如何聘请数据科学家

已发表: 2022-04-28

随着现在可用的数据越来越丰富，公司正专注于数据分析——对数据科学家的强烈需求已经出现。

自 2012 年以来，数据科学家的职位增加了 650%，考虑到投资回报率，这并不奇怪。预计到 2020 年，了解如何使用数据来推动决策的企业将从竞争对手那里获得 1.2 万亿美元。

但是，有效使用数据的公司与未有效使用数据的公司之间仍然存在很大差距。 Forrester 2016 年的一项研究发现，只有 22% 的公司被认为是“洞察力领导者”——利用数据科学获得竞争优势的公司——而这些公司处于市场领先地位的可能性是其两倍。

要加入最前沿的行列，您不仅需要聘请数据科学家，还需要聘请合适的数据科学家，并且鉴于上述对他们服务的需求，这可能并不那么容易。 Sailthru首席数据科学家兼工程执行副总裁 Jeremy Stanley估计，仅招聘一项就很容易消耗数据科学团队 20% 或更多的时间。

为了确保更有效的流程，这里有一些关于要问什么以及要寻找什么的提示。

知道你想要什么

这听起来很简单，但不幸的是，太多的组织在没有首先考虑他们的目标的情况下雇佣数据科学家。

招聘过程应反映您团队的具体需求。您的候选人是否主要负责为非分析人员创建引人入胜的可视化和仪表板、设计和开发深度神经网络和机器学习模型，或者为实际应用程序制作原型？

雇用一个优势与公司需求不相符的数据科学家对任何一方都不利。在开始这个过程之前建立一个现实的数据路线图是至关重要的。

面试数据科学家可能是一个棘手的过程，因为正如我们所提到的，您的候选人有选择权。 Sailthru 的斯坦利指出，该领域的优秀候选人通常可以获得三个或更多的报价，而经理的招聘成功率通常低于 50%。

这是在招聘过程的每个阶段都需要考虑的事情，虽然你会想要彻底，但同样重要的是不要吓跑潜在的候选人。

例如，考虑一下带回家的测试，它是大多数组织招聘过程中的初步步骤。如果候选人有需求并且已经被其他几家公司潜在地追求——并且可能首先已经被雇用——那么他或她将没有动力完成一项需要数天工作的不必要的艰巨任务。

Airbnb 前分析主管 Riley Newman 表示，该公司只是在流程的这一步提出了“基本数据挑战”，而不是任何太苛刻的要求。

“这里的目标是验证候选人处理数据的能力，如简历中所述，”他写道。 “我们向他们发送了一些数据集并提出了一个基本问题；对于任何有经验的人来说，这个练习应该很容易。”

当候选人最终接受更严格的挑战时，不仅应将其视为测试其技能的机会，还应将其视为展示贵公司与众不同之处的机会。请记住：感受过程是双向的。

“我们试图对（我们的内部数据挑战）尽可能透明，”纽曼说。 “你会看到与我们合作的感觉，反之亦然。所以我们让候选人和团队坐在一起，让他们访问我们的数据，并提出一个广泛的问题。然后，他们有时间在周围人的支持下，以他们的意愿解决问题。

“我们鼓励提问，与他们共进午餐以缓解紧张情绪，并定期检查以确保他们不会被琐碎的事情困扰。”

有时，招聘经理很想利用面试来深入了解候选人技术技能的每一个细节，向他们的面试者询问可能与手头工作无关的广泛能力。这是一个错误。将您的问题限制在您实际使用的工具上，然后通过调查候选人如何将这些工具应用于特定问题来跟进。

为了更好地了解您未来的数据科学家的想法，请他们解释他们打算解决的最近的一个问题。询问他们是如何处理这个项目的——以及他们为什么做出这样的选择——以及他们如何决定如何分配他们的时间和资源。最后，询问他们从项目中学到了什么——以及他们会采取哪些不同的做法。

除了让您了解候选人的流程之外，这还将让您深入了解他们是否拥有对数据科学家至关重要的软技能：讲故事的能力。

当情况确实需要更深入地了解候选人的技术实力时，数据科学家 Jacqueline Nolis建议保持相对基本的问题。例如，如果调查候选人的统计知识，她建议询问如何向业务主管解释线性回归，或者受访者是否可以列出线性回归的一些替代模型并解释为什么它们更好或更差。

“对于一个特定的领域，我只提出介绍性的问题。例如，如果问一个关于机器学习模型的问题，我只会问线性和逻辑回归，并避免问更高级的话题，比如随机森林或提升，”她写道。 “这样做的原因是，如果他们了解基础知识，他们应该能够在工作中学习高级主题。”

甚至在达到这一点之前，诺利斯建议先询问候选人他们对该主题的熟悉程度。

“如果他们说他们没有太多，我会跳过它，”她说。 “我想避免让候选人对这个话题感到不知所措或沮丧，因为这可能会危及面试的其余部分。”

数据科学家的经典维恩图一直将他们的技能组合与商业、计算机科学和数学联系在一起。虽然这在很大程度上是正确的，但并非所有角色都需要掌握战略、工程和数学建模。因此，最好再一次深入了解您正在填补的职位的具体需求。

尽管如此，数据科学家最需要具备的一般技术技能可以分为三类：

尽管并非每个数据科学家都需要掌握角色的所有方面，但这些技能和能力几乎是普遍需要的。

事实上，曾在 Google 和 Foursquare 工作过的数据科学家 Michael Li 感叹，太多自称数据科学家的人实际上是“点击者”，只对用于数据分析和可视化的点击工具感到满意。

“现在是时候聘请能够使用 R、Python 和 TensorFlow 等更强大工具进行编码的数据科学家了，”李写道。 “公司应该考虑对现有员工进行数据科学和人工智能技能培训，以便向点击者教授他们成为程序员所需的一些技能。”

尽管如此，重要的是不要忽视创造力、批判性思维和商业意识等技术性较低的技能的价值。

Insightly的数据科学家 Sara Vera建议，最好的方法是聘请数据科学人才，并根据需要派遣员工参加额外的培训计划。

“分析思维和沟通技巧比 SQL、Python 和 R 更难教授，”她写道。 “技术技能培训的额外好处是，您可以创造一个指导非常强大的环境，从而创建一个更具凝聚力的团队。无论如何，最好的候选人总是希望互相学习。”

最后，值得注意的是，像数据科学家这样受欢迎的专家并不便宜。 Glassdoor 列出了美国数据科学家的平均年薪为 139,840 美元。

在这个漫长的过程之后，请确保不要因为低薪而失去您珍贵的候选人。请记住：他或她可能有选择。

在家学习数据技能以提升您的职业生涯！

BrainStation 提供数据科学、数据分析、机器学习和 python 编程方面的在线实时证书课程。参加现场课程并与来自世界各地的讲师和同伴互动。

与学习顾问交谈