招人難留人難？你可能犯了招聘數(shù)據(jù)科學(xué)家的這十宗罪
編譯：驚蟄、吳雙、Aileen
作為用人方，你會覺得招聘數(shù)據(jù)科學(xué)家有困難嗎?或者，雇用他們之后他們在公司里呆的時(shí)間并不長?實(shí)際上，這有可能是你絆著了自己的腳。
在機(jī)器學(xué)習(xí)、AI和大數(shù)據(jù)構(gòu)成的數(shù)據(jù)科學(xué)領(lǐng)域中，招聘員工和留住員工兩件事常常會讓HR感到非常挫敗。造成這種現(xiàn)象的原因很容易被歸咎于候選人的浮躁，畢竟數(shù)據(jù)科學(xué)現(xiàn)在太熱門了，數(shù)據(jù)科學(xué)家供不應(yīng)求。雖然一定程度上這是事實(shí)，不過還有一個(gè)更重要的原因：你無意識的一些行為破壞了自己招聘和留住數(shù)據(jù)人才的努力。
我見過不少在招聘上遇到問題的公司，并將其作為雇主的經(jīng)歷和數(shù)據(jù)科學(xué)家們找工作時(shí)的抱怨做了個(gè)對比。在這個(gè)基礎(chǔ)上我找到了十個(gè)招聘中常見的問題，并分別給出了解決方案。
下面提到的建議，可供各位HR參考。
錯(cuò)誤No.1：缺乏目標(biāo)
數(shù)據(jù)科學(xué)現(xiàn)在正是媒體的寵兒。原因很直接：有效地收集和分析數(shù)據(jù)的公司往往可以找到新的利潤渠道，也可以改善公司的決策。
雖然這么說，但有些公司其實(shí)并沒搞清楚數(shù)據(jù)科學(xué)到底是什么，其又能給公司帶來多大收益的時(shí)候就匆匆加入了這個(gè)大部隊(duì)。我把這種現(xiàn)象叫做上繳“數(shù)據(jù)科學(xué)虛榮稅”，他們使用數(shù)據(jù)科學(xué)只是為了說自己在使用數(shù)據(jù)科學(xué)。
如何知道自己公司在數(shù)據(jù)科學(xué)方面的努力是會有所成效的呢?你可以向自己和其他決策層同事們提幾個(gè)問題，比如投資預(yù)期回報(bào)率(ROI)是多少，或者數(shù)據(jù)科學(xué)的使用可以對公司帶來什么樣的好處。模糊的、不切實(shí)際的，或者無法實(shí)現(xiàn)的答案—比如“我們可以用機(jī)器學(xué)習(xí)解決這個(gè)棘手的特別復(fù)雜的問題!”—都不是好兆頭。
解決方案: 想清楚公司“要做什么”以及“為什么要做”。
忽略媒體炒作和營銷代理商的宣傳手段，請關(guān)注你的商業(yè)模式和公司理念。問一問自己為什么對數(shù)據(jù)科學(xué)感興趣，并弄清楚它可以帶來什么收益。最重要的是，弄清楚“數(shù)據(jù)科學(xué)”和“機(jī)器學(xué)習(xí)”到底是什么，這樣可以方便確定如何在公司的業(yè)務(wù)中使用它們。
錯(cuò)誤No.2：缺乏計(jì)劃
你的目標(biāo)在很大程度上決定了你想做什么。這是愿景，但愿景只是第一步。數(shù)據(jù)科學(xué)在戰(zhàn)略和戰(zhàn)術(shù)層面對你到底意味著什么?你又有沒有整理出如何執(zhí)行這個(gè)宏偉愿景的計(jì)劃呢?
