データサイエンティストを雇う方法

公開: 2022-04-28

利用できるデータの量が増え続ける中、企業はデータ分析に焦点を合わせています。そして、データサイエンティストに対する激しい需要が生まれています。

データサイエンティストの役割は2012年から650％増加しましたが、ROIを考えると驚くことではありません。データを使用して意思決定を推進する方法を理解している企業は、2020年までに競合他社から1.2兆ドルを奪うと予測されています。

しかし、データを効果的に使用している企業とそうでない企業の間には、依然として大きなギャップがあります。 2016年のForresterの調査によると、「インサイトリーダー」と見なされた企業はわずか22％であり、競争上の優位性のためにデータサイエンスを使用している企業であり、これらの企業は市場をリードする立場に立つ可能性が2倍高いことがわかりました。

パックの最前線にいる人々に加わるには、データサイエンティストを雇うだけでなく、適切なデータサイエンティストを雇う必要があります。前述のサービスに対する需要があるため、それほど簡単ではないかもしれません。 Sailthruのチーフデータサイエンティスト兼EVPエンジニアリングであるJeremyStanleyは、採用だけでデータサイエンスチームの時間の20％以上を簡単に消費できると見積もっています。

より効率的なプロセスを確実にするために、ここに何を尋ね、何を探すべきかについてのいくつかのヒントがあります。

あなたが欲しいものを知っている

単純に聞こえますが、多くの組織が最初に目標を考慮せずにデータサイエンティストを採用しているのは残念な現実です。

採用プロセスは、チームの特定のニーズを反映する必要があります。候補者は、非アナリスト向けの魅力的な視覚化とダッシュボードの作成、ディープニューラルネットワークと機械学習モデルの設計と開発、または実際のアプリケーションのプロトタイピングを主に担当しますか？

自分の強みが会社のニーズと一致しないデータサイエンティストを雇うことは、どちらの当事者にとってもうまくいきません。プロセスを開始する前に、現実的なデータロードマップを作成することが重要です。

実用的なプロセスを開発する

前述したように、候補者には選択肢があるため、データサイエンティストへのインタビューは難しいプロセスになる可能性があります。 SailthruのStanleyは、この分野の有力な候補者は3つ以上のオファーを受け取ることが多く、マネージャーの採用成功率は通常50％未満であると指摘しました。

これは採用プロセスのすべての段階で考慮すべきことであり、徹底したいと思うかもしれませんが、潜在的な候補者を怖がらせないことも同様に重要です。

たとえば、ほとんどの組織の採用プロセスの準備段階である持ち帰りテストについて考えてみます。候補者が需要があり、すでに他のいくつかの企業に追われている可能性があり、そもそもすでに雇用されている可能性がある場合、その候補者は、何日もの作業を必要とする不必要に骨の折れる仕事を完了するインセンティブがほとんどありません。

Airbnbの元分析責任者であるRileyNewman氏は、同社はプロセスのこの段階で、要求が厳しすぎるというよりも、単に「基本的なデータの課題」を提示しただけだと述べました。

「ここでの目標は、履歴書に記載されているように、候補者がデータを操作する能力を検証することです」と彼は書いています。「私たちはいくつかのデータセットを彼らに送り、基本的な質問をします。経験のある人なら誰でも簡単に運動できるはずです。」

最終的に候補者がより厳しい挑戦に持ち込まれるとき、それは彼らのスキルをテストする機会としてだけでなく、あなたの会社が特別である理由を示すためにも見られるべきです。覚えておいてください：フィーリングアウトプロセスは両方の方法で機能します。

「私たちは（社内のデータの課題について）可能な限り透明性を保つように努めています」とニューマン氏は述べています。「私たちと一緒に仕事をしている様子を見ることができます。逆もまた同様です。そのため、候補者にチームと一緒に座ってもらい、データへのアクセスと幅広い質問を提供します。それから彼らは周りの人々の支援を得て、彼らが傾いているにもかかわらず問題を攻撃する日があります。

「私たちは質問を奨励し、緊張を和らげるために彼らと一緒に昼食をとり、定期的にチェックインして、彼らが些細なことに固執していないことを確認します。」

適切な質問をする

採用担当マネージャーは、面接を使用して候補者の技術スキルセットの最後の詳細をすべて掘り下げ、面接対象者に、目前の仕事にさえ関係しない可能性のある幅広い能力についての質問を投げかけたくなることがあります。それは間違いです。質問を実際に使用するツールに限定してから、候補者がそれらのツールを特定の問題にどのように適用するかを調査してフォローアップします。

