我们现在都听说过: 数据科学家拥有本世纪最性感的工作，他们在这里利用他们的大数据专业知识来拯救你的业务。每个人都想雇一个。但是，您偶然发现一个恰好适合您业务的实际数据科学家独角兽的机会有多大？嗯，几乎不存在。
关于数据科学的事情是，它来自数十个领域，包括机器学习，数据挖掘，分析和人工智能。大多数数据科学家拥有计算机科学的研究生学位，但其中许多人来自从电气工程到生物学的背景。换句话说: 没有一位数据科学家拥有每个数据科学职位所需的广泛技能。信不信由你: 没有独角兽。
当然，数据科学家的竞争也很激烈。您可能知道，麦肯锡公司 (McKinsey & Company) 预测，美国2018年将面临140,000至190,000名分析专家的短缺。与此同时，空缺职位的数量正在上升 -- 据 “事实上” 称，仅2013年2014年，对数据分析人才的兴趣就增加了15% 个。
那么，你怎么能希望从这么少的合格人才库中雇佣一名能够满足你要求的员工呢？首先要知道这些要求是什么。
这似乎很简单，但是数据科学家在统计，时间序列分析和数据库知识等领域很少有同样强大的背景。秘诀是找到一位具有与您的业务目标相匹配的正确技能组合的候选人。例如，如果您经营零售业务，则时间序列分析是了解产品销售随时间变化的模式的好方法。在技术方面，您需要具有使用数据科学中心工具 (例如python，Spark或R) 的经验的候选人。
与任何工作一样，候选人很容易在简历上列出正确的要点。幸运的是，在数据科学领域，很容易发现候选人在某些技术上是否不如他或她声称的那样精明。与具有技术背景的招聘经理进行初步电话面试应作为快速检查。除此之外，还有几种方法可以测试候选人的知识深度。
首先，真正的数据科学家很可能会收集与数据相关的激情项目或学术工作，这些工作会告诉你更多关于他或她的技能，而不是你在面试过程中可能分配的任何带回家的问题。要求在候选人的GitHub个人资料上提供指向项目的链接或已发表论文的副本。但不要止步于此 -- 在面试过程中，根据数据科学家在你的企业中可能实际遇到的场景提出假设问题。您的候选人如何解决问题将告诉您很多有关他或她的批判性思维过程以及他或她最喜欢使用的工具的信息。你甚至可能想要交出一些样本数据，并要求快速分析。
但是现在，有一个警告: 不要在测试技术技能时完全陷入困境。数据科学家具有独特的角色，因为他们跨越了分析和业务战略之间的界限。如果他们缺乏沟通技巧或好奇心，他们将不会做出必要的努力来发现业务变化的见解，并以清晰，简洁的方式向决策者传达这些见解。如果是这样的话，你要支付6便士的工资 -- 非经理的平均工资约为120,000美元 -- 投资回报很少甚至没有。
有一些方法可以确保这种情况不会发生。要求应聘者向具有非技术背景的招聘经理解释技术概念，例如逻辑回归和线性回归之间的区别，以查看他们是否考虑了受众。采用行为面试技巧，在这种技巧中，您可以询问有关候选人在特定情况下过去表现的问题。让所有部门的多方参与，以确保你的候选人非常适合你的文化。
聘请数据科学家与其他任何员工的区别在于，数据科学家的肩膀上有很多东西: 利润的承诺有75% 家公司计划投资于大数据2017年，现在雇用数据科学家的行业范围令人震惊。除非您想被抛在后面，否则现在是时候聘请数据科学家了。只要确保它是正确的。