如果你沒有一個(gè)詳細(xì)的計(jì)劃，就仿佛無頭蒼蠅一樣，其結(jié)果只是浪費(fèi)時(shí)間、精力、士氣和金錢，但什么都收獲不到。沒有計(jì)劃比沒有目標(biāo)更糟糕，因?yàn)榧词鼓阌凶鍪碌臐摿?，但?shí)際上最終并沒有真正做成什么。
解決方案：制定數(shù)據(jù)策略路線圖。
請把“想做什么”和“怎么做”聯(lián)系起來。其要點(diǎn)是：把想要解決的問題列成表，相應(yīng)創(chuàng)立幾個(gè)數(shù)據(jù)相關(guān)的項(xiàng)目，找到完成這些項(xiàng)目所需的數(shù)據(jù)集和技能。關(guān)鍵是要夠具體。紙上談兵或者過于簡化問題只會徒增失望。
另一篇關(guān)于開發(fā)數(shù)據(jù)策略的文章：http://qethanm.cc/2016/02/17/what-is-a-data-strategy/
錯(cuò)誤No.3：初始階段嘗試太復(fù)雜的數(shù)據(jù)分析
媒體和營銷代理商經(jīng)常單獨(dú)談到數(shù)據(jù)科學(xué)，這導(dǎo)致人們誤以為他們可以直接上手先進(jìn)的數(shù)據(jù)科學(xué)項(xiàng)目，比如最近流行的深度學(xué)習(xí)。
事實(shí)上，一個(gè)成功的數(shù)據(jù)科學(xué)項(xiàng)目是有很多層基礎(chǔ)的，即使在第一階段的數(shù)據(jù)處理之前，還必須要清洗數(shù)據(jù)和擁有一個(gè)穩(wěn)健的基礎(chǔ)技術(shù)設(shè)施。
解決方案：從基本的工作開始，然后慢慢深入。
開發(fā)收集所需數(shù)據(jù)的機(jī)制，并部署存儲系統(tǒng)以保證數(shù)據(jù)的保存和檢索。然后，檢查已有數(shù)據(jù)，確保它們可以進(jìn)行分析。如果你發(fā)現(xiàn)“我們不知道有什么或者需要什么數(shù)據(jù)”，那說明你跳過了開發(fā)數(shù)據(jù)策略的步驟，參見上一條建議。
如果你已經(jīng)有了這些數(shù)據(jù)和基礎(chǔ)設(shè)施，為了讓之后的處理更方便，你可以先嘗試一些商業(yè)智能(BI，即business intelligent)技術(shù)，如計(jì)數(shù)，摘要和匯總。 商業(yè)智能技術(shù)不僅對公司整體有益(比如大家都希望得到的按地區(qū)劃分的銷售額數(shù)據(jù))，它還可以快速而廉價(jià)地測試數(shù)據(jù)。
通過摘要和匯總，我們可以快速找到數(shù)據(jù)中的不一致或者有問題的地方。如果商業(yè)智能的測試失敗了，那么更高端的數(shù)據(jù)科學(xué)處理也無法進(jìn)行。
錯(cuò)誤No.4： 讓招聘人員毫無準(zhǔn)備地開始接觸候選人
你希望求職者做好萬全準(zhǔn)備，對嗎?其實(shí)你自己也應(yīng)該這樣做。從有經(jīng)驗(yàn)的數(shù)據(jù)科學(xué)家那里，我聽到的最常見的抱怨就是在接到一個(gè)冷冰冰的電話或者一封郵件之后，發(fā)現(xiàn)電話或郵件另一邊那個(gè)吹噓某知名公司開了個(gè)很好的崗位的那個(gè)人，并沒有提供這個(gè)崗位的詳細(xì)信息。
當(dāng)然，你應(yīng)該告訴這些求職者休假政策和辦公環(huán)境是怎么樣的。 你還應(yīng)該詳細(xì)講解他們在加入公司之后將要做的事情。有經(jīng)驗(yàn)的從業(yè)者(甚至一些聰明的的職場新人)都會想要知道公司使用了哪些工具，他們可能會參與什么樣的項(xiàng)目，以及他們的工作對公司有什么用。
有些招聘人員在這里會用一些模糊的回答敷衍了事，比如說“團(tuán)隊(duì)用Python寫代碼”或“在聘用你之后,我們會告訴你具體負(fù)責(zé)的工作”。這么做很容易讓求職者失去興趣。如果這么做了，不要指望他們之后會接聽你的電話。
解決方案：找個(gè)經(jīng)理，招人的接洽工作自己來做。
在正式的面試之外，其實(shí)有很多可以找到不錯(cuò)潛在雇員的機(jī)會。擁有招聘權(quán)的你，有能力—也有責(zé)任—走出辦公室，自己找人才。 你可以參加小型聚會或行業(yè)會議，甚至自己在公司里舉辦一個(gè)和數(shù)據(jù)相關(guān)的會談。這樣就可以在輕松的環(huán)境中，積極主動地面對潛在的職位候選人。
在參加活動的時(shí)候，不要一見面就說“我們在招人”然后把他們直接送到HR。相反，你可以和他們討論幾個(gè)目標(biāo)職位，問一問他們想做什么樣的項(xiàng)目。評估一下他們的興趣、技術(shù)水平，看一看他們和自己的團(tuán)隊(duì)合不合的來，最后再找到HR，正式確定這次招聘。
錯(cuò)誤No.5：要求提的太高
你遇到過數(shù)據(jù)科學(xué)的崗位開放幾個(gè)月之后還是沒招到人的情況嗎?甚至都沒人來投簡歷?如果這是你第一次招聘數(shù)據(jù)科學(xué)相關(guān)工作時(shí)遇到的事，就可要加倍注意了。
在這種情況下，有可能出問題的不是候選人而是工作描述和對求職者的預(yù)期。這個(gè)領(lǐng)域很多崗位描述要求的簡直是個(gè)全能王：不僅經(jīng)驗(yàn)豐富，用得慣各種工具，scikit-learn，TensorFlow，神經(jīng)網(wǎng)絡(luò)，文本分析和流失預(yù)測(churn predictions)，還要有統(tǒng)計(jì)學(xué)博士學(xué)位 。
對了，他們是不是還需要把他們的模型整合到產(chǎn)品的網(wǎng)站上?或者還要管理數(shù)據(jù)庫?
