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 The Data Incubator, tenemos 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 poco común a ser estándar para más del 80% de las empresas de contratación. Muchos de los reducidos tienden a ser las empresas más grandes (y tradicionalmente 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, rompecabezas como “¿Cuántas pelotas de golf cabrían dentro de un Boeing 747?” o “Implementar 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 dedicada a ellos. En ciencia de datos, el rompecabezas 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 comienzan 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 centrando en evaluaciones de datos basadas en proyectos. Estos piden a los candidatos de ciencia de datos que analicen 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, lo que fomenta la exploración. Los entrevistados generalmente envían un código y una reseña de sus resultados. Estos tienen una serie de ventajas, tanto en términos de forma como de fondo.
Primero, 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 de forma incómoda en una pizarra. Debido a que las respuestas a los enigmas se pueden encontrar fácilmente en Google, los recursos de Internet están prohibidos. En el trabajo, es poco probable que le pidan que codifique en una pizarra o realice cálculos mentales con alguien mirando por encima del hombro. Es incomprensible que se le niegue el acceso a Internet durante el horario laboral. Las evaluaciones de datos también permiten a los solicitantes completar la evaluación a un ritmo más realista, utilizando su entorno de codificación o IDE favorito.
“Los desafíos para llevar a casa le brindan la oportunidad de simular cómo el candidato se desempeñará en el trabajo de manera más realista que con las preguntas de la entrevista de rompecabezas”, dijo Sean Gerrish, gerente de ingeniería y autor de “How Smart Machines Think”.
En segundo lugar, la esencia de las evaluaciones de datos también es más realista. Por diseño, los acertijos son complicados o ponen a prueba 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 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 Anderson, un veterano de la industria y autor de “Data Teams”, es un gran fanático de las evaluaciones de datos: “Es una configuración de beneficio mutuo. Los entrevistados tienen la oportunidad de luchar que imita el mundo real. Los gerentes se acercan más 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 casa de COVID-19.
Por último, el trabajo de un proyecto técnico escrito puede ayudar a evitar sesgos al restar importancia a los aspectos tradicionales pero perjudiciales del proceso de contratación. Los CV con nombres hispanos y afroamericanos reciben menos devoluciones de llamada que el mismo CV con nombres blancos. En respuesta, los candidatos de la minoría “blanquean” deliberadamente sus currículums para compensar. Las entrevistas en persona a menudo se basan en una intuición similarmente problemática. Al enfatizar una evaluación estrechamente relacionada con el desempeño laboral, los entrevistadores pueden concentrar sus energías en las calificaciones reales, en lugar de confiar en “instintos” potencialmente sesgados. Las empresas que buscan adoptar #BLM y #MeToo más allá del hashtag pueden considerar cómo ajustar sus procesos de contratación puede conducir a una mayor igualdad.
La forma exacta de evaluación de datos varía. En The Data Incubator, descubrimos que más del 60% de las empresas proporcionan 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 días. Otro 20% aproximadamente requiere proyectos de datos de entrevistas, donde los candidatos analizan los datos como parte del proceso de entrevistas. Si bien los candidatos enfrentan una mayor presión de tiempo debido a estos, tampoco sienten la presión de trabajar incesantemente en la evaluación. “Los desafíos para llevar a casa toman mucho tiempo”, explica Field Cady, un científico de datos experimentado y autor de “The Data Science Handbook”. “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 construyendo preventivamente 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 se basan en acertijos pasados de moda son una especie en extinción. Del recalcitrante 20% de los empleadores que todavía se quedan con 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 abrazan la nueva realidad están perdiendo la batalla por los mejores talentos.
Source link