Как нанять специалиста по данным

В связи с постоянно растущим обилием доступных данных компании сосредотачиваются на анализе данных, и возникла острая потребность в специалистах по данным.

Количество должностей специалистов по данным увеличилось на 650% с 2012 года, что неудивительно, учитывая рентабельность инвестиций. По прогнозам , к 2020 году компании , которые понимают, как использовать данные для принятия решений, получат от своих конкурентов 1,2 триллиона долларов.

Но по-прежнему существует большой разрыв между компаниями, эффективно использующими данные, и теми, кто этого не делает. Исследование Forrester, проведенное в 2016 году , показало, что только 22% фирм считались «лидерами аналитики» — фирмами, которые используют науку о данных для получения конкурентного преимущества, — и что эти компании в два раза чаще занимали лидирующие позиции на рынке.

Чтобы присоединиться к тем, кто находится в первых рядах, вам нужно будет не просто нанять Data Scientist, но и подходящего Data Scientist, а с учетом вышеупомянутого спроса на их услуги это может быть не так просто. Джереми Стэнли, главный специалист по данным и исполнительный вице-президент по инженерным вопросам в Sailthru , считает , что только найм может легко занять 20 и более процентов времени команды специалистов по обработке и анализу данных.

Чтобы обеспечить более эффективный процесс, вот несколько советов о том, что спрашивать и на что обращать внимание.

Знай, чего хочешь

Звучит просто, но к сожалению, слишком много организаций нанимают специалистов по данным, не задумываясь о своих целях.

Процесс найма должен отражать конкретные потребности вашей команды. Будет ли ваш кандидат нести основную ответственность за создание привлекательных визуализаций и информационных панелей для неаналитиков, проектирование и разработку глубоких нейронных сетей и моделей машинного обучения или прототипирование реальных приложений?

Наем Data Scientist, чьи сильные стороны не соответствуют потребностям вашей компании, не подойдет ни для одной из сторон. Создание реалистичной дорожной карты данных перед началом процесса имеет решающее значение.

Разработайте практический процесс

Собеседование с учеными данных может быть сложным процессом, потому что, как мы уже упоминали, у ваших кандидатов есть варианты. Стэнли из Sailthru отметил, что сильные кандидаты в этой области часто могут получить три или более предложений, а показатели успешного найма менеджеров обычно ниже 50 процентов.

Это то, что следует учитывать на каждом этапе процесса найма, и хотя вы захотите быть тщательным, также важно не отпугнуть потенциальных кандидатов.

Возьмем, к примеру, домашнее тестирование, которое в большинстве организаций является предварительным этапом процесса найма. Если кандидат пользуется спросом и его уже потенциально рассматривают несколько других компаний — и, вероятно, он уже нанят в первую очередь — тогда у него или у нее будет мало стимулов для выполнения излишне трудоемкого задания, требующего многодневной работы.

Райли Ньюман, бывший руководитель отдела аналитики Airbnb, сказал, что на этом этапе процесса компания просто поставила перед собой «основную проблему с данными», а не предъявляла слишком высоких требований.

«Цель здесь — подтвердить способность кандидата работать с данными, как описано в его резюме», — написал он . «Мы отправляем им несколько наборов данных и задаем простой вопрос; упражнение должно быть легким для любого, у кого есть опыт».

Когда кандидаты, в конце концов, подвергаются более серьезному испытанию, это следует рассматривать не только как возможность проверить свои навыки, но и показать, что делает вашу компанию особенной. Помните: процесс прощупывания работает в обоих направлениях.

«Мы стараемся быть максимально прозрачными в отношении (нашей внутренней проблемы с данными)», — сказал Ньюман. «Вы можете увидеть, каково это работать с нами, и наоборот. Итак, у нас есть кандидат, который сидит с командой, дает им доступ к нашим данным и задает общий вопрос. Затем у них есть день, чтобы решить проблему, как бы они ни были склонны, при поддержке окружающих.

«Мы поощряем вопросы, обедаем с ними, чтобы снять напряжение, и периодически проверяем, чтобы убедиться, что они не застряли на чем-то тривиальном».

Задавайте правильные вопросы

Иногда у менеджеров по найму возникает искушение использовать собеседование, чтобы углубиться в каждую деталь набора технических навыков кандидата, засыпая собеседника вопросами о широком спектре компетенций, которые могут даже не иметь отношения к выполняемой работе. Это ошибка. Ограничьте свои вопросы инструментами, которые вы действительно используете, а затем исследуйте, как кандидат применит эти инструменты к конкретной проблеме.

