Tianhui Michael Li es el fundador de La incubadora de datos, una beca de ocho semanas para ayudar a los doctores y posdoctorados en la transición de la academia a la industria. Fue adquirida por Pragmatic Institute. Anteriormente, dirigió la ciencia de datos de monetización en Foursquare y trabajó en Google, Andreessen Horowitz, JP Morgan y DE Shaw.
Más publicaciones de este colaborador Cómo reclutar científicos de datos sin pagar mucho dinero ¿Eliminará la automatización los puestos de ciencia de datos?
Es 2020 y el mundo ha cambiado notablemente, incluso en la forma en que las empresas seleccionan a los candidatos de ciencia de datos. Si bien muchas cosas han cambiado, hay un cambio que se destaca sobre el resto. En La incubadora de datos, administramos una beca de ciencia de datos y somos responsables de cientos de contrataciones de ciencia de datos cada año. Hemos observado que estas contrataciones pasan de ser una práctica rara a ser estándar para más del 80 % de las empresas contratantes. Muchos de los que se resisten tienden a ser las empresas más grandes (y tradicionalmente las más cautelosas). En este punto, se encuentran en una seria desventaja competitiva en la contratación.
Históricamente, las prácticas de contratación de ciencia de datos evolucionaron a partir de la ingeniería de software. Un sello distintivo de las entrevistas de ingeniería de software es el temido acertijo, acertijos como “¿Cuántas pelotas de golf cabrían dentro de un Boeing 747?” o “Implemente el algoritmo de clasificación rápida en la pizarra”. Los candidatos estudiarán durante semanas o meses para estos y el sitio web de contratación Glassdoor tiene una sección completa. dedicado a ellos. En ciencia de datos, el acertijo de codificación tradicional también se ha complementado con estadísticas: “¿Cuál es la probabilidad de que la suma de dos tiradas de dados sea divisible por tres?” A lo largo de los años, las empresas están comenzando a darse cuenta de que estos acertijos no son muy efectivos y han comenzado a reducir su uso.
En su lugar, las empresas se están enfocando en evaluaciones de datos basadas en proyectos. Estos piden a los candidatos a la ciencia de datos que analicen los datos del mundo real proporcionados por la empresa. En lugar de tener una única respuesta correcta, las evaluaciones basadas en proyectos suelen ser más abiertas y fomentan la exploración. Los entrevistados suelen enviar el código y un informe de sus resultados. Estos tienen una serie de ventajas, tanto en términos de forma como de fondo.
En primer lugar, el entorno para las evaluaciones de datos es mucho más realista. Los acertijos ponen innecesariamente a los candidatos en un aprieto o los obligan a codificar torpemente en una pizarra. Debido a que las respuestas a los acertijos se encuentran fácilmente en Google, los recursos de Internet están fuera de los límites. En el trabajo, es poco probable que se le pida que codifique en una pizarra o que realice cálculos mentales con alguien mirando por encima del hombro. Es incomprensible que se le niegue el acceso a Internet durante las horas de trabajo. Las evaluaciones de datos también permiten a los solicitantes completar la evaluación a un ritmo más realista, usando su favorito AQUÍ o entorno de codificación.
“Los desafíos para llevar a casa le brindan la oportunidad de simular cómo se desempeñará el candidato en el trabajo de manera más realista que con las preguntas de la entrevista de rompecabezas”, dijo Sean Gerrishgerente de ingeniería y autor de “Cómo piensan las máquinas inteligentes.”
En segundo lugar, la sustancia de las evaluaciones de datos también es más realista. Por diseño, los acertijos son complicados o prueban el conocimiento de algoritmos conocidos. En la vida real, uno nunca escribiría estos algoritmos a mano (usaría una de las docenas de soluciones disponibles gratuitamente en Internet) y los problemas encontrados en el trabajo rara vez son complicados de la misma manera. Al proporcionar a los candidatos datos reales con los que podrían trabajar y al estructurar el entregable de acuerdo con la forma en que los resultados se comparten realmente en la empresa, los proyectos de datos están más alineados con las habilidades laborales reales.
Jesse Andersonun veterano de la industria y autor de “Equipos de datos”, es un gran admirador de las evaluaciones de datos: “Es una configuración mutuamente beneficiosa. A los entrevistados se les da una oportunidad de lucha que imita el mundo real. Los gerentes se acercan a una mirada en el trabajo al trabajo y las habilidades de un candidato”. Las evaluaciones basadas en proyectos tienen el beneficio adicional de evaluar la fuerza de la comunicación escrita, una habilidad cada vez más importante en el mundo del trabajo desde el hogar de COVID-19.
Finalmente, el trabajo de proyecto técnico escrito puede ayudar a evitar el sesgo al restar importancia a los aspectos tradicionales pero perjudiciales del proceso de contratación. currículum con Nombres hispanos y afroamericanos recibir menos devoluciones de llamadas que el mismo currículum con nombres blancos. En respuesta, los candidatos de las minorías “blanquean” deliberadamente sus currículums para compensar. Las entrevistas en persona a menudo se basan en problemas igualmente problemáticos. corazonadas. Al enfatizar una evaluación estrechamente relacionada con el desempeño laboral, los entrevistadores pueden enfocar sus energías en las calificaciones reales, en lugar de confiar en “instintos” potencialmente sesgados. Las empresas que buscan adoptar #BLM y #MeToo más allá de la etiqueta pueden considerar cómo modificar sus procesos de contratación puede conducir a una mayor igualdad.
La forma exacta de las evaluaciones de datos varía. En The Data Incubator, descubrimos que más del 60% de las empresas brindan evaluaciones de datos para llevar a casa. Estos simulan mejor el entorno de trabajo real, lo que permite al candidato trabajar desde casa (normalmente) en el transcurso de unos pocos días. Otro aproximadamente 20% requiere proyectos de datos de entrevistas, donde los candidatos analizan datos como parte del proceso de entrevista. Si bien los candidatos enfrentan más presión de tiempo debido a esto, tampoco sienten la presión de trabajar incesantemente en la evaluación. “Los desafíos para llevar a casa toman mucho tiempo”, explica Cady de campoun científico de datos experimentado y autor de “El manual de ciencia de datos.” “Esta es una gran tarea para los candidatos y puede ser injusto (por ejemplo) para las personas con compromisos familiares que no pueden permitirse pasar muchas horas de la tarde en el desafío”.
Para reducir la cantidad de proyectos de datos personalizados, los candidatos inteligentes están creando de manera preventiva sus propios proyectos de cartera para mostrar sus habilidades y las empresas los aceptan cada vez más en lugar del trabajo personalizado.
Las empresas que dependen de acertijos anticuados son una especie en extinción. Del 20% recalcitrante de los empleadores que aún se aferran a los acertijos, la mayoría son empresas más grandes y establecidas que suelen ser más lentas para adaptarse al cambio. Deben darse cuenta de que el proceso de contratación anticuado no solo parece pintoresco, sino que está alejando activamente a los candidatos. En una conferencia virtual reciente, uno de mis compañeros panelistas era un nuevo empleado de ciencia de datos que explicó que había rechazado oportunidades debido al deficiente proceso de selección de la empresa.
¿Qué tan fuerte puede ser el equipo si el proceso de contratación es tan anticuado? Este sentimiento también es ampliamente compartido por los doctores que completan la beca de ciencia de datos de The Data Incubator. Las empresas que no logran adoptar la nueva realidad están perdiendo la batalla por los mejores talentos.
Source link