Это не сообщение в блоге об улучшении процесса поиска работы (вместо этого прочтите это).
Это сообщение в блоге о том, что мы (мои коллеги Джошуа Лунг и Льюис Дэвис и я, как менеджеры по найму для продвинутой аналитики в Best Buy Canada) ищем в прикладной специалист по данным. Если это поможет вам получить работу - отлично. Более успешная карьера, потрясающе. Но полная прозрачность: я пишу это в надежде улучшить качество кандидатов в нашем процессе набора.
«Ищу специалиста по обработке данных с твердым средним уровнем».
Вы когда-нибудь слышали такое? Нет.
Мы все надеемся найти главные аномалии. Это касается как моего опыта набора специалистов по данным и аналитиков в RJMetrics (стартап по разработке программного обеспечения для бизнес-аналитики, приобретенный Magento / Adobe), так и в Best Buy Canada (многоканальный розничный продавец F500). Ищем иголку в стоге сена. Тот, кто входит в верхний 95 процентиль среди сверстников.
Но что такое КПЭ? Что такое хорошо?" Что определяет лучшего кандидата среди множества людей, которые пишут на Python, умеют очищать данные, выполнять регрессии и разрабатывать приложения?
В контексте приема на работу прикладного специалиста по данным, способного решать реальные бизнес-задачи с использованием данных (подумайте об автоматизации, оптимизации), вот три способности, которые меня и моих коллег действительно впечатлили:
«Я один из немногих специалистов по данным, которые могут…»
# 1 Создайте свой собственный PR
Специалист по данным-единорогу должен уметь сформулировать бизнес-проблему, как она согласуется с организационными или стратегическими целями, почему предложенное решение является лучшим и ожидаемое влияние. Все с точки зрения непрофессионала. И не полагаться на менеджеров по продукту в управлении заинтересованными сторонами и клиентами,
Мы опросили многих специалистов-аналитиков, которые могут взять технические требования и преобразовать их в анализ и модели, но никогда не задаются вопросом, зачем они это делают. Почему важно построить модель прогноза финансового бюджета на этот год, а не прогнозировать работу продавца?
Мы считаем, что специалисты по обработке данных заслуживают права голоса в том, над чем они работают: расставлять приоритеты в проектах и задачах, которые приносят наибольшую пользу организации. Это начинается с понимания почему нас просят взяться за конкретную инициативу. Это гарантирует, что мы работаем над проектами, имеющими наибольшую ценность (потенциал экономии дохода или затрат). Как выглядит успех? Генеральный директор постоянно спрашивает вас о новых способах внедрения науки о данных для увеличения прибыли.
Мы также встречали специалистов по обработке данных, которые просто не могут говорить на языке непрофессионалов, в результате чего заинтересованные стороны не понимают, как мы работаем. Наших начальников особенно расстраивает, когда срываются сроки, потому что новые открытия требуют серьезных изменений в модели, но они не понимают, почему.
Гораздо легче отказаться от невыполнимых требований и сроков, если вы можете напрямую общаться с руководителями. Объясните, почему проблему X слишком сложно смоделировать, что делать неправильно или почему подход Y может занять больше времени.
Итак, когда компания просит создать приложение для персонализации работы в Интернете, давайте сначала спросим, почему:
- Проведите анализ первопричин
- Нарисуйте картину проблемы
- Обозначьте влияние на бизнес
- Объясните, почему ее решение поможет нам достичь наших стратегических приоритетов.
- Затем составьте проект решения и оцените влияние, которое оно окажет на KPI (попробуйте это упражнение для пресс-релиза Amazon).
Другими словами, создайте резюме, подобное этой безумной библиотеке:
«Наш бизнес сталкивается с проблемой __________________, поэтому мы разрабатываем решение, которое _______, которое, как мы ожидаем, окажет влияние на ____. Мы использовали следующие методы расширенной аналитики и современные инструменты аналитики ____, включая компоненты и инфраструктуру, которые теперь можно использовать повторно для ______. Старый способ был ___. Новый способ лучше, потому что ____ ».
