Cum să angajezi un Data Scientist

Cu abundența din ce în ce mai mare de date disponibile acum, companiile se concentrează pe analiza datelor - și a apărut o cerere acerbă pentru oamenii de știință ai datelor.

Rolurile cercetătorilor de date au crescut cu 650% din 2012, ceea ce nu este surprinzător având în vedere rentabilitatea investiției. Companiile care înțeleg cum să folosească datele pentru a stimula luarea deciziilor se estimează că vor lua 1,2 trilioane de dolari de la concurenți până în 2020.

Dar există încă un decalaj mare între companiile care utilizează datele în mod eficient și cele care nu le folosesc. Un studiu Forrester din 2016 a constatat că doar 22 la sută dintre firme au fost considerate „Lideri în Perspectivă” – firme care folosesc știința datelor pentru un avantaj competitiv – și că acele companii aveau șanse de două ori mai mari de a ocupa o poziție de lider pe piață.

Pentru a vă alătura celor din fruntea pachetului, va trebui nu doar să angajați un Data Scientist, ci și un Data Scientist potrivit și, având în vedere cererea menționată mai sus pentru serviciile lor, s-ar putea să nu fie atât de ușor. Jeremy Stanley, Chief Data Scientist și EVP Engineering la Sailthru , estimează că doar angajarea poate consuma cu ușurință 20% sau mai mult din timpul unei echipe de Data Science.

Pentru a asigura un proces mai eficient, iată câteva sfaturi despre ce să întrebați și ce să căutați.

Știi ce vrei

Sună simplu, dar este o realitate nefericită faptul că prea multe organizații angajează Data Scientists fără a lua în considerare mai întâi obiectivele lor.

Procesul de angajare ar trebui să reflecte nevoile specifice ale echipei dumneavoastră. Va fi candidatul dvs. principal responsabil pentru crearea de vizualizări și tablouri de bord captivante pentru non-analiști, de proiectarea și dezvoltarea de rețele neuronale profunde și de modele de învățare automată sau de prototiparea aplicațiilor reale?

Angajarea unui Data Scientist ale cărui puncte forte nu se aliniază cu nevoile companiei dvs. nu va funcționa bine pentru niciuna dintre părți. Construirea unei foi de parcurs realiste pentru date înainte de a începe procesul este crucială.

Dezvoltați un proces practic

Intervievarea Data Scientists poate fi un proces dificil, deoarece, așa cum am menționat, candidații dvs. au opțiuni. Stanley de la Sailthru a subliniat că candidații puternici în domeniu pot primi adesea trei sau mai multe oferte, iar ratele de succes la angajare pentru manageri sunt de obicei sub 50%.

Este ceva de luat în considerare în fiecare etapă a procesului de angajare și, deși veți dori să fiți minuțios, este la fel de important să nu speriați potențialii candidați.

Luați în considerare, de exemplu, testul de luat acasă, care este un pas preliminar în procesul de angajare pentru majoritatea organizațiilor. Dacă un candidat este solicitat și este deja urmărit de mai multe alte companii - și probabil este deja angajat în primul rând - atunci el sau ea va avea puține motivații pentru a finaliza o misiune inutil de grea care necesită zile de muncă.

Riley Newman, fost șef de analiză la Airbnb, a spus că compania a prezentat doar o „provocare de bază a datelor” la acest pas al procesului, mai degrabă decât ceva prea solicitant.

„Scopul aici este de a valida capacitatea candidatului de a lucra cu date, așa cum este descris în CV-ul lor”, a scris el . „Le trimitem câteva seturi de date și le punem o întrebare de bază; exercițiul ar trebui să fie ușor pentru oricine are experiență.”

Când candidații sunt în cele din urmă aduși pentru o provocare mai riguroasă, aceasta ar trebui privită nu doar ca o oportunitate de a le testa abilitățile, ci și de a arăta ce face compania dumneavoastră specială. Amintiți-vă: procesul de eliberare funcționează în ambele sensuri.

„Încercăm să fim cât mai transparenți cu privire la (provocarea noastră de date internă) posibil”, a spus Newman. „Poți vedea cum este să lucrezi cu noi și invers. Așa că îl punem pe candidat să stea alături de echipă, să-i oferim acces la datele noastre și o întrebare amplă. Apoi au ziua să atace problema oricum ar fi înclinați, cu sprijinul oamenilor din jurul lor.

„Încurajăm întrebările, luăm prânzul cu ei pentru a scăpa de tensiune și ne verificăm periodic pentru a ne asigura că nu sunt blocați în ceva banal.”

Pune întrebările potrivite

Uneori, managerii de angajare sunt tentați să folosească interviul pentru a detalia până la ultimul detaliu al setului de abilități tehnice ale unui candidat, împingând intervievatul cu întrebări despre o gamă largă de competențe care ar putea să nu fie nici măcar relevante pentru jobul în cauză. E o greșeală. Limitați-vă întrebările la instrumentele pe care le utilizați de fapt, apoi urmăriți prin investigarea modului în care un candidat ar aplica acele instrumente la o anumită problemă.