Чтобы лучше понять, как думает ваш потенциальный специалист по данным, попросите его объяснить недавнюю проблему, которую он намеревался решить. Спросите, как они подошли к проекту — и почему они сделали тот выбор, который сделали — и как они определили, как распределить свое время и ресурсы. Наконец, спросите, чему они научились в ходе проекта и что бы они сделали по-другому.

Помимо того, что вы получите окно в процесс кандидата, это также даст вам представление о том, обладает ли он навыком межличностного общения, который может иметь решающее значение для специалистов по данным: умением рассказывать истории.

Когда ситуация требует более глубокого изучения технического мастерства кандидата, специалист по данным Жаклин Нолис рекомендует задавать относительно простые вопросы. Например, при проверке знаний кандидата по статистике она предлагает спросить руководителя, как объяснить линейную регрессию, или может ли интервьюируемый перечислить некоторые модели, альтернативные линейной регрессии, и объяснить, почему они лучше или хуже.

«Учитывая конкретную область, я задаю вопросы только на вводном уровне. Например, если бы я задавал вопрос о моделях машинного обучения, я бы спрашивал только о линейной и логистической регрессиях и избегал задавать более сложные темы, такие как случайные леса или бустинг», — написала она. «Причина этого в том, что если они понимают основы, они должны быть в состоянии изучить сложные темы на работе».

Еще до того, как перейти к этому вопросу, Нолис советует сначала спросить кандидата о его знакомстве с темой.

«Если они говорят, что у них мало денег, я пропускаю это», — сказала она. «Я хочу, чтобы кандидат не чувствовал себя подавленным или разочарованным этой темой, так как это может поставить под угрозу оставшуюся часть собеседования».

Обратите внимание на эти навыки и качества

Классическая диаграмма Венна для специалистов по обработке и анализу данных всегда определяла набор их навыков как связующее звено между бизнесом, информатикой и математикой. Хотя это в значительной степени верно, не все роли требуют мастерства в области стратегии, инженерии и математического моделирования. Так что еще раз, лучше углубиться в конкретные потребности позиции, которую вы заполняете.

Тем не менее, общие технические навыки, которыми в основном должны обладать специалисты по данным, можно разделить на три категории:

• Для сбора и хранения данных с помощью баз данных, Excel и языков запросов, таких как XML и SQL.
• Анализировать и моделировать наборы данных с помощью таких инструментов, как Python, R, Hadoop и Spark.
• Для создания привлекательных и проницательных визуализаций с использованием таких инструментов, как Tableau и PowerBL.

Хотя это правда, что не каждый Data Scientist должен обладать мастерством во всех аспектах своей роли, эти навыки и компетенции желательны почти повсеместно.

На самом деле, Майкл Ли, специалист по данным, работавший в Google и Foursquare, сетовал на то, что слишком много людей, называющих себя специалистами по данным, на самом деле являются «кликерами», которым удобно работать только с инструментами типа «укажи и щелкни» для анализа и визуализации данных.

«Пришло время нанять специалистов по данным, которые могут кодировать с помощью более мощных инструментов, таких как R, Python и TensorFlow», — написал Ли . «И компаниям следует подумать об обучении своих существующих сотрудников навыкам обработки данных и искусственного интеллекта, чтобы научить кликеров некоторым навыкам, которые им понадобятся, чтобы стать программистами».

Тем не менее, важно не упускать из виду ценность менее технических навыков, таких как креативность, критическое мышление и деловое чутье.

Сара Вера, специалист по данным в Insightly , полагает, что лучший подход — нанимать специалистов по Data Science и при необходимости отправлять своих сотрудников на дополнительные программы обучения.

«Аналитическому мышлению и коммуникативным навыкам труднее научить, чем SQL, Python и R», — написала она . «Дополнительное преимущество обучения техническим навыкам заключается в том, что вы создаете среду, в которой наставничество действительно сильное, что создает более сплоченную команду. В любом случае лучшие кандидаты всегда будут хотеть учиться друг у друга».

Предлагайте конкурентоспособную заработную плату

Наконец, стоит отметить, что такие востребованные специалисты, как специалисты по данным, не дешевы; По данным Glassdoor, средняя зарплата специалиста по данным в США составляет 139 840 долларов в год.

После этого долгого процесса постарайтесь не потерять своего ценного кандидата из-за предложения низкой зарплаты. Помните: у него или нее, вероятно, есть варианты.

Изучите навыки работы с данными, чтобы повысить свою карьеру, не выходя из дома!

BrainStation предлагает онлайн-курсы с сертификацией в режиме реального времени по науке о данных, анализу данных, машинному обучению и программированию на Python. Посещайте живые занятия и общайтесь с инструкторами и сверстниками из любой точки мира.

Поговорите с консультантом по обучению