrutan, dan meskipun Anda ingin teliti, sama pentingnya untuk tidak menakut-nakuti calon potensial.

Pertimbangkan, misalnya, tes dibawa pulang yang merupakan langkah awal dalam proses perekrutan untuk sebagian besar organisasi. Jika seorang kandidat sedang diminati dan sudah berpotensi dikejar oleh beberapa perusahaan lain – dan kemungkinan besar sudah dipekerjakan di tempat pertama – maka dia akan memiliki sedikit insentif untuk menyelesaikan tugas sulit yang tidak perlu yang membutuhkan hari kerja.

Riley Newman, mantan Kepala Analisis di Airbnb, mengatakan bahwa perusahaan hanya mengajukan "tantangan data dasar" pada langkah ini dalam proses, daripada sesuatu yang terlalu menuntut.

“Tujuannya di sini adalah untuk memvalidasi kemampuan kandidat untuk bekerja dengan data, seperti yang dijelaskan dalam resume mereka,” tulisnya . “Kami mengirim beberapa kumpulan data kepada mereka dan mengajukan pertanyaan dasar; latihannya harus mudah bagi siapa saja yang memiliki pengalaman.”

Ketika kandidat akhirnya dibawa ke tantangan yang lebih ketat, itu harus dilihat tidak hanya sebagai kesempatan untuk menguji keterampilan mereka, tetapi juga untuk menunjukkan apa yang membuat perusahaan Anda istimewa. Ingat: proses perasaan keluar bekerja dua arah.

“Kami berusaha setransparan mungkin (tantangan data internal kami),” kata Newman. “Anda bisa melihat bagaimana rasanya bekerja dengan kami dan sebaliknya. Jadi kami meminta kandidat duduk bersama tim, memberi mereka akses ke data kami, dan pertanyaan luas. Kemudian mereka memiliki waktu untuk mengatasi masalah bagaimanapun mereka cenderung, dengan dukungan dari orang-orang di sekitar mereka.

“Kami mendorong pertanyaan, makan siang bersama mereka untuk meredakan ketegangan, dan check-in secara berkala untuk memastikan mereka tidak terjebak pada sesuatu yang sepele.”

Ajukan Pertanyaan yang Tepat

Kadang-kadang, Manajer Perekrutan tergoda untuk menggunakan wawancara untuk menelusuri setiap detail terakhir dari keahlian teknis kandidat, membentak orang yang diwawancarai dengan pertanyaan tentang beragam kompetensi yang bahkan mungkin tidak relevan dengan pekerjaan yang ada. Itu kesalahan. Batasi pertanyaan Anda pada alat yang benar-benar Anda gunakan, lalu tindak lanjuti dengan menyelidiki bagaimana seorang kandidat akan menerapkan alat tersebut pada masalah tertentu.

Untuk mendapatkan pemahaman yang lebih baik tentang bagaimana calon Ilmuwan Data Anda berpikir, minta mereka untuk menjelaskan masalah baru-baru ini yang ingin mereka pecahkan. Tanyakan bagaimana mereka mendekati proyek – dan mengapa mereka membuat pilihan yang mereka lakukan – dan bagaimana mereka menentukan bagaimana mengalokasikan waktu dan sumber daya mereka. Terakhir, tanyakan apa yang mereka pelajari dari proyek – dan apa yang akan mereka lakukan secara berbeda.

Selain memberi Anda gambaran tentang proses kandidat, ini juga akan memberi Anda wawasan tentang apakah mereka memiliki soft skill yang penting bagi Ilmuwan Data: kemampuan bercerita.

Ketika situasi menuntut untuk melihat lebih dalam pada kecakapan teknis kandidat, Ilmuwan Data Jacqueline Nolis merekomendasikan agar pertanyaan tetap relatif mendasar. Misalnya, jika menyelidiki pengetahuan seorang kandidat tentang statistik, dia menyarankan untuk menanyakan bagaimana menjelaskan regresi linier kepada seorang eksekutif bisnis, atau jika orang yang diwawancarai dapat membuat daftar beberapa model alternatif untuk regresi linier dan menjelaskan mengapa model tersebut lebih baik atau lebih buruk.

