Developer Recruiting Guide: “Data Scientist”
Der Data Scientist ist keine neue Rolle; Da die Technologie in jeder Branche und jedem Unternehmensbereich immer schneller voranschreitet, stellen immer mehr Unternehmen Mitarbeiter mit diesem Berufsbild an, die ihnen helfen, ihre Daten zu verstehen.
Ein zentrales Ziel der Datenwissenschaft ist es, anderen die Möglichkeit zu geben, aussagekräftige Schlussfolgerungen aus Datensätzen zu ziehen.
Je nach Organisation kann sich auch der Aufgabenbereich ändern. Manchmal sind Daten-Spezialisten für Forschung und Entwicklung verantwortlich und versuchen, neue Geschäftsmöglichkeiten zu erforschen.
In anderen Rollen sind Datenwissenschaftler Teil des Marketing-Teams (normalerweise “Analysten” genannt) und helfen durch fundierte Markt-Einblicke bei der Positionierung, oder der Segmentierung bestehender Kunden.
Diese Rolle erfordert abhängig von der Anforderung der Organisation unterschiedliche Fähigkeiten. Einige Rollen erfordern ein gründliches Verständnis für die Verarbeitung sehr großer Datensätze ( z.B. “Big Data”), andere brauchen Fähigkeiten in der explorativen Datenanalyse, Statistiken, maschinelles Lernen und Datenvisualisierung.
Der Data Scientist kann einen computer- wissenschaftlichen Hintergrund haben oder kommt von der Mathematik oder Statistik.
Berücksichtigen Sie bei der Rekrutierung dieser Rolle den Umfang der erforderlichen Programmierfähigkeiten (und in welcher Sprache), da die Coding-Skills variieren können und auch nicht immer notwendig sind, um erfolgreich zu sein.
Datenwissenschaftler können auch sehr spezialisiert sein, abhängig von den Anforderungen der Organisation, oder dem Background des Kandidatens. Zum Beispiel konzentrieren sich Data Miner auf das Suchen von Mustern, Querverbindungen und Trends und Machine-Learning-Spezialisten auf den Erwerb von Wissen durch künstliche selbstlernende Algorithmen.
Zur Rekrutierung der Rolle des “Data Scientist”, haben wir drei passende Fragen für das Bewerbungsgespräch vorbereitet:
Erzählen Sie mir eine Erfolgsgeschichte aus einem Ihrer Datenanalyse-Projekten?
Versuchen Sie zu verstehen, was das Projekt zu einem Erfolg gemacht hat. Fragen Sie nach der Größe des Datensatzes und wie lange dieser analysiert werden musste. Was waren die Ergebnisse und wie wurden diese anschließend eingesetzt. Fragen Sie auch nach einem weniger erfolgreichen Projekt und dessen Details.
Woher wissen Sie, dass Ihr Ergebnis gut genug ist?
Eine der größten Herausforderungen der Datenwissenschaft ist, dass es nicht immer eine richtige Antwort gibt. Manchmal gibt es viele Möglichkeiten, ein Problem zu lösen und neue Algorithmen und Methoden können die Ergebnisse nur geringfügig verbessern. Es ist jedoch schwer zu überprüfen, ob diese Ergebnisse korrekt sind. Fragen Sie nach Beispielen, die zeigen, wie der Bewerber die Korrektheit der Ergebnisse überprüfen konnte.
Mit welchen Arten von Kunden oder Stakeholdern habe Sie in der Vergangenheit gearbeitet? Wie lange haben Ihre Projekte durchschnittlich gedauert?
Da die Rolle, wie bereits beschrieben sehr unterschiedlich sein kann, vergewissern Sie sich, dass die Art der Erfahrung gut zur vakanten Position passt.
