Come assumere un Data Scientist

Con la crescente abbondanza di dati ora disponibili, le aziende si stanno concentrando sull'analisi dei dati ed è emersa una forte domanda di data scientist.

I ruoli dei data scientist sono aumentati del 650 percento dal 2012, il che non sorprende dato il ROI. Si prevede che le aziende che sanno come utilizzare i dati per guidare il processo decisionale prenderanno 1,2 trilioni di dollari dai loro concorrenti entro il 2020.

Ma esiste ancora un ampio divario tra le aziende che utilizzano i dati in modo efficace e quelle che non lo fanno. Uno studio Forrester del 2016 ha rilevato che solo il 22% delle aziende era considerato "Insights Leaders" - aziende che utilizzano la scienza dei dati per un vantaggio competitivo - e che quelle aziende avevano il doppio delle probabilità di occupare una posizione di leader di mercato.

Per unirti a quelli in testa al gruppo, dovrai assumere non solo un Data Scientist, ma il giusto Data Scientist, e con quella richiesta di cui sopra per i loro servizi, potrebbe non essere così facile. Jeremy Stanley, Chief Data Scientist ed EVP Engineering di Sailthru , stima che l'assunzione da sola può facilmente consumare il 20% o più del tempo di un team di Data Science.

Per garantire un processo più efficiente, ecco alcuni suggerimenti su cosa chiedere e cosa cercare.

Sapere cosa vuoi

Sembra semplice, ma è una sfortunata realtà che troppe organizzazioni assumono Data Scientist senza prima considerare i propri obiettivi.

Il processo di assunzione dovrebbe riflettere le esigenze specifiche della tua squadra. Il tuo candidato sarà principalmente responsabile della creazione di visualizzazioni e dashboard accattivanti per non analisti, della progettazione e dello sviluppo di reti neurali profonde e modelli di apprendimento automatico o della prototipazione di applicazioni reali?

Assumere un Data Scientist i cui punti di forza non sono in linea con le esigenze della tua azienda non funzionerà bene per nessuna delle parti. Costruire una tabella di marcia dei dati realistica prima di iniziare il processo è fondamentale.

Sviluppa un processo pratico

Intervistare i data scientist può essere un processo complicato perché, come accennato, i tuoi candidati hanno delle opzioni. Stanley di Sailthru ha sottolineato che i candidati forti nel campo possono spesso ricevere tre o più offerte e le percentuali di successo delle assunzioni per i manager sono generalmente inferiori al 50%.

Questo è qualcosa da considerare in ogni fase del processo di assunzione e, sebbene tu voglia essere accurato, è altrettanto fondamentale non spaventare i potenziali candidati.

Si consideri, ad esempio, il test da portare a casa che è un passaggio preliminare nel processo di assunzione per la maggior parte delle organizzazioni. Se un candidato è richiesto ed è già potenzialmente perseguito da diverse altre aziende - e probabilmente già impiegato in primo luogo - allora avrà pochi incentivi per completare un incarico inutilmente arduo che richiede giorni di lavoro.

Riley Newman, ex Head of Analytics di Airbnb, ha affermato che la società ha semplicemente presentato una "sfida sui dati di base" in questa fase del processo, piuttosto che qualcosa di troppo impegnativo.

"L'obiettivo qui è convalidare la capacità del candidato di lavorare con i dati, come descritto nel suo curriculum", ha scritto . “Inviamo loro alcuni set di dati e poniamo una domanda di base; l'esercizio dovrebbe essere facile per chiunque abbia esperienza.

Quando alla fine i candidati vengono coinvolti per una sfida più rigorosa, dovrebbe essere vista non solo come un'opportunità per testare le proprie capacità, ma anche per mostrare ciò che rende speciale la tua azienda. Ricorda: il processo di feeling out funziona in entrambi i modi.

"Cerchiamo di essere il più trasparenti possibile sulla (nostra sfida dei dati interni)", ha affermato Newman. “Puoi vedere com'è lavorare con noi e viceversa. Quindi facciamo sedere il candidato con il team, diamo loro l'accesso ai nostri dati e una domanda generale. Poi hanno il giorno per attaccare il problema, comunque siano inclini, con il supporto delle persone che li circondano.

"Incoraggiamo le domande, pranziamo con loro per alleviare la tensione e controlliamo periodicamente per assicurarci che non siano bloccati su qualcosa di banale".

Fai le domande giuste

A volte, i responsabili delle assunzioni sono tentati di utilizzare il colloquio per approfondire ogni minimo dettaglio delle competenze tecniche di un candidato, sbarrando il loro intervistato con domande su un'ampia gamma di competenze che potrebbero non essere nemmeno rilevanti per il lavoro a portata di mano. È un errore. Limita le tue domande agli strumenti che utilizzi effettivamente, quindi prosegui indagando su come un candidato applicherebbe tali strumenti a un problema specifico.