我明白。我也相信這句老話：如果你不說，你就找不到符合要求的。但這里還有另一面：提出了要求，也并不意味著一定會被滿足 。
如果你一直在找符合每個(gè)要求的候選人，那多半會等待很長時(shí)間。而且，符合這些條件的少數(shù)幾個(gè)人在很久以前就很有可能已經(jīng)被搶走了，這意味著這些人根本不在你的搜索范圍之內(nèi)。
更糟糕的是，符合大部分要求的人將會從字里行間了解到，寫著這樣招聘信息的公司都不怎么樣，所以這種方式是找不到知識淵博并且很搶手的數(shù)據(jù)科學(xué)家的。
解決方案：把職位要求放現(xiàn)實(shí)一點(diǎn)。
這個(gè)問題經(jīng)常會在還未建立數(shù)據(jù)策略時(shí)發(fā)生。如果缺乏這樣的策略，說明你并不清楚自己需要什么，所以以防萬一，你更傾向于向求職者要求所有可能會用到的技術(shù)。
這個(gè)時(shí)候，雖然符合條件的數(shù)據(jù)科學(xué)家可能會出現(xiàn)，但多半不太可能。你應(yīng)該做的就是把這個(gè)崗位分成不同的角色，也可以把這些技能分成“必須有的”和“可以學(xué)的”兩類。符合要求的申請人會看到你有實(shí)際可行的期望，所以更有可能申請這個(gè)工作。
錯(cuò)誤No.6：不切實(shí)際的面試方法或衡量標(biāo)準(zhǔn)
對數(shù)據(jù)科學(xué)的報(bào)道中經(jīng)常提到薪水：年紀(jì)輕輕往往就享有高薪，不僅如此，公司還把薪水當(dāng)作激勵腦力工作的手段。這樣的待遇誰不想要呢?然而，有些公司的面試流程卻讓人看不到錄取希望。其中有些流程的設(shè)置既不讓人開心，也不切實(shí)際，以至于公司自己趕走了他們本想聘用的候選人。
例如，假設(shè)你的公司使用scikit-learn之類現(xiàn)成的工具，但你卻仍然希望求職者可以在白板上寫出實(shí)施K均值聚類算法(K-means clustering)的代碼;或者，你向某候選人發(fā)了一個(gè)需要花好幾天才能完成的項(xiàng)目作業(yè);又或者你不接受沒參加過Kaggle競賽的人，或者在GitHub上沒什么東西的人，又或者沒有特定學(xué)術(shù)背景的人。
與其說這些是對優(yōu)秀人才的甄選，還不如說是招聘人才的障礙。這些條件的設(shè)置并沒有真正衡量出候選人的實(shí)際技能，更重要的是，這么做反而會趕走合格的申請者。這些人都知道自己很受歡迎，可以去其他地方找工作。
解決方案：更實(shí)際的面試。
最基本的，把面試中的技術(shù)性題目限制在公司真正會用的工具上，而且也請按照實(shí)際使用這些工具的方式來問問題。你可以在理論層面深入一些，詢問候選人在處理一些問題時(shí)如何使用(或者更簡單點(diǎn)，是否使用)某種技術(shù)。
面對經(jīng)驗(yàn)豐富的候選人時(shí)，可以問一些關(guān)于他們之前工作的開放性問題，并給他們足夠的發(fā)揮空間，從而了解這些人在過去是怎樣解決問題的。
如果你非常想在面試中保留類似demo或者在白板上寫程序的話(實(shí)話說，其實(shí)并不需要)，那么一定要確保這些環(huán)節(jié)和他們在工作中真正做的事情相關(guān)。
錯(cuò)誤No.7：先聘用數(shù)據(jù)科學(xué)家
除非你的公司已經(jīng)有了可靠的數(shù)據(jù)基礎(chǔ)架構(gòu)和內(nèi)部的商業(yè)智能(BI)實(shí)踐，否則你將需要找個(gè)數(shù)據(jù)工程師來構(gòu)建數(shù)據(jù)管道(data pipeline)，或者給數(shù)據(jù)科學(xué)家們準(zhǔn)備好可用的數(shù)據(jù)。很多公司因?yàn)椴⒉挥X得這是真正的數(shù)據(jù)科學(xué)而跳過了這一步，然而實(shí)際上他們犯了一個(gè)昂貴的錯(cuò)誤。