“Mengingat area tertentu, saya hanya mengajukan pertanyaan pada tingkat pengantar. Misalnya, jika mengajukan pertanyaan tentang model pembelajaran mesin, saya hanya akan bertanya tentang regresi linier dan logistik dan menghindari bertanya tentang topik yang lebih maju seperti Hutan Acak atau peningkatan, ”tulisnya. “Alasannya adalah jika mereka memahami dasar-dasarnya, mereka seharusnya dapat mengambil topik lanjutan dalam pekerjaan.”

Bahkan sebelum sampai ke titik itu, Nolis menyarankan untuk bertanya terlebih dahulu kepada kandidat tentang keakraban mereka dengan topik tersebut.

“Kalau mereka bilang mereka tidak punya banyak, saya lewatkan saja,” katanya. “Saya ingin menghindari kandidat merasa kewalahan atau frustrasi dengan topik itu, karena itu dapat membahayakan sisa wawancara.”

Carilah Keterampilan dan Kualifikasi Ini

Diagram Venn klasik untuk Ilmuwan Data selalu mematok keahlian mereka sebagai duduk di perhubungan bisnis, ilmu komputer, dan matematika. Sementara itu sebagian besar benar, tidak semua peran menuntut penguasaan strategi, teknik, dan pemodelan matematika. Jadi sekali lagi, yang terbaik adalah menelusuri kebutuhan spesifik dari posisi yang Anda isi.

Namun, keterampilan teknis umum yang sebagian besar perlu dimiliki Ilmuwan Data dapat dibagi menjadi tiga kategori:

• Untuk mengumpulkan dan menyimpan data dengan database, Excel, dan bahasa kueri seperti XML dan SQL
• Untuk menganalisis dan memodelkan kumpulan data menggunakan alat seperti Python, R, Hadoop, dan Spark
• Untuk membuat visualisasi yang menarik dan berwawasan luas menggunakan alat termasuk Tableau dan PowerBL

Meskipun benar bahwa tidak setiap Data Scientist harus menguasai semua aspek peran, keterampilan dan kompetensi ini hampir diinginkan secara universal.

Faktanya, Michael Li, seorang Ilmuwan Data yang pernah bekerja di Google dan Foursquare, menyesalkan bahwa terlalu banyak orang yang menyebut diri mereka Ilmuwan Data benar-benar "mengklik," hanya nyaman dengan alat titik-dan-klik untuk analisis dan visualisasi data.

“Saatnya merekrut Ilmuwan Data yang dapat membuat kode dengan alat yang lebih canggih, seperti R, Python, dan TensorFlow,” tulis Li . “Dan perusahaan harus mempertimbangkan untuk melatih tenaga kerja mereka yang ada dalam ilmu data dan keterampilan AI untuk mengajari clickers beberapa keterampilan yang mereka perlukan untuk menjadi pembuat kode.”

Namun, penting untuk tidak mengabaikan nilai keterampilan yang kurang teknis seperti kreativitas, pemikiran kritis, dan naluri bisnis.

Sara Vera, Ilmuwan Data di Insightly , menyarankan bahwa pendekatan terbaik adalah merekrut bakat Ilmu Data dan mengirim karyawan Anda untuk program pelatihan tambahan sesuai kebutuhan.

“Keterampilan berpikir analitis dan komunikasi lebih sulit untuk diajarkan daripada SQL, Python, dan R,” tulisnya . “Manfaat tambahan dari pelatihan keterampilan teknologi adalah Anda menciptakan lingkungan di mana bimbingan benar-benar kuat, yang menciptakan tim yang lebih kohesif. Kandidat terbaik akan selalu ingin saling belajar.”

Tawarkan Gaji Kompetitif

Terakhir, perlu dicatat bahwa spesialis yang sangat dibutuhkan seperti Ilmuwan Data tidak murah; Glassdoor mencantumkan gaji rata-rata Data Scientist di AS sebesar $139.840 per tahun.

Setelah proses yang panjang ini, pastikan untuk tidak kehilangan kandidat Anda yang berharga karena tawaran gaji yang rendah. Ingat: dia mungkin memiliki pilihan.

Pelajari keterampilan data untuk meningkatkan karier Anda – dari rumah!

BrainStation menawarkan Kursus Sertifikat Langsung Online dalam ilmu data, analisis data, pembelajaran mesin, dan pemrograman python. Menghadiri kelas langsung dan berinteraksi dengan Instruktur dan rekan-rekan dari mana saja di dunia.

Bicaralah dengan Penasihat Pembelajaran