Не удивляйтесь, если вы будете руководить все большим количеством проектов в области науки о данных и получать больше ресурсов и свободы. Лидеры будут доверять вашему суждению, если поймут вас.
# 2 Будьте адвокатом самого дьявола
Покажите, что вы проверили свои слепые зоны.
Процессы собеседований по науке о данных часто включают компонент проекта, когда кандидаты работают над проблемой анализа. Вероятно, здесь задействованы компоненты очистки данных, ETL и моделирования. Большинство кандидатов хорошо справляются со всеми этими аспектами, но спотыкаются в двух ключевых областях:
- Они не в состоянии описать ограничения и предостережения своей модели (то есть, почему их модель является «лучшей» среди множества других вариантов), и
- Забудьте предлагать улучшения для будущих итераций (что бы вы попробовали, если бы у вас был доступ к другим наборам данных или больше времени?).
Не бывает «идеальной» модели, и все мы думаем об ограничениях и альтернативах при ее построении. Однако многие кандидаты не могут их сообщить.
Да, страшно подчеркивать, почему только что предложенная нами модель может оказаться не самой лучшей, поскольку она может полностью ее свести на нет. Но альтернатива намного хуже: использовать неоптимальную модель без четкого представления о том, как ее улучшить.
В Best Buy постоянное совершенствование и конструктивная обратная связь являются основными ценностями, которые определяют наш подход к развитию. Вся технологическая организация использует принципы гибкости и бережливого производства. Наиболее желательны кандидаты, которые не боятся выдвигать недоработанные идеи и дискутировать с коллегами. Так что продолжайте и покажите, что вы можете сыграть нашего собственного адвоката дьявола; продемонстрировать критическое мышление. Покажите, что вы отличный ресурс для обмена идеями.
Вот сообщение в блоге, в котором излагаются стратегии критического мышления. Я настоятельно рекомендую задавать некоторые из перечисленных вопросов в рамках повседневной разработки продукта. Я также хотел бы сделать паузу и порекомендовать специалистам по обработке данных прочитать книгу Мыслить быстро и медленно, посвященную исследованиям двух психологов, получивших Нобелевскую премию, о человеческой иррациональности и предубеждениях. Книга действительно помогла мне лучше понять предвзятость при интерпретации данных.
# 3 Представьте и сформируйте будущее науки о данных здесь
Я считаю, что каждый в команде играет ключевую роль в формировании будущего компании. Не только генеральный директор или вице-президент. Это означает признание видения компании (например, в Best Buy мы работаем, чтобы обогатить жизнь людей с помощью технологий), и думаем о том, как мы можем продвинуться в этом направлении. Дайте себе место для творчества.
В контексте науки о данных это могут быть новые инструменты или процессы разработки или даже структура команды, которые позволяют упростить развертывание машинного обучения в производственной среде или ускорить получение MVP и т. Д. Что может улучшить нашу жизнь как специалистов по обработке данных , и жизни наших клиентов, которые извлекают выгоду из оптимизированного опыта?
Как бы вы ни представляли себе будущее науки о данных, возьмите на себя лидерство и формируйте его. Поделитесь с потенциальными работодателями своим видением, почему оно вас волнует / привлекает, и как мы можем этого добиться. Это не обязательно должно быть правильно. Цель - продемонстрировать, что вы думаете о завтрашнем дне. Потому что средний и средний специалист по данным слишком занят, реагируя на настоящее, создавая отчеты с забавными фактами, не имеющими ценности.
Не хороните свои достижения
Заключительное примечание по резюме. Шансы пройти мимо экрана намного выше, если вы избегаете маркированных пунктов, которые описывают только то, что вы сделали: например, «Настройка конвейера ETL с использованием DBT…»
Вместо этого выделите, каких результатов / воздействия вы достигли: например, Повышение производительности на 30% за счет настройки конвейера ETL с использованием DBT, который… Итак, начнем с R в формате STAR.
Никто не ищет идеального резюме, но давайте покажем работодателям, что вы не просто работаете, чтобы работать. Вы - специалист по анализу данных с целью: вы существуете, чтобы максимизировать ценность для бизнеса. Так что отпразднуйте влияние, которое вы оказали. Празднуйте вас.