如果你直接先聘請了數(shù)據(jù)科學(xué)家，那他們將會因?yàn)闆]有數(shù)據(jù)可用而覺得無聊，最終離開公司。 或者，他們也許會承擔(dān)數(shù)據(jù)工程師的角色但卻對此感到不快(記得，他們?nèi)肼毜牟⒉皇沁@個(gè)崗位!)這一點(diǎn)通常是他們離開的先兆。
不過，所有這些發(fā)生的前提都是你有能力讓他們成功入職，好的數(shù)據(jù)科學(xué)家其實(shí)在面試中就會發(fā)現(xiàn)你沒有做好準(zhǔn)備，而拒絕你的offer。
解決方案：先聘請數(shù)據(jù)工程師。
雖然這么做的話，你的同事們或上級可能會有些質(zhì)疑：“我本以為我們要做的是數(shù)據(jù)科學(xué)，但你雇的這個(gè)人整天都在弄數(shù)據(jù)庫!”但是你需要堅(jiān)定你的立場，并向他們解釋為什么聘用數(shù)據(jù)工程師是必要的第一步。
其額外的好處是，聘用數(shù)據(jù)工程師會縮小數(shù)據(jù)科學(xué)家的工作范圍。這是因?yàn)槟愕臄?shù)據(jù)科學(xué)家進(jìn)行數(shù)據(jù)準(zhǔn)備的時(shí)間會減少?；诖?，你可以降低對數(shù)據(jù)科學(xué)家的要求來更快速地招到符合標(biāo)準(zhǔn)的人。
如果你的第一位數(shù)據(jù)領(lǐng)域聘用人員是非常有經(jīng)驗(yàn)的數(shù)據(jù)專業(yè)人士(除了擁有非常完善的數(shù)據(jù)技能外，還擁有全面的技術(shù)背景)，并且你的公司內(nèi)部已經(jīng)有功能強(qiáng)大的商業(yè)智能技術(shù)時(shí)，則可以降低這項(xiàng)要求。
在這種情況下，大部分?jǐn)?shù)據(jù)基礎(chǔ)已經(jīng)到位，數(shù)據(jù)科學(xué)家可以在最初自己上手所需的數(shù)據(jù)工程相關(guān)工作。不過，這樣做的前提是未來這個(gè)數(shù)據(jù)團(tuán)隊(duì)在規(guī)劃上是會擴(kuò)張的。數(shù)據(jù)科學(xué)家可以去雇用專職數(shù)據(jù)工程師或其他數(shù)據(jù)科學(xué)家來接管自己的部分工作。
但是這引出了我的下一個(gè)論點(diǎn)：
錯(cuò)誤No.8：先聘用初級數(shù)據(jù)科學(xué)家
市場對數(shù)據(jù)科學(xué)家的強(qiáng)烈需求產(chǎn)生了一些副作用，其中一個(gè)就是，他們期望高額的薪水。一些公司(尤其是初創(chuàng)公司)會對經(jīng)驗(yàn)豐富的專業(yè)人士對薪資的預(yù)期感到畏縮。所以他們試圖通過聘用一個(gè)工作經(jīng)驗(yàn)很少或沒有工作經(jīng)驗(yàn)的人來節(jié)省資金，無論是剛畢業(yè)的學(xué)生還是僅僅在類似新手訓(xùn)練營的培訓(xùn)項(xiàng)目里接觸過數(shù)據(jù)科學(xué)的人。
乍一看，這決定看起來不錯(cuò)，因?yàn)楣?jié)約的薪資很容易被量化。然而事實(shí)上這種方式并不好，主要是因?yàn)檫@種方式對被聘用的人很不公平：作為第一個(gè)也是唯一的數(shù)據(jù)科學(xué)家，當(dāng)他陷入困境時(shí)根本無法找更有經(jīng)驗(yàn)的人尋求幫助(他有時(shí)候甚至可能都意識不到自己陷入了困境)。
必須自學(xué)所有東西的結(jié)果就是難以發(fā)揮自己的技能。這個(gè)人甚至有可能會因此感到沮喪并離開公司。
解決方案：最開始先找一位經(jīng)驗(yàn)豐富的數(shù)據(jù)人員。
這里指的是那些熟知各個(gè)環(huán)節(jié)，只需極少的幫助就能夠迅速行動的人。在他們的幫助下公司將更快地看到在數(shù)據(jù)科學(xué)投資上的回報(bào)。這些人的薪水確實(shí)高于入門級人員，但這筆花費(fèi)其實(shí)很值。
