A raíz de la anterior publicación en el blog sobre cómo conseguir un primer empleo de Data Scientist recibí bastantes preguntas de managers con dudas sobre cómo afrontar el proceso de contratación. En este artículo comparto unas notas rápidas que pueden servir para analizar si el proceso que lideras es todo lo racional que debería.
Antes de empezar un pequeño aviso: Desde que me incorporé al mundo del dato en el sector privado hace unos 7 años he participado de manera activa en la contratación de unos 15 perfiles de Data Scientist (DS), así que tampoco tengo un historial enorme de contrataciones.
Fortalezas/debilidades del equipo y diversidad
Lo habitual es que los equipos de DS tengan menos personal del necesario para afrontar los proyectos. En esta circunstancia es tentador pescar rápidamente a la primera persona que aparezca y que sea suficientemente buena, esté disponible y con ganas.
Si lo haces así, posiblemente estés obviando que esa persona no es exactamente lo que necesitas. Como dice Julie Zhuo, autora de The Making of a Manager, es como cuando tienes hambre para cenar: cualquier cosa te puede valer, pero seguramente si hubieses planificado tu cena comerías algo mejor.
Analiza necesidades presentes y futuras
Para eso te tienes que tomar tu tiempo para identificar qué proyectos hay a la vista, qué líneas se abrirán en el futuro, en qué habilidades el equipo es fuerte/débil y qué personalidades y experiencias añaden diversidad a la hora de afrontar problemas.
Si haces este ejercicio es posible que te des cuenta de que no necesitas un DS, que lo que en realidad necesitas es un Data Engineer (o dos). O que quizás ya tienes suficientes economistas varones blancos. O que necesitas una DS que sea más ingeniera (Tipo B) que analista (Tipo A).
Haz del proceso de selección algo memorable
Intenta hacer el proceso de selección que te gustaría hacer a tí. Si cuentas con alguien de RRHH, forma una alianza con la recruiter en la que ella aportará su experiencia sobre selección y cómo tratar de una forma efectiva a cada persona y tú aportarás conocimiento técnico de las necesidades a cubrir.
Escribe con cariño la descripción del puesto. Una vez identificado qué necesitas es hora de escribirlo para llamar la atención de candidatos. No hay que confundir este llamar la atención con venderles humo, sino que se identifiquen con el rol. Además una buena descripción del puesto por escrito le permitirá a tu recruitir tener suficiente información para que consiga hacer un filtrado más efectivo. Me repito mucho pero el rol de DS no está bien definido así que al menos trata que en tu descripción de la posición quede claro qué funciones esperas que cubran.
Pasa un cuestionario para que lo envíen junto al CV. Pregunta por conocimiento en tecnologías, formas de trabajo y experiencia con ellas. Insiste en qué partes del pipeline de un proyecto de DS ha tenido experiencia: obteniendo información, limpiando, modelizando y MLOps.
Además es importante saber cómo se ha relacionado con otros grupos de interés: traduciendo necesidades de negocio a características del análisis, integración con otros sistemas y relación con otros equipos de ingeniería. En la mayoría de las ocasiones los proyectos de DS fracasan por malos enganches entre equipos y funciones, así que tener experiencia en estas situaciones puede ser muy valioso para tu equipo.
Entrevista. En la entrevista insiste una y otra vez en describir el puesto y pregunta mucho al candidato sobre cómo ve la posición y cómo encajaría según su formación y experiencia para ver si realmente entiende qué está buscando la empresa.
Por ejemplo puedes contar que el equipo está haciendo la transición de trabajar de modo artesano (cada persona lleva un pipeline completo de un proyecto) a un modo factoría en el que cada perfil se especializa en aquellas funciones en las que estamos más preparados. Si el equipo está atravesando un proceso así o estás en uno u otro lado los candidatos tienen que saberlo.
