Сегодня в Big Data индустрии спрос на специалистов все еще сильно опережает предложение — большинству аналитиков и IT-шников, у которых есть подходящий бэкграунд, не хватает знаний сложной математики и новых технологий, чтобы войти в эту многообещающую отрасль.
“В месяц я собеседую как минимум несколько кандидатов. Из них не всегда получается отобрать хотя бы одного”, — говорит Александр Петров, глава разработки Data Centric Alliance. Что нужно, чтобы получить работу в Big Data? Мы расспросили Александра о вопросах, которые он задает на собеседованиях, типичных ошибках кандидатов, стандартных тестовых заданиях и рабочих инструментах, которыми нужно владеть, чтобы получить заветную работу в сфере больших данных и прилагающуюся к ней вкусную зарплату.
[note]Александр Петров — R&D директор российской компании DCA (Data-Centric Alliance), специализирующейся на работе с большими данными в интернет-маркетинге и высоконагруженными системами и ведущий преподаватель курса “Специалист по большим данным” Лаборатории новых профессий.[/note]
— Расскажи, как устроена ваша команда? Как распределяются задачи? Каково соотношение между разработчиками и аналитиками?
— У нас сейчас на направлении Big Data задействовано более 10 специалистов, включая Data Scientists и Big Data разработчиков. По большей части, Data Science специалисты занимаются R&D — создают концепты, делают прототипы и пилоты, разрабатывают инновации. Если прототип написан хорошо и работает более-менее стабильно, они могут долгое время поддерживать его своими силами.
Разработчики воплощают лучшие (и самые важные для бизнеса) прототипы и пилоты в готовые продукты. Вообще у нас в Data-Centric Аlliance сейчас более 55 человек, из них половина — технари, при чем все они владеют самыми разными инструментами и языками — к примеру, наша DMP система, а она ключевой элемент нашего бизнеса, написана на Python и Scala.
— Допустим, тебе нужен новый человек в команду, как ты будешь его искать? И встречный вопрос, где интересующимся специалистам искать вакансии, связанные с Big Data?
— Раньше я искал новых сотрудников по знакомым и бывшим коллегам, но этот ресурс уже исчерпался. Рынок пока довольно узкий, многие игроки знают друг друга в лицо. При помощи нашей DMP системы мы хотим отследить в Рунете пользователей, которые интересуются темой больших данных (смотрят соответствующие сайты и форумы), и таргетировать рекламу с информацией о наших вакансиях на них.
Вообще весь открытый рынок вакансий проходит через Headhunter.ru, поэтому внимательно отслеживайте вакансии, которые размещаются там. Если вам интересна какая-то компания, но там нет открытых вакансий, смело заявляйте о себе и пишите на общий адрес — если вы стоящий специалист, вас обязательно оценят по достоинству, может, даже специальную вакансию под вас создадут.
— На что ты смотришь в первую очередь, когда принимаешь человека на работу?
— Есть ли у человека желание доучиваться, а дальше зависит от позиции. Если это программист, то он ни в коем случае не должен быть просто исполнителем поставленных задач. Важно творческое мышление — человек должен уметь сконструировать систему, построить архитектуру. Если человек нанимается на позицию Data Scientist, то есть аналитика, у него обязательно должны быть базовые знания Data Science в статистике. Со статистикой сейчас беда, мало кто из кандидатов ее помнит.
— Что повторять?
— Основы. Можно не знать формул, но важно знать, что такое нормальное распределение, среднеквадратическое отклонение, дисперсия. Кандидату нужно понимать, что определяет статистическую значимость эксперимента, то есть как определять, можно ли доверять эксперименту или нет.
— От чего еще зависит успех кандидата на собеседовании?
— Главный критерий — опыт работы. Я оцениваю, насколько опыт человека релевантен тем задачам, которые будут стоять перед ним.
Часто кандидаты пишут в резюме, что владеют массой технологий, но по факту оказывается, что это очень посредственные поверхностные знания — достаточно задать пару вопросов по теме. Если такой обман вскрывается, я начинаю аккуратно прощаться с кандидатом.
Я советую упоминать в резюме только те технологии, в которых вы действительно хорошо разбираетесь. Если вы знаете что-то поверхностно, но очень хотите этим заниматься, так и напишите в резюме. Это сильно упрощает работу рекрутера и нанимающего менеджера.
— Что может сыграть кандидату на руку во время собеседования?
— Мне нравится, когда человек не просто работает, а увлечен своим делом, воспринимает его как призвание — проходит курсы на Coursera, учится в ШАДе. Сейчас в России есть трехмесячная образовательная программа “Специалист по большим данным”, я преподаю на ней и уже взял к себе на работу несколько выпускников.
В целом, интересны самомотивированные, интересующиеся люди. Это дорого стоит. Если человек готов постоянно развиваться, он может достичь любых высот — например, несколько лет назад к нам пришел программист из банковской сферы, который вообще никогда не работал с Big Data, а сейчас он уже наш технический директор.
Ну и конечно же важно, чтобы была “химия” с человеком — любой более менее опытный рекрутер сразу интуитивно чувствует, впишется ли новый кандидат в команду или нет. Несколько раз я делал ошибку и брал кандидатов несмотря на то, что такой “химии” не было. В конечном итоге все равно приходилось расставаться с ними.
— Как выглядит стандартное собеседование? Какие этапы и задания?
— У меня собеседование обычно длится около часа. Сначала я рассказываю о компании, потом открываю резюме кандидата и мы общаемся на тему его опыта. Я оцениваю, насколько то, что человек делал на работе на предыдущих местах релевантно тому, чем он будет заниматься здесь. Спрашиваю про технологии и после этого даю парочку вопросов, в зависимости от позиции. Если это разработчик, то задаю вопросы по программированию, они позволяют отсеять самых слабеньких. На дом ничего не даю, считаю неуважением заставлять кандидата делать большую работу бесплатно. Собеседование позволяет выявить все и так неплохо. В конце обычно вопросы задает кандидат.
На заметку кандидатам: помните, что вопросы, которые вы задаете, многое говорят о вас работодателю. Например, когда кандидат спрашивает, есть ли возможность часть времени тратить на реализацию своих идей, для меня сигнал, что этот человек творческий, генерирует идеи. Мне такие нравятся.
— Какие soft skills имеют значение помимо знания технологий?
— Если позиция скорее исполнительская, например, разработчик — то кандидату важно уметь довести начатое до конца, все проверить, систематизировать. А для аналитика или исследователя важнее умение сделать все на коленке, собрать концепт и быстро запустить его. Важна ответственность, умение слушать и очень важно всегда учиться, следовать за технологиями — они меняются очень быстро и нужно за ними поспевать. Например, сейчас восходящая звезда индустрии — Spark, все больше проектов начинают его использовать, хотя еще недавно никто о нем не слышал. И конечно же важно уметь хорошо “гуглить” и находить ответы на свой вопросы — как говорится, когда junior специалист не знает чего-то, он идет и задает вопрос старшим, если senior специалист чего-то не знает, он пойдет и быстро раскопает все сам.
— Можете взять выпускника вуза?
— Если у человека нет совсем никакого опыта, мы можем взять его на позицию стажера. У нас сейчас работает стажер , программист-второкурсник с ВМК. Сейчас он работает на достаточно хорошем уровне, если он продолжит развиваться такими темпами, то к пятому курсу он будет уже senior.
Цветелина Митева для DataReview