那你還應(yīng)該去聘請初級數(shù)據(jù)科學(xué)家嗎?當(dāng)然!不過關(guān)鍵是要首先建立一個(gè)經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)家團(tuán)隊(duì)，不然就是創(chuàng)建一個(gè)能夠幫助這個(gè)人成長的環(huán)境。
錯(cuò)誤No.9：堅(jiān)持DIY(所有的事情都自己來)
這是一個(gè)雞生蛋蛋生雞的問題：為了實(shí)現(xiàn)(數(shù)據(jù)科學(xué)相關(guān)的)解決方案你就需要聘用一位數(shù)據(jù)科學(xué)家，而聘用數(shù)據(jù)科學(xué)家你就需要有數(shù)據(jù)科學(xué)經(jīng)驗(yàn)的人來梳理設(shè)計(jì)解決方案和匹配人才需求。可如果你的公司或團(tuán)隊(duì)本身已具備一定的數(shù)據(jù)科學(xué)經(jīng)驗(yàn)，那么這解決方案早就應(yīng)該已經(jīng)實(shí)施了，何必招人!
一些公司試圖擺脫這種困境。這些公司將軟件開發(fā)人員和數(shù)據(jù)科學(xué)家安排到同一個(gè)團(tuán)隊(duì)中(都是技術(shù)相關(guān)的，對吧?)，并任命首席開發(fā)人員或CTO去領(lǐng)導(dǎo)公司的招聘。這樣的領(lǐng)導(dǎo)往往跳過開發(fā)數(shù)據(jù)策略的步驟來直接開始寫崗位描述。
雖然他有技術(shù)經(jīng)驗(yàn)，但缺乏數(shù)據(jù)背景，因此招聘信息根本沒有用。然后，HR和獵頭就開始了對候選人的盲目地大范圍追逐。等到候選人接受面試時(shí)，就會意識到公司內(nèi)部并沒有數(shù)據(jù)科學(xué)人才，沒有人能聽懂他們在說什么，所以沒有人能夠真正評估自己技能和經(jīng)驗(yàn)。最終，面試失敗了。
而那些經(jīng)歷過面試的人呢?領(lǐng)導(dǎo)會說：“他們確實(shí)不錯(cuò)，但并不是我們正在找的人......下一個(gè)!”這個(gè)位置毫不意外地保持開放幾個(gè)月，有時(shí)甚至還超過一年。
解決方案：寫招聘信息和面試候選人的時(shí)候?qū)で笸獠繋椭?/p>
如果你的公司本身還沒有什么數(shù)據(jù)科學(xué)方面的經(jīng)驗(yàn)，請聘請經(jīng)驗(yàn)豐富的數(shù)據(jù)專家與你一起寫崗位描述或者做面試。這位專家不會取代你的人力資源和招聘團(tuán)隊(duì)，但可以縮小尋找候選人的范圍，也可以和候選人有交流合作，從而加強(qiáng)招聘部門的工作成效。
錯(cuò)誤No.10：太急躁
希望你已經(jīng)能用上文中提到的技巧來改進(jìn)數(shù)據(jù)科學(xué)人才的招聘方式了。這個(gè)時(shí)候，你已經(jīng)制定了一套現(xiàn)實(shí)的數(shù)據(jù)策略，調(diào)整了面試過程，也從外部聘請了一些有經(jīng)驗(yàn)的人士來撰寫崗位描述，幫助你面試候選人。然后怎么辦呢?你現(xiàn)在已打開了大門，數(shù)據(jù)學(xué)家就會蜂擁而入，對吧?事實(shí)上并不是如此。
解決方案：請耐心等待。
文章中提到的所有解決方案都可以幫助你做足最好的準(zhǔn)備，拿到一手好牌。然而，你仍然需要積極地搜索，以便找到候選人和面試候選人。即使你做的都是正確的事情，你仍然在與其他公司競爭數(shù)據(jù)人才。別太急，要有耐心!
原文地址：
https://towardsdatascience.com/10-common-mistakes-in-hiring-data-scientists-30db415f4ff2
【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】
