Как директор отдела расширенной аналитики в Canada Post, у меня была возможность создать свою команду специалистов по обработке и анализу данных с нуля за последние несколько лет. Теперь у меня есть процесс, который помогает мне находить умных, талантливых и мотивированных членов команды. Этот процесс гарантирует, что кандидат серьезно относится к работе в нашей компании, а также ограничивает любые сознательные или бессознательные предубеждения, которые могут быть у команды по найму.

У меня было несколько причин для внедрения этого процесса, поэтому сначала позвольте мне объяснить опасения, которые у меня были с предыдущим процессом найма.

Слишком много кандидатов. Когда я публикую вакансию специалиста по данным на должность в Торонто или Оттаве, Канада, нередко получаю 200–300 заявок. Даже открытие и сканирование такого большого количества резюме занимает очень много времени, поэтому необходимо было найти решение этой проблемы.

Высокие ожидания в отношении заработной платы. В нашей компании есть определенные диапазоны заработной платы, которых мы должны придерживаться для определенных типов должностей, поэтому, даже если я найду следующего Стивена Хокинга, я не вправе платить ему или ей то, что они, вероятно, стоят. Кроме того, некоторые соискатели имеют нереалистичные ожидания в отношении заработной платы на своей первой работе после окончания аспирантуры, и я хочу нанять кого-то, кто ценит должность и зарплату и не обижается с самого начала.

Отсутствие базовых навыков и знаний: любой может указать в своем резюме, что он знает Python и машинное обучение, но уровень их навыков неизвестен. Оценка собственного уровня мастерства также не решает этой проблемы. Я хочу увидеть доказательства. Адаптация нового специалиста по данным включает в себя его обучение всем направлениям нашей деятельности, различным источникам данных и чрезмерному количеству акронимов в Почте Канады. У меня нет времени объяснять фундаментальную статистику или помогать им писать простой код.

Лестничные прыжки. Некоторые соискатели планируют оставаться на одной позиции только год или два, прежде чем нацелятся на что-то большее и лучшее. Я ищу человека, который хочет сделать карьеру в нашей компании и решит уйти только в том случае, если его больше не будут вдохновлять или ценить, а не потому, что он думает, что где-то в другом месте трава всегда зеленее.

Необоснованная положительная или отрицательная предвзятость. Наконец, самое главное, я хочу удалить как можно больше посторонних предубеждений. Я знаю, что на меня может повлиять то, что кто-то учился в моей альма-матер или изучал экспериментальную психологию, как я. Несмотря на то, что это положительное смещение, оно не имеет значения. Это также относится к любой отрицательной или положительной предвзятости, основанной на имени, расе или поле человека. Я хочу, чтобы в моей команде были умные, привлекательные и мотивированные люди. Это те качества, которыми я хочу руководствоваться в своем решении.

Процесс

Мой процесс найма состоит из семи шагов, некоторые из которых параллельны.

Шаг 1. Контрольные вопросыМы включаем контрольные вопросы в форму заявки. Если кандидат не отвечает адекватно, то дальше они не рассматриваются. Ожидания по зарплате включены в эти проверочные вопросы, а также вопросы о знании Python, SQL, облачных вычислений и машинного обучения.

Шаг 2. Онлайн-викториныПосле изучения резюме тех, кто прошел отборочные вопросы, я и моя команда руководителей отбираем 20–25 кандидатов для прохождения двух коротких онлайн-викторин. Один посвящен фундаментальной статистике, а второй — упражнением в кодировании. Оба рассчитаны на время, и те, кто занимает больше допустимого времени, получают штрафы во время подсчета очков.

Шаг 3. Слепое исследованиеЗатем мы выбираем 10–12 кандидатов, набравших самые высокие баллы в онлайн-тестах, и приглашаем их принять участие в исследовании. Кейс-стади — один из самых важных шагов в этом процессе, поскольку он показывает нам, кто может анализировать данные, создавать визуализации и последовательно представлять результаты. Он также помечен как слепой. Наш помощник по административным вопросам рассылает инструкции по изучению конкретного случая и дает каждому заявителю уникальный идентификатор. Только она знает, какое имя соответствует каждому трехзначному коду. Когда через неделю ей возвращают тематические исследования, она проверяет, что файлы имеют трехзначные коды и не содержат никакой другой идентифицирующей информации, прежде чем отправить файлы мне и моей старшей команде для проверки.

Шаг 4. Раскрытие информацииПосле того, как мы с моей командой обсудим тематические исследования и определим окончательную оценку, нам сообщаются фактические авторы каждого тематического исследования. Это очень волнующий момент для нас, потому что к тому времени у нас уже есть наши фавориты, и мы надеемся, что они хорошо справились с изучением конкретного случая. Поскольку мы отметили заявки как слепые, мы знаем, что эти предубеждения не повлияли на их окончательную оценку, и уверены, что принимаем логическое решение, а не эмоциональное. Кандидаты с тремя лучшими кейсами приглашаются на этап собеседования.

Шаг 5. Техническое собеседование Старшие специалисты по обработке и анализу данных встречаются с кандидатами и оценивают, как они подходят к аналитическим проектам, насколько хорошо они общаются, и получают представление о том, хорош ли человек подходят для нашей группы. Обычно новый сотрудник будет отчитываться перед одним из старших специалистов по данным, и если это так, человек, которому они будут отчитываться, имеет наибольшее влияние на окончательное решение. Пока ни у кого нет сильных опасений (а этого никогда не случалось), выбор менеджера по найму будет окончательным выбором.

Шаг 6. Собеседование с директорамиТри последних кандидата также проходят собеседование со мной и несколькими другими директорами компании. Это делается для того, чтобы понять, насколько хорошо человек подходит для Почты Канады, и оценить, как он может общаться с руководителями.

Шаг №7: окончательный выборПосле получения отзывов от других директоров я встречаюсь со своей командой руководителей и принимаю окончательное решение. Иногда выбор очень очевиден, а иногда очень сложен. Когда у нас есть несколько человек, которые произвели на нас впечатление, мы часто пытаемся найти место для того, кого мы не выбираем, где-то еще в Почте Канады. Это случалось не раз.

Есть еще две вещи, которые я хотел бы упомянуть о нашем процессе, прежде чем я закончу этот длинный пост (извините!). Во-первых, я предоставляю подробную обратную связь всем тем, кто проходит онлайн-викторины и тематические исследования. Я хочу, чтобы они извлекли пользу из этого опыта, чтобы они могли добиться успеха в своей карьере в области науки о данных, даже если это не с нами. Во-вторых, кандидаты часто объясняют проблему Монти Холла во время интервью с директорами. Это известная проблема в статистике с противоречивым ответом, и я обнаружил, что это отличный способ оценить способность кратко объяснить концепцию, которую не так просто объяснить.

Как заядлый читатель Medium и Towards Data Science, я надеюсь, что вы нашли эту статью интересной и стоящей вашего внимания.