Da contexto sobre cómo la empresa usa el dato
En la entrevista es importante hablar de cómo es la organización de la empresa y qué papel creemos que nuestro equipo juega en ella y el recorrido que tiene por delante. Es importante describir si el equipo está centralizado o descentralizado, comentar el grado de madurez de la empresa a la hora de tomar decisiones basadas en datos, el papel que juegan los científicos de datos en los procesos de desarrollo de producto o si el CDO tiene capacidad de influir en las decisiones del Consejo de Dirección.
Esperamos que la candidata nos haga muchas preguntas.
Eso para nosotros es muy buena señal. Parte del trabajo de DS es ayudar a otros equipos a hacerse las preguntas correctas, así que es un buen indicador de cómo se va a desenvolver en la resolución de problemas poco definidos.
Prueba técnica Diseñamos una prueba para cada posición. Si entre tus funciones principales no va a estar la modelización no tiene sentido que te pidamos hacer un modelo en la prueba. En algunos puestos preferimos ver cómo tratas unos datos (cómo manejas outliers y missings), flujo de trabajo, si sacas conclusiones en base a la evidencia o la intuición, si sigues un proceso formal de inferencia, si usas buenas prácticas de desarrollo de software…
Para la prueba técnica siempre he trabajado poniendo deadlines no estrictos, siendo flexibles en la fecha de entrega. Bastante es que los candidatos que están trabajando dediquen sus horas de tiempo libre a hacer una prueba como para ser muy rígido con los plazos.
Selección Para afrontar la decisión de contratar, partimos de haber estructurado toda la información de los candidatos de la forma más eficiente posible y valorado cada uno de los aspectos que habíamos identificado como claves para el puesto. Para ellos es importante definir qué indicadores se van a valorar y tratar de guiar la puntuación de la manera más estándar posible.
Sobre la selección propiamente dicha: Habitualmente suele haber una convergencia de opiniones en los rankings de candidatos, pero aquí siempre hay una cuestión que me ronda: Se tiene que ir a consenso o se tiene que apostar por la persona con la que alguien del equipo realmente desea trabajar?
Da feedback a los candidatos. Notifica a todos los candidatos la decisión sobre su candidatura. Además a aquellos que han avanzado hasta las entrevistas técnicas envíales feedback sobre cómo han realizado el proceso. Lo lógico sería que si vuelves a abrir posiciones en los meses siguientes tires de aquellas personas que han quedado top en el ranking pero no has contratado. Siempre y cuando sigan encajando en las necesidades que has identificado en los primeros pasos del proceso. El mundo del dato es muy pequeño, no quemes puentes innecesariamente.
Un último apunte sobre el proceso, involucra a otros miembros del equipo. Tanto en el perfilado explícito de lo que necesitamos como en el propio proceso de selección. Te servirá para ganar perspectiva, el equipo ganará en diversidad y a ell@s para ganar experiencia en algo que algún día será su responsabilidad.
Optimiza la búsqueda
En el pasado siempre me ha funcionado bastante bien hacer una búsqueda segmentada a través del mailing que algunas organizaciones ponen a disposición de las empresas para anunciar sus posiciones: Spain AI, Comunidad de R Hispano o Pyladies son algunos ejemplos.
Segmenta la búsqueda y usa tu red de contactos
Usa tu red de contactos. Tira mucho de amigos y excompañeros en cuyo criterio confias plenamente para obtener recomendaciones. Si buscamos un perfil muy junior puedes pedir recomendaciones a colegas profesores de escuelas de formación.
Una última nota. Que la gente quiera venir a trabajar a tu empresa pasa porque tengas buenas condiciones laborales, proyectos atractivos, acceso razonable a datos y espacio para crecer laboralmente. Para señalizar que tu equipo/departamento cumple estas condiciones funciona muy bien difundir tu trabajo de forma honrada en eventos y escribiendo posts en el blog corporativo.
El mercado de perfiles de datos está muy loco, así que espero que tanto si estás en un lado o en otro estas notas te sirvan.