是你遇到的槽点满满的HM么——Hiring Manager在招聘数据科学家时会犯的错误

在2020年的快速衰退中，几乎没有公司会招聘新员工——除非“数据”和“科学”这两个词恰好出现在职位名称中。

从被《哈佛商业评论》（Harvard Business Review）评为“21世纪最性感的工作”，到被领英(LinkedIn)评为“2019年最有前途的工作”，数据科学是自身成功的牺牲品。随着这个领域的热度越来越高，认证项目、求职者和被归类为“数据科学”工作的职位也越来越多。

但是，即使数据科学家的数量在增长，那些雇佣他们的人也需要提高他们的技能；数据科学家说，这些人没有提出正确的问题，甚至似乎并不了解这个领域。例如，“数据分析师”不是“数据科学家”，当然也不是数据库程序员。维基媒体基金会(Wikimedia Foundation)机器学习主管Chris Albon上月在twitter上表示：“我聘请了很多数据科学家，我也被录用过几次，每次我读到关于‘面试数据科学工作’的文章都会看不下去，我根本不知道他们在谈论什么工作。”

Part 01 工作列表不符合标准

实际上，招聘人员都在为这个头衔而努力，试图把它贴在从系统分析师到可视化专家的每个职位上。

Glassdoor高级经济学家Daniel Zhao告诉TechRepublic:“越来越多的公司将数据科学家的头衔用于其他类似职位，比如数据分析师或统计学家。”“头衔混淆正在改变数据科学家的劳动力构成，并因此压低了工资。”

“每次我读到一篇关于‘数据科学工作面试’的文章，读到一半时，我就纳闷他们说的是什么工作。

——Chris Albon，维基媒体

一些工作只是为了让数据库或编程职位听起来更令人想去。例如，公司经常把“数据分析师”的职位错贴为“数据科学家”的职位——根据Glassdoor 2019年的研究，这种分类错误还会导致更低的薪水和更多的求职者。

Harshajit Sarmah在《分析印度》的署名文章中解释道：“很明显，许多数据科学专业人员会因为公司发布的工作描述感到沮丧，而这些描述后来被证明几乎是一场骗局。”他警告雇主不要发布充满术语的数据科学招聘信息。这个问题在印度尤其普遍，因为印度需要很多数据分析师，但他们通常被宣传为“数据科学家”。

Part 02 雇主不了解自己的职位空缺

根据Sarmah的说法，接受错误的工作不仅会导致士气低落和工作满意度低下，还会降低数据科学家的简历质量。他敦促求职者在接受这个职位之前，对这个职位做尽可能多的调查，弄清楚这个职位的细节。“每个公司都有权充分利用数据科学领域；然而，这并不意味着要以牺牲某人的职业生涯为代价。”

精明的求职者能够看穿充斥着招聘信息的行话和泛泛之谈；只要读一下工作描述，这些老手就能迅速判断出潜在雇主是否知道他们在说什么，以及他们是否知道“数据科学”雇员进门时会做什么。

“(这是)数据科学行业的一个大问题，我真的认为我们没有足够重视：绝大多数的数据科学职位描述没有表达他们广告中职位的实际要求，”Jeremie Harris在去年的Towards Data Science的文章里详细描述了这个问题。

Harris的帖子把“数据科学工作描述”变成了现实，并给出了这样的建议：“如果你满足了工作描述的50%要求，这可能就足够了。如果你达到了70%，你就很好了。如果你做到了100%，很有可能你大材小用了。”

Part 03 他们要求的资历比实际需要的要多

Sharest Minds的联合创始人指责那些不懂这个领域的招聘人员和不知道自己需要什么的公司。他指出，一个组织正在寻找一名数据科学家来解决一个特定的问题，而不管使用的是什么技术。

TapRecruit的Mayam Jahanshahi表示，如果公司将某一特定职位描述为需要太多技能或多年经验的职位，那么它们求职者的数量就会进一步减少。TapRecruit是一家专业公司，利用机器学习帮助招聘海报准确描述职位，以吸引最优秀的求职者。

“我们的想法是，获得良好的信噪比的方法之一是招聘更高级的职位……事实上，我们发现高级数据科学家职位的合格申请者数量要少一些。”

Jahanshahi在O ‘Reilly Data Show播客上表示，很多求职者，尤其是女性，如果不符合所有的条件，就不愿意申请某个职位。

真正有经验的数据科学家和值得关注的职位仍然是精英群体。这一年轻职业的做法每年都呈指数级成熟，其管理和招聘策略也在竞相追赶。

Part 04 这不完全是他们的错

这个职业还在发展。

吸引合适的数据科学申请人的关键是尽可能具体地描述职位的职责和技能要求。

Elena Tej Grewal是Airbnb的数据科学主管，她根据自己在分析、算法和推理方面的专长，将自己80人的团队分成了三个部分。她认为，工作职责和应聘者经验的特殊性，将推动数据科学招聘领域走向成熟。

“如果我们看看另一门学科，比如工程学，有一个很有用的缩写，叫做‘前端’和‘后端’工程学，它可以帮助你了解一个人的技能或关注的领域。我意识到这是一个不完美的区别，但它比简单的“工程”更能让人感受到某人的专业技能。数据科学离这一点还有很长的路要走，这是我们正在努力的方向。”

原文作者：The Data Standard
翻译作者：过儿
美工编辑：过儿
校对审稿：Dongdong
原文链接：https://medium.com/@thedatastandard/what-hiring-managers-get-wrong-when-recruiting-data-scientists-4f4566ec4f66