5 советов, как найти специалиста в области анализа данных

Сегодня многие крупные компании не могут отличить настоящих специалистов в области анализа данных (англ. data scientists) от тех, кто лишь считает себя таковыми. Путаницу зачастую создает внутренняя политика. Так, квалифицированные data scientist’ы во многих случаях остаются незамеченными, или же их потенциал не используется.

Вашему вниманию — советы, которые помогут понять, какими навыками должен обладать настоящий специалист в области анализа данных, и принять правильное решение в процессе подбора персонала.

Думайте о прибыли

Тот, кто, анализируя данные, не может обеспечить дополнительную прибыль компании, НЕ является настоящим data scientist’ом. На самом деле, профессионалов своего дела много, однако их редко встретишь в крупных организациях. Как правило, такие специалисты создают собственные стартапы или работают в аутсорсинге.

Не покупайтесь на научную степень

Мы по-прежнему слишком часто видим кандидатов и докторов наук, пребывающих в «башнях из слоновой кости» — они не способны приносить пользу компании, не разбираются в бизнес-процессах, неправильно оценивают риски, не взаимодействуют с другими подразделениями и больше сфокусированы на красивых моделях, нежели на методах, которые действительно работают.

Знайте, с чего начать

Настоящий data scientist знает: первый этап в решении задачи — правильная постановка вопроса. Начинать нужно с формулирования проблемы, а НЕ с анализа данных.

Уточните источники данных

Data scientist должен использовать данные из различных внутренних хранилищ, не ограничиваясь только одним, за исключением того случая, если проект очень специфичный и узкоспециализированный. Кроме того, при необходимости он должен обращаться и к внешним источникам данных.

Ищите «продавца»

Настоящий data scientist – это, кроме всего прочего, продавец. Вначале на собеседовании или на корпоративном совещании он рекламирует технологии и предлагает их купить. Затем он продает эти технологии по справедливой цене (измеряемой количеством часов и ресурсов, необходимых для реализации проекта). И, наконец, он добивается обещанного результата!

По материалам: Data Science Central 

Добавить комментарий

Ваш e-mail не будет опубликован.

закрыть

Поделиться

Отправить на почту
закрыть

Вход

закрыть

Регистрация

+ =