Независимо от того, являетесь ли вы стартапом или крупной корпорацией, у каждой компании сегодня есть одна общая проблема. В какой-то момент возникает необходимость в разработке собственных аналитических возможностей, чтобы вы могли эффективно использовать свои данные. Хотя аутсорсинг и помощь консультантов могут быть отличным способом сдвинуть дело с мертвой точки, в конечном итоге это Имеет смысл иметь в штате преданных своему делу людей. И вуаля, вы ищете своего первого Data Scientist.

«ОК, ЭТО ЗАДАЧА ДЛЯ ЧЕЛОВЕЧЕСКИХ РЕСУРСОВ. ЧЕМ ЭТО ОТЛИЧАЕТСЯ ОТ НАЕМА ДРУГИХ ДРУГИХ?»

На самом деле есть куча отличий. Три, если быть точным. Ключевые различия между наймом вашего первого «специалиста по обработке данных» и наймом на любую другую должность заключаются в следующем:

  1. Различные области знаний. Вы хотите, чтобы ваш первый сотрудник был отличным специалистом широкого профиля, обладающим не только техническими знаниями (программирование, базы данных, теория машинного обучения, статистика), но и отличным коммуникатором и сильным чувством для деловой стороны дела.
  2. Отсутствие надежных тестов — хотя вы можете достаточно хорошо проверить, умеет ли разработчик кодировать, проверить навыки Data Science гораздо сложнее. Особенно при первом найме данных вы ищете не только качество исполнения идей. Вам нужен кто-то, кто может генерировать новые идеи и оценивать их осуществимость.
  3. Не знаю, что искать — большинство ресурсов нацелены на найм людей в уже существующие команды Data Science/Analytics. Хотя они полезны и могут помочь вам избежать некоторых распространенных ошибок, они также предполагают, что есть кто-то, кто может надежно оценить кандидатов (он же обладает аналогичными знаниями).

"ПОНЯТНО! ТАК ЧТО Я МОГУ СДЕЛАТЬ?"

  1. Нанимайте сотрудников, исходя из их навыков и мышления. В более зрелых технических командах с четко определенными ролями и обязанностями наем людей, действительно хорошо разбирающихся в конкретных вещах, имеет большой смысл. Однако у вашего первого Data Scientist гораздо более сложная роль. Этот человек должен иметь знания в области бизнеса, быть хорошим специалистом широкого профиля и иметь большую самоактивность. Способность выявлять возможности, расставлять приоритеты и выполнять их без руководства сверху очень важна для начала работы вашей команды.
  2. Сосредоточьтесь на навыках работы с людьми — давайте будем честными, при найме на технические должности нередко приходится идти на компромисс в области межличностных навыков. Хотя это может работать во многих сценариях, это плохой компромисс для вашего первого Data Scientist. Этот человек потратит много времени на сбор информации, объяснение результатов и убеждение людей, почему результаты важны для бизнеса. Здесь важно отличное общение.
  3. Помощь! — Существует множество возможностей аутсорсинга для HR. Однако замена собственного рекрутера на внешнего с таким же набором навыков не будет иметь большого значения. Убедитесь, что вы доверяете кому-то, у кого есть навыки и опыт найма начинающего специалиста по данным.

Следуйте этому совету, и вы мгновенно начнете использовать свои данные. Здесь, в Knoyd, мы помогли компаниям поднять свои команды по науке о данных и знаем, как сложно сделать это должным образом. Свяжитесь, если вам нужна помощь.

Первоначально опубликовано на www.knoyd.com.