您好、欢迎来到现金彩票网!
当前位置:秒速快三 > 数据类型 >

企业最需要什么样的数据科学家?

发布时间:2019-06-18 23:32 来源:未知 编辑:admin

  不同时期企业对数据科学家的要求,与数据产品通才不同,采用一刀切的方法招聘数据科学家是行不通的。

  今天,各行各业的数字化程度都在不断加深,数据的价值越来越凸显,而那些最懂数据的人——数据科学家,在一个数据型企业中的关键作用更是不言而喻。

  作为数据型企业的领导者,如果不能回答出上面这三个问题,说明你需要重新审视自己的数据团队了。不同类型的数据科学家所需技能也各不相同,在招聘数据科学家时,用一刀切的方法行不通,管理者必须考虑数据组织的规模、成熟度、产品团队的需求,以及数据科学家将解决的问题,才可能招聘到最适合自己的数据科学家。

  随着数据价值的不断增加和数据使用的标准化,多种与数据相关的职业随之出现,包括数据分析师、数据工程师、数据基础设施工程师、数据架构师和数据科学家。他们在不同领域和不同规模的数据组织里,有很大不同。

  在为相关部门招聘新员工时,你必须仔细考虑他们应该具备哪些技能,各种角色分工的比例,以及这些不同的角色之间如何互相协作。本文把关注的重点放在数据科学分析。

  早期数据科学家的技能与产品通才不同,因此采用一刀切的方法招聘数据科学家是行不通的。你必须考虑数据组织的规模和成熟度、产品团队的需求,以及数据科学家将解决的相关问题。例如,在早期阶段,雇佣专门从事PB级数据(企业存储空间达到100万GB)的数据工程师可能没有什么价值,但随着产品应用量的增加,他们的价值会越来越大。

  数据科学家要么是应届毕业生,要么是经验丰富的专业人士,如何把他们结合起来解决各种各样的问题非常重要。一般来说,这些人提供了三种类型的技能——科学的严谨性、咨询顾问思维和应用于以下不同维度的编程能力。

  问题构建。数据科学家必须能够构思和构造问题,这通常需要他们具有咨询顾问思维以及科学的方法来解决问题。技术能力。提取数据需要编程和科学技能。分析能力。数据科学家需要分析技能来提取和操作数据集,并从表格、图表等形式的数据中提取数值。要理解这些数据,顾问思维和科学解决问题的方法必不可少。综合能力。数据科学家需要对结果进行解释、简化和综合,顾问思维对于简化和形成结论非常重要。影响力。通过讲故事来影响决策是让数据科学家创造影响力的重要方式。使用数据来影响他人需要一种咨询顾问思维。

  招聘经验丰富的专业人士还是应届毕业生,取决于组织的成熟度和团队的平衡需求,但类型单一是不明智的。

  在考虑招聘数据科学人才时,需要注意的是,整个数据领域还处于起步阶段,因此很难找到在其职业生涯之初或与你共事之初就具备所有这些技能的人。高质量的数据科学家将与你的组织一起成长,随着公司的发展,他们也将获得所需的技能,并成为经验丰富的专业人士。

  一个好的招聘过程应该以评估所需要的技能为导向。对于通才来说,面试过程应该包含两个分析案例、一次编程测试、一个应用分析和一场关于科学与定量能力的面试。

  这是面试中最重要的部分,如果候选人没过关,就不应该得到录用。因此,用两场面试来测试候选人这一技能是很有价值的。

  如果编程能力弱,你会花费80%的时间提取数据、20%的时间分析数据,但正确的做法正好相反。

  评估候选人是否能够从头到尾地解决实际问题非常有用。候选人需要制定问题、获取和操作数据并进行汇总。

  通才的面试和机器学习分析师的面试最大的区别在于,后者需要具备更强的技术能力和科学能力。

  对通才和市场分析师的面试最大的区别在于,后者需要更好地理解经济学并具有大局思维。因此面试中的分析案例应该调整为与市场相关。

  生态系统分析师通过分析市场趋势和帮助产品领导者了解其产品的市场环境,从而为领导者发展业务和制定产品策略提供支持。面试应该包括:

  集中式意味着所有的分析师都在一个部门,而分散式意味着分析师分布在整个团队中。一般来说,两者都有优点,这主要取决于组织的规模、成熟度、潜在增长量和领导的能力。理想情况下,组织结构应该是最大限度地发挥两者影响,并提升企业文化。

  在公司成立初期,公司人员很少,集中还是分散的问题无关紧要。随着公司的发展,集中式可能更好,因为人们可以处理公司内的多个问题,并且能够集中看法、分享知识和进行规模化分析。当分析团队达到10人或更多时,就应该采用二者组合的模式,将分析人员安排到产品团队中,但仍是分析部门的一部分。当团队变得更大,比如50人时,最好将主要的权力下放,比如下放到3个领导者手中。集中式分析服务更有助于招聘、分配人员到团队、成员的职业发展、培训和绩效评估,以及建立强大的职业认同感。

  组织的成熟度是另一个非常重要的标准。如果因为人员和组织的成熟度不够,数据分析无法产生其应该具有的最大效果,那么在较长一段时间内保持集中是明智的选择。

  即使随着规模和成熟度的增加,如果团队里的高级人员没有足够的资历,分析团队也很难规模化。我们的建议是继续集中管理,直到该小组有足够数量的领导人为止。

  我们的目标应该是用最少的数据科学家来解决最多的问题。因此,应该在聘用更多的数据工程师和数据基础设施人员上进行投资,以帮助扩展数据组织。

  数据科学家的职业发展机会非常重要。领导者需要为管理者和个人的职业发展制定一个框架。

  尽管“数据科学家”这个头衔被滥用,但实际上正是这类职位的头衔,使许多实力强大的候选人也许不会对其他头衔感兴趣。

  尽可能提前,因为招募一名高效的数据科学家,整个流程要花上好几个月的时间。

  许多机构和训练营的存在是为了把极具天赋的学者培养成入门级的数据科学家。这些项目可以是优秀人才的来源,但这需要成熟的领导者、指导人和一个健全的团队结构,才会富有成效。

  以技能为基础的面试、背景调查和对以往经验的深入了解对评估候选人尤为重要。

  虽然许多数据科学家拥有高级学位和研究经验,但在大多数情况下,这并不是胜任工作的充分条件。

  科学家未能充分发挥其潜力的一个主要原因是,他们被视为向利益相关者交付数据的服务组织。为了最大化数据科学家的价值,我们可以将他们安排到产品团队中,确保他们在做出重大决策时拥有一席之地,并让他们参与到整个产品的开发过程中。

  虽然算法开发人员专注于机器学习,但产品分析人员在很大程度上是问题解决者,他们可能会使用机器学习作为发现问题的工具。帮助设计和进行实验的数据科学家就有优秀的统计能力,但不一定擅长机器学习。

  所需的方法完全取决于你要解决问题的类型。如果你想要驱动产品的目标、路线图和策略,那么你应该主要使用数据知情的方法。但是,如果你想为生产系统提供动力,就需要使用数据驱动的方法。

  数据科学家想要让产品经理开心的话,就要以牺牲诚实为代价。而数据科学家是寻求真理的人,他们只能对每个人都坦诚相待,才能最好地支持产品。数据科学家应该被充分授权指出问题,即使这意味着说出一些产品经理不想听的话——而一个好的产品经理会欣然接受。

http://starnet-france.com/shujuleixing/309.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有