将来のデータサイエンティストがどのように考えているかをよりよく理解するために、彼らが解決しようとしている最近の問題を説明するように依頼してください。彼らがプロジェクトにどのようにアプローチしたか、そしてなぜ彼らが選択したのか、そしてどのように時間とリソースを割り当てるかを決定したのかを尋ねます。最後に、彼らがプロジェクトから何を学んだか、そして彼らが違ったやり方で何をするかを尋ねます。

候補者のプロセスを知るだけでなく、データサイエンティストにとって重要な、ストーリーテリング能力というソフトスキルを持っているかどうかについての洞察も得られます。

状況が候補者の技術力をより深く調べる必要がある場合、データサイエンティストのジャクリーンノリスは、質問を比較的基本的なものに保つことをお勧めします。たとえば、候補者の統計に関する知識を調査する場合、彼女は、線形回帰を経営幹部に説明する方法を尋ねたり、インタビュー対象者が線形回帰の代替モデルをリストして、なぜそれらが良いか悪いかを説明できるかどうかを尋ねることを提案します。

「特定の分野を考えると、私は入門レベルでのみ質問をします。たとえば、機械学習モデルについて質問する場合、線形回帰とロジスティック回帰についてのみ質問し、ランダムフォレストやブースティングなどのより高度なトピックについて質問することは避けます」と彼女は書いています。「この理由は、彼らが基本を理解していれば、仕事の高度なトピックを理解できるはずだからです。」

その点に到達する前でさえ、ノリスは最初に候補者にそのトピックに精通していることについて尋ねることを勧めます。

「彼らがあまり持っていないと言うなら、私はそれをスキップします」と彼女は言いました。「面接の残りの部分を危険にさらす可能性があるため、候補者がそのトピックに圧倒されたりイライラしたりすることを避けたいと思います。」

これらのスキルと資格に注意してください

データサイエンティスト向けの古典的なベン図は、常にビジネス、コンピューターサイエンス、数学の結びつきにあるスキルセットを釘付けにしてきました。それはおおむね当てはまりますが、すべての役割が戦略、エンジニアリング、および数学的モデリングの習得を要求するわけではありません。繰り返しになりますが、埋めるポジションの特定のニーズにドリルダウンするのが最善です。

それでも、データサイエンティストが主に持つ必要のある一般的な技術スキルは、次の3つのカテゴリに分類できます。

データベース、Excel、およびXMLやSQLなどのクエリ言語を使用してデータを収集および保存するため
Python、R、Hadoop、Sparkなどのツールを使用してデータセットを分析およびモデル化する
TableauやPowerBLなどのツールを使用して、魅力的で洞察に満ちた視覚化を作成する

すべてのデータサイエンティストが役割のすべての側面を習得する必要があるわけではないことは事実ですが、これらのスキルと能力はほぼ普遍的に望まれています。

実際、GoogleとFoursquareで働いたデータサイエンティストのMichael Liは、データサイエンティストと自称する人の多くが本当に「クリッカー」であり、データ分析と視覚化のためのポイントアンドクリックツールにしか慣れていないことを嘆きました。

「R、Python、TensorFlowなどのより強力なツールでコーディングできるデータサイエンティストを雇う時が来ました」とLiは書いています。「そして企業は、クリッカーにコーダーになるために必要なスキルのいくつかを教えるために、データサイエンスとAIスキルの既存の従業員をトレーニングすることを検討する必要があります。」

それでも、創造性、批判的思考、ビジネスセンスなどの技術的スキルの価値を見落とさないことが重要です。

InsightlyのデータサイエンティストであるSaraVeraは、データサイエンスの人材を採用し、必要に応じて従業員を追加のトレーニングプログラムに派遣することが最善のアプローチであると提案しています。

「分析的思考とコミュニケーションのスキルは、SQL、Python、Rよりも教えるのが難しいです」と彼女は書いています。「技術スキルのトレーニングの追加の利点は、メンターシップが非常に強力な環境を作成できることです。これにより、よりまとまりのあるチームが作成されます。とにかく、最高の候補者は常にお互いから学びたいと思うでしょう。」

競争力のある給与を提供する

最後に、データサイエンティストのように需要の高いスペシャリストは安くはないことに注意してください。 Glassdoorは、米国のデータサイエンティストの平均給与を年間139,840ドルとしています。

この長いプロセスの後、低額の給与オファーであなたの大切な候補者を失くさないようにしてください。覚えておいてください：彼または彼女にはおそらく選択肢があります。

自宅からキャリアを伸ばすためのデータスキルを学びましょう！

BrainStationは、データサイエンス、データ分析、機械学習、Pythonプログラミングのオンラインライブ証明書コースを提供しています。ライブクラスに参加し、世界中のどこからでもインストラクターや仲間と交流できます。

ラーニングアドバイザーに相談する