Pentru a înțelege mai bine cum gândește viitorul dumneavoastră Data Scientist, cereți-i să explice o problemă recentă pe care și-au propus să o rezolve. Întrebați cum au abordat proiectul – și de ce au făcut alegerile pe care le-au făcut – și cum au determinat cum să-și aloce timpul și resursele. În cele din urmă, întrebați ce au învățat din proiect – și ce ar face diferit.

Dincolo de a vă oferi o fereastră în procesul candidatului, acest lucru vă va oferi și o perspectivă asupra dacă posedă sau nu o abilitate soft care poate fi crucială pentru oamenii de știință în date: capacitatea de a povesti.

Când situația necesită o privire mai profundă asupra talentelor tehnice ale candidatului, cercetătorul Jacqueline Nolis recomandă să păstrați întrebările relativ de bază. De exemplu, dacă cercetează cunoștințele de statistică ale unui candidat, ea sugerează să întrebi cum să explice o regresie liniară unui director de afaceri sau dacă persoana intervievată poate enumera câteva modele alternative la o regresie liniară și să explice de ce sunt mai bune sau mai rele.

„Având în vedere un anumit domeniu, pun întrebări doar la nivel introductiv. De exemplu, dacă aș pune o întrebare despre modelele de învățare automată, aș întreba doar despre regresiile liniare și logistice și aș evita să întreb despre subiecte mai avansate, cum ar fi Random Forests sau boosting", a scris ea. „Motivul pentru aceasta este că, dacă înțeleg elementele de bază, ar trebui să poată prelua subiectele avansate la locul de muncă.”

Chiar înainte de a ajunge la acel punct, Nolis sfătuiește să-l întrebe pe candidat mai întâi despre familiaritatea cu subiectul.

„Dacă ei spun că nu au multe, o săriesc”, a spus ea. „Vreau să evit ca candidatul să se simtă copleșit sau frustrat de acest subiect, deoarece asta ar putea pune în pericol restul interviului.”

Atenție la aceste abilități și calificări

Diagrama Venn clasică pentru oamenii de știință în date și-a fixat întotdeauna seturile de abilități ca fiind la legătura dintre afaceri, informatică și matematică. Deși acest lucru este valabil în mare măsură, nu toate rolurile necesită o stăpânire a strategiei, ingineriei și modelării matematice. Deci, încă o dată, cel mai bine este să analizați nevoile specifice ale postului pe care îl ocupați.

Cu toate acestea, abilitățile tehnice generale pe care oamenii de știință în domeniul datelor trebuie să le posede în cea mai mare parte pot fi împărțite în trei categorii:

• Pentru a colecta și stoca date cu baze de date, Excel și limbaje de interogare precum XML și SQL
• Pentru a analiza și modela seturi de date folosind instrumente precum Python, R, Hadoop și Spark
• Pentru a crea vizualizări captivante și perspicace folosind instrumente precum Tableau și PowerBL

Deși este adevărat că nu orice Data Scientist trebuie să posede o stăpânire a tuturor aspectelor rolului, aceste abilități și competențe sunt aproape universal dorite.

De fapt, Michael Li, un Data Scientist care a lucrat la Google și Foursquare, a deplâns că prea mulți dintre oamenii care se numesc Data Scientists sunt cu adevărat „clickers”, confortabili doar cu instrumente de tip point-and-click pentru analiza și vizualizarea datelor.

„Este timpul să angajăm oameni de știință în date care pot codifica cu instrumente mai puternice, cum ar fi R, Python și TensorFlow”, a scris Li . „Și companiile ar trebui să ia în considerare formarea forței de muncă existente în știința datelor și abilități AI pentru a-i învăța pe cei care fac clic pe unele dintre abilitățile de care vor avea nevoie pentru a deveni programatori.”

Totuși, este important să nu treceți cu vederea valoarea abilităților mai puțin tehnice, cum ar fi creativitatea, gândirea critică și simțul în afaceri.

Sara Vera, Data Scientist la Insightly , sugerează că cea mai bună abordare este să angajezi talent pentru Data Science și să-ți trimiți angajații pentru programe de formare suplimentare, după cum este necesar.

„Gândirea analitică și abilitățile de comunicare sunt mai greu de predat decât SQL, Python și R”, a scris ea . „Avantajul suplimentar al formării pentru abilități tehnologice este că creați un mediu în care mentorat este cu adevărat puternic, ceea ce creează o echipă mai coerentă. Oricum, cei mai buni candidați vor dori să învețe mereu unii de la alții.”

Oferiți salarii competitive

În cele din urmă, este de remarcat faptul că specialiștii la fel de solicitați precum Data Scientists nu sunt ieftini; Glassdoor listează salariul mediu Data Scientist în SUA la 139.840 USD pe an.

După acest proces lung, asigurați-vă că nu vă pierdeți prețuitul candidat din cauza unei oferte de salariu redus. Amintiți-vă: probabil că el sau ea are opțiuni.

Învață abilități de date pentru a-ți stimula cariera - de acasă!

BrainStation oferă cursuri online de certificare live în știința datelor, analiza datelor, învățarea automată și programarea python. Participați la cursuri live și interacționați cu instructori și colegi de oriunde în lume.

Discutați cu un consilier de învățare