Data science

วิธีสร้างทีมวิทยาศาสตร์ข้อมูลที่แน่นแฟ้นในสัปดาห์

David Kuntz หัวหน้าฝ่าย Data Science ของ Degreed กล่าวถึงวิธีค้นหาและสร้างทีมวิทยาศาสตร์ข้อมูลแบบฟูลสแตกที่แน่นแฟ้นภายในไม่กี่สัปดาห์ เราทุกคนเคยได้ยินเกี่ยวกับยูนิคอร์นด้านวิทยาศาสตร์ข้อมูล – ผู้ที่มีทักษะเกือบในตำนานที่สามารถนำอิทธิพลและอำนาจที่แท้จริงมาสู่องค์กรของคุณได้ แต่การค้นหายูนิคอร์นของคุณอาจเป็นภารกิจที่เข้าใจผิด แทนที่จะจ้างยูนิคอร์นเพียงตัวเดียวที่หายากและมักไม่มีงบประมาณ ให้มองที่การสร้างทีมแบบฟูลสแตกและรวมทักษะและประสบการณ์ที่แตกต่างกันไปสู่เป้าหมายร่วมกัน ในช่วงเวลาสำคัญในการเดินทางผลิตภัณฑ์ของ Degreed เรามีความจำเป็นอย่างยิ่งที่จะต้องสร้างความสามารถด้านวิทยาศาสตร์ข้อมูลของเราเพื่อเร่งแผนงานผลิตภัณฑ์ ดังนั้นเราจึงใช้วิธีนี้ โดยค้นหานักวิทยาศาสตร์ข้อมูล 'full-stack' ที่มีความหลากหลาย ร่วมมือ และมีความสามารถ จากนั้นเรารวมพวกเขาเป็นทีมที่แน่นแฟ้นภายใต้แรงกดดันที่สำคัญและการพิจารณาอย่างถี่ถ้วนทั่วทั้งบริษัท พร้อมกันนั้น การระบาดของไวรัสโคโรน่าก็เริ่มแพร่ระบาด เมื่อทีมวิทยาศาสตร์ข้อมูลของเราเริ่มต้นชีวิตที่ Degreed การปิดตัวทั่วโลกก็เช่นกัน เมื่อมองย้อนกลับไปในช่วงเวลานี้มีบทเรียนสำหรับผู้นำทุกคนที่ต้องการสร้างทีมวิทยาศาสตร์ข้อมูลอย่างรวดเร็ว ในการสรรหา การรวมตัว และสร้างแรงจูงใจให้กับพวกเขา แม้จะกระจายไปทั่วภูมิศาสตร์และเขตเวลาต่างๆ ความต้องการนักวิทยาศาสตร์ด้านข้อมูล เราโชคดีที่มีกรณีธุรกิจที่ชัดเจนในการลงทุนในทีมวิทยาศาสตร์ข้อมูลแบบ “ฟูลสแตก” มีการบายอินระดับสูงตั้งแต่เริ่มต้น ซึ่งมีความสำคัญอย่างยิ่ง คุณถามทีมวิทยาศาสตร์ข้อมูลแบบฟูลสแตกคืออะไร เรากำลังมองหาผู้ที่ไม่ได้เป็นเพียงนักวิทยาศาสตร์ข้อมูลที่แข็งแกร่ง ไม่ใช่แค่วิศวกร ML (การเรียนรู้ของเครื่อง) ที่มีประสบการณ์ แต่ยังรวมถึงวิศวกรซอฟต์แวร์ที่มีความสามารถด้วย ซึ่งเป็นผู้ที่มีทักษะด้านการเขียนโปรแกรมและการพัฒนาผลิตภัณฑ์ที่แข็งแกร่ง ไม่ใช่แค่นั้น แต่คนที่มีทักษะการใช้เหตุผลเชิงวิพากษ์วิจารณ์อย่างเข้มงวดและมีทักษะการคิดอย่างมีวิจารณญาณ ทำไม? จุดสนใจหลักของทีมคือการสร้างบริการที่ขับเคลื่อนด้วย ML