Brightscore:如何聘请一个数据分析大牛?

招聘中最难的就是招聘最新热门职业人才了,就像在1954年你要招聘硅半导体专家,那时晶体管还没面市;或者1996年的时候招聘HTML专家,那时的SGML专家不是在政府部门就是在出版商。

而最近两年,“数据科学家”成了许多公司必须雇佣的人才之一,而就我自己来说,为了建立Bright Score,一个为媒体和公众提供有趣数据的商业实验室(Bright Labs),我招聘的团队成员包括一位前核物理学家、神经学家、地理学家、天体物理学家以及一位机械工程师。

他们都没有现成的数据分析工作经验,但是他们都花了很多个小时从事研究、实验、分析、解决真实世界的问题。而且他们的工作成果经受住了同行的严厉批判并成功发行在学术刊物上,当然这是我自己给自己公司招数据分析家的套路,那你们应该遵循什么准则呢?

首先,什么是数据分析家?

一个Hadoop专家,很多招聘经理都需要这样一个专家;一个机器学习专家; 一个Kagglers账号

我个人把数据分析家定义为足够了解编程、系统管理、非结构化数据变得可操作、数据实际产品化的人选。而且他还得有足够的可视化和沟通技巧让别人明白他在做什么。目前发现去LinkedIn 搜索“Data Scientist.”是最没有效果的一种方式,因为数据科学算是一个新兴领域, 你想找个有5年数据分析经验的人才是不存在的。

著名的银行劫匪Willie Sutton曾说过,“我抢劫银行是因为我知道那里有钱”,而你如果想找个数据分析科学家,你可以去学术界的博士、博士后机构看看,因为他们为了赶上日新月夜的学术变化,也许会比一般人努里两倍,为了防止误聘到学术懒虫,你可以问他们一些问题再决定要不要聘请他:

1)“可以列举一些你作为第一作者发表的论文吗?”

我们需要一些可以完成冗长、复杂任务的人才,而要出版一个遭受住同行批判的论文是需要花很多心思的,因为同行们可以躲在匿名墙后拼命批判和指责你的任何纰漏。

2)“列举一些你写给别人在使用的代码?”

学术界理论很多但我们需要实用的理论,测试一个代码好不好的最佳方法就是看看有没有超过两个人在使用它。

3)“列举一些你在论文中用到的统计分析方法?”

能从基础级别懂得统计概念的最好,每个人都能在Excel表格中列出一连串的方差分析,但是不是最好的方法,有没有被数据困住,结果是否简单明了都是需要考究的问题。

最后在各种期刊或草案之中找到的分析巨星比自由学术员靠谱,前者更便宜也更内行。

Via blog.bright