Как найти и нанять Data science специалиста

Многие компании собирают большие объемы данных для анализа важных бизнес-показателей, однако, чтобы применять полученную информацию на практике, нужно в полной мере понимать, что она означает. Именно деятельность Data science специалистов направлена на то, чтобы помогать бизнесу анализировать свои показатели на глубинном уровне. Сейчас значимость таких сотрудников становится все более очевидной для работодателей, и конкуренция за них растет — как прогнозирует McKinsey, к 2018 году в мире на 490 000 открытых вакансий придется всего 200 000 доступных кандидатов.

Подразделение Talent ресурса Stack Overflow опубликовало пошаговый материал о том, как найти и заинтересовать потенциального кандидата на роль Data science специалиста.

Шаг первый. Поиск специалиста по работе с данными

В силу того, что эта область находится в постоянном развитии, можно найти большое количество популярных сайтов, посвященных Data Science. Один из самых посещаемых ресурсов по теме — Data Science Central: здесь есть и форум, и своя блог-платформа, которые позволяют находить самую свежую информацию по работе с данными. Специалисты по данным также читают новости на Kdnuggets, Kaggle и на SmartData Collective, а в разделе Cross Validated на Stack Overflow они обычно обмениваются мнениями и обсуждают новинки.

Несмотря на то, что эти ресурсы могут показаться идеальным началом для взаимодействия с потенциальным кандидатом, не стоит забывать о том, что сайты прежде всего нужны специалистам для обсуждения их сферы деятельности. Именно поэтому не стоит начинать общение со слов о желании нанять человека на работу.  Если продемонстрировать интерес к тому, чем он занимается на данный момент  и общаться в уважительной форме, то шанс впоследствии нанять заинтересовавшего кандидата становится в разы выше.

Шаг второй. Понимание специфики работы кандидатов

Data science специалисты постоянно работают с большими объемами информации, и в этой деятельности есть несколько вещей, о которых они заботятся ежедневно:

•   Взаимодействие с несколькими командами одновременно. Дэн Маллингер, занимающийся  Data Science в аналитической компании Think Big, рассказал LifeHacker, что одной из самых сложных задач для него является общение с несколькими кросс-функциональными командами о том, на какой информации им нужно акцентировать свое внимание. «Заставить этих людей говорить на одном языке и согласовать свои приоритеты – это существенная часть моей работы», — добавил он.
•   Осознание ценности работы для бизнеса. Как сказал в интервью Harvard Business Review основатель The Data Incubator Майкл Ли, компании по найму и тренировке сотрудников в сфере анализа данных, для него первым качеством, которое он ищет в соискателях на интервью, является умение соотносить свою работу с целями бизнеса. «Лучшие специалисты сразу заговорят о бизнес-метриках, потому что они понимают, что их работа должна иметь ценность для организации».
•   Понимание механизмов, лежащих в основе принимаемых решений. Доктор Стив Хэнкс сказал Forbes, что специалист по данным должен знать механизмы, необходимые для проведения анализа. «Если у вас нет инструментов для эффективного решения проблемы в нужное время и в нужном месте, значит вы ее попросту не разрешите».

Шаг третий. Понимание ожиданий кандидатов

Область анализа данных скорее всего изменится в ближайшие несколько лет, но желание оставаться на вершине последних тенденций и следить за инновациями, так или иначе, побудит работодателя к поиску Data science специалиста. Чтобы привлечь такого сотрудника, нужно, в том числе, знать, чего он ждет от своей работы на новом месте. Патрик Чандлер, главный Data science специалист в компании Hykso, рассказал о том, на что он обращает внимание, когда рассматривает новое предложение по работе.

•   Влияние анализа данных на продукты. Патрик Чандлер сказал, что ему важно видеть влияние своей работы на продукты компании. «Я уверен, что большинство специалистов всегда ищут новые возможности для экспериментов и создают системы, которые анализируют данные с большей пользой», - комментирует он.
•   Сильные команды с отличными коммуникативными навыками. Так как коммуникация – это важная часть работы специалиста по данным, то соискатель всегда ищет дружные команды, умеющие общаться и взаимодействовать между собой. Более того, критика недостатков и выделение сильных сторон анализа данных со стороны команды помогает специалисту лучше справляться с его работой.
•   Возможность использовать свой потенциал для решения разных задач. Патрику в рамках его работы нравится использовать свои способности для решения разных бизнес-задач от A/B тестирования для электронных писем до интерпретации маркетинговой аналитики.