Per avere un'idea migliore di come pensa il tuo potenziale scienziato dei dati, chiedi loro di spiegare un problema recente che hanno deciso di risolvere. Chiedi come si sono avvicinati al progetto e perché hanno fatto le scelte che hanno fatto e come hanno deciso come allocare il loro tempo e le loro risorse. Infine, chiedi cosa hanno imparato dal progetto e cosa farebbero di diverso.

Oltre a darti una finestra sul processo del candidato, questo ti darà anche un'idea del fatto che possiedano o meno una soft skill che può essere cruciale per i data scientist: l'abilità di narrazione.

Quando la situazione richiede uno sguardo più approfondito all'abilità tecnica del candidato, la data scientist Jacqueline Nolis consiglia di mantenere le domande relativamente basilari. Ad esempio, se esamina la conoscenza statistica di un candidato, suggerisce di chiedere come spiegare una regressione lineare a un dirigente aziendale, o se l'intervistato può elencare alcuni modelli alternativi a una regressione lineare e spiegare perché sono migliori o peggiori.

“Data un'area particolare, faccio domande solo a livello introduttivo. Ad esempio, se facessi una domanda sui modelli di apprendimento automatico, chiederei solo delle regressioni lineari e logistiche ed eviterei di fare domande su argomenti più avanzati come le foreste casuali o il potenziamento", ha scritto. "Il motivo è che se capiscono le basi, dovrebbero essere in grado di raccogliere gli argomenti avanzati sul lavoro".

Ancor prima di arrivare a quel punto, Nolis consiglia di chiedere prima al candidato la sua dimestichezza con l'argomento.

"Se dicono che non hanno molto, lo salto", ha detto. "Voglio evitare che il candidato si senta sopraffatto o frustrato da quell'argomento, poiché ciò potrebbe mettere a repentaglio il resto del colloquio".

Cerca queste abilità e qualifiche

Il classico diagramma di Venn per i data scientist ha sempre ritenuto che le loro competenze si trovassero al nesso tra business, informatica e matematica. Sebbene ciò sia in gran parte vero, non tutti i ruoli richiedono una padronanza della strategia, dell'ingegneria e della modellazione matematica. Quindi, ancora una volta, è meglio approfondire le esigenze specifiche della posizione che stai occupando.

Tuttavia, le competenze tecniche generali che i data scientist devono possedere principalmente possono essere suddivise in tre categorie:

• Per raccogliere e archiviare dati con database, Excel e linguaggi di query come XML e SQL
• Per analizzare e modellare set di dati utilizzando strumenti come Python, R, Hadoop e Spark
• Per creare visualizzazioni accattivanti e approfondite utilizzando strumenti tra cui Tableau e PowerBL

Sebbene sia vero che non tutti i data scientist devono possedere una padronanza di tutti gli aspetti del ruolo, queste abilità e competenze sono quasi universalmente desiderate.

In effetti, Michael Li, un Data Scientist che ha lavorato presso Google e Foursquare, si è lamentato del fatto che troppe persone che si definiscono Data Scientist sono davvero "clicker", a proprio agio solo con strumenti point-and-click per l'analisi e la visualizzazione dei dati.

"È ora di assumere Data Scientist in grado di programmare con strumenti più potenti, come R, Python e TensorFlow", ha scritto Li . "E le aziende dovrebbero prendere in considerazione la formazione della propria forza lavoro esistente in data science e competenze di intelligenza artificiale per insegnare ai clicker alcune delle competenze di cui avranno bisogno per diventare programmatori".

Tuttavia, è importante non trascurare il valore di competenze meno tecniche come la creatività, il pensiero critico e il senso degli affari.

Sara Vera, Data Scientist presso Insightly , suggerisce che l'approccio migliore è assumere talenti di Data Science e inviare i dipendenti a programmi di formazione aggiuntivi, se necessario.

"Il pensiero analitico e le capacità di comunicazione sono più difficili da insegnare rispetto a SQL, Python e R", ha scritto . "Il vantaggio aggiuntivo della formazione per le competenze tecnologiche è che crei un ambiente in cui il tutoraggio è davvero forte, il che crea un team più coeso. I migliori candidati vorranno comunque imparare sempre gli uni dagli altri”.

Offri stipendi competitivi

Infine, vale la pena notare che specialisti tanto richiesti quanto i data scientist non costano poco; Glassdoor elenca lo stipendio medio dei Data Scientist negli Stati Uniti a $ 139.840 all'anno.

Dopo questo lungo processo, assicurati di non perdere il tuo prezioso candidato per un'offerta di stipendio bassa. Ricorda: probabilmente ha delle opzioni.

Impara le competenze sui dati per migliorare la tua carriera, da casa!

BrainStation offre corsi di certificazione in tempo reale online in scienza dei dati, analisi dei dati, apprendimento automatico e programmazione python. Partecipa a lezioni dal vivo e interagisci con istruttori e colleghi da qualsiasi parte del mondo.

Parla con un consulente per l'apprendimento