BigData Technology Summit – stolik o rekrutacji Data Scientistów


Kilka dni temu, 25 lutego w Warszawie, miała miejsce konferencja BigData Technology Summit. Podczas konferencji miało miejsce kilka ciekawych referatów, również zorganizowano sesje roundtables ze stolikami dyskusyjnymi poświęconymi różnym tematom. Jeden z nich prowadziła Olga Mierzwa, założycielka zajmującego się rekrutacją Data Scientistów startupu datahero.tech. Kto był przy tym stoliku? Jakie problemy poruszano? Jakich umiejętności najbardziej potrzeba u Data Scientistów? O tym dzisiaj w gościnnym wpisie.

Moje wrażenia z konferencji BigData Technology Summit stolika o rekrutacji Data Scientistów
Olga Mierzwa

W czwartek 25 lutego odbyła się w Warszawie druga edycja konferencji poświęconej dużym danym “BigData Technology Summit”. Podczas konferencji miałam okazję prowadzić jedną z sesji roundtables „Gdzie szukać i jak rekrutować specjalistów data science”. Idea „roundtables” polega na tym, że każdy uczestnik konferencji może dosiąść się do wybranego stolika i wziąć udział w 40 minutowej dyskusji.

Stolik „rekrutacyjny” cieszył się sporym zainteresowaniem, co bardzo mnie ucieszyło. Uczestnikami stolika byli głównie menadżerowie, którzy stoją przed wyzwaniem rekrutacji data scientistów lub budowania zespołu wewnątrz swojej organizacji. Nie zabrakło w dyskusji jednak drugiej strony, czyli osób które już pracują jako data scientist lub chciałyby ukierunkować swoją karierę w tą stronę.

Pracodawcy chcieli wiedzieć gdzie szukać data scientistów, jakie mają cechy, a nawet co powinna zawierać treść ogłoszenia, aby przyciągnąć uwagę kandydatów.

Postawiona została hipoteza, że obecnie na rynku po prostu brakuje takich ludzi. A może klasyczne sposoby rekrutacji nie sprawdzają się w przypadku takich specjalistów?

O tym kim dokładnie jest data scientist toczą się burzliwe dyskusje (patrz np ta na stackexchange). Podczas dyskusji stolik doszedł do wniosku, że musi to być osoba o umiejętnościach statystyczno-matematycznych (1), umiejąca posługiwać się narzędziami do analizy danych (2) oraz mająca wiedzę ekspercką z danego obszaru (3). Ten trzeci element był szczególnie podkreślany, ponieważ bardzo często kandydaci posiadają umiejętności 1-2 xor 3.
W dyskusji pojawiły się mieszane opinie, którą grupę łatwiej jest dokształcać wewnątrz firmy. Z jednej strony eksperci techniczni mogą nie przejawiać chęci dokładniejszego poznania biznesu, z drugiej eksperci biznesowi mogą nie mieć wystarczającego czasu i motywacji by głębiej poznać zagadnienia techniczne.

Sztuką jest zbudowanie zespołu, który będzie posiadał specjalistów o uzupełniających się kompetencjach o czym czytelnicy bloga mogli też przeczytać we wpisie „Jak kształcić Data Scientists/Badaczy Danych?”.

Co podkreślali paneliści, istotne jest aby data scientist potrafił rozmawiać z biznesem i komunikować rezultaty w jasny i zrozumiały sposób. Pojawiły się w rozmowie głosy, że nieraz działy data science pracują nad bardzo skomplikowanymi modelami i nie potrafią przekazać swoich wniosków w sposób, który ich partnerzy rozumieją. Kluczowe w owocnej współpracy jest, aby dostarczać swoim partnerom biznesowym rekomendacji, jakie Ci będą potrafili zastosować w praktyce i przełożyć na działanie.

Pracodawcy przyznali, że najczęściej rekrutacją takich pracowników zajmują się działy wewnętrzne HR w organizacji. To często nie wystarczy i podkreślona była istotność zaangażowania się menadżera w ten proces.

Wzrost popularności wydarzeń jak konferencje branżowe czy technologiczne, mowa tu o większej liczbie uczestników, jak również alternatyw meetupowych, w ostatnim czasie otwiera przed firmami dodatkowe możliwości dotarcia do wyspecjalizowanej grupy osób w ich środowisku.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *

Możesz użyć następujących tagów oraz atrybutów HTML-a: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code class="" title="" data-url=""> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <pre class="" title="" data-url=""> <span class="" title="" data-url="">