ระดับการผลิต เพื่อสร้างความสามารถและคุณลักษณะใหม่ๆ ในผลิตภัณฑ์ Degreed โดยเริ่มแรกสำหรับผลิตภัณฑ์ Career Mobility (ปัจจุบันอยู่ในรุ่นเบต้า) ที่ช่วยเชื่อมโยงทักษะและการเรียนรู้เพื่อโอกาสในการทำงาน การสรรหาภูมิหลังที่หลากหลาย เมื่อสร้างทีมจากพื้นฐาน มีสิ่งล่อใจให้มุ่งเน้นไปที่การจ้างกลุ่มคนที่มีประสบการณ์มาก โดยเฉพาะอย่างยิ่งเมื่อทีมมีงานต้องทำมากมาย และจำเป็นต้องเคลื่อนไหวอย่างรวดเร็ว แต่นี่อาจเป็นข้อผิดพลาด ความหลากหลายในทีม ในหลายมิติ ช่วยให้แต่ละคนมีส่วนร่วมตั้งแต่เริ่มต้น ประโยชน์ของทีมงานที่หลากหลายนั้นเป็นที่ทราบกันดี ความหลากหลายนำไปสู่นวัตกรรมที่มากขึ้น ตัวอย่างเช่น ทีมที่มีความหลากหลายทางวัฒนธรรมมีแนวโน้มที่จะพัฒนาผลิตภัณฑ์ที่เป็นนวัตกรรมใหม่มากกว่าเมื่อเทียบกับผลิตภัณฑ์ที่เป็นเนื้อเดียวกัน Rita Sallam รองประธานฝ่ายวิจัยของ Gartner อธิบายว่า “…ในบรรดาผู้นำด้านการวิเคราะห์และธุรกิจอัจฉริยะ (BI) บ่งชี้ถึงความสัมพันธ์เชิงบวกระหว่างความหลากหลายของทีมและผลประโยชน์ทางธุรกิจ” เธออธิบายต่อไปว่าผู้นำข้อมูลต้องพิจารณาทั้งเกณฑ์ความหลากหลาย 'ที่มองเห็น' (เพศ เชื้อชาติ และอื่นๆ) รวมทั้งปัจจัยที่ 'มองไม่เห็น' เช่น ความหลากหลายของความคิด ความรู้ ประสบการณ์ รูปแบบการรับรู้ และมุมมอง เป็นสิ่งสำคัญโดยเฉพาะอย่างยิ่งเมื่อสร้างทีมประเภทนี้เพื่อผสมผสานความเชี่ยวชาญและประสบการณ์เพื่อให้แต่ละคนในทีมมีสิ่งที่จะสอนผู้อื่นและสิ่งที่พวกเขาสามารถเรียนรู้จากผู้อื่นได้ สิ่งนี้ให้ความสมดุลและความไว้วางใจในทีม และช่วยสร้างวัฒนธรรมการเรียนรู้ ซึ่งมีความสำคัญอย่างยิ่งเมื่อพัฒนาความสามารถใหม่ที่ก้าวล้ำ การลงลึกในประวัติย่อ (และหลังจากนั้น) การค้นหาคนที่มีทักษะ ประสบการณ์ จุดแข็ง และบุคลิกภาพต่างกัน จะต้องทำอย่างไร? ในการสร้างทีมที่หลากหลายซึ่งจะแก้ปัญหาได้ดีขึ้น มาที่ปัญหาจากมุมต่างๆ มีจุดบอดน้อยลง พวกเขาสามารถเรียนรู้จากกันและกัน และทักษะของพวกเขาเสริมซึ่งกันและกัน? การทำเช่นนี้ในวันนี้ต้องอ่าน CV อย่างละเอียด อาจดูล้าสมัย แต่ CV แต่ละรายการบอกเล่าเรื่องราวที่การกรองคำหลักยังไม่สามารถจับภาพได้ หรือแม้แต่แอปพลิเคชัน AI (ปัญญาประดิษฐ์) ส่วนใหญ่ในพื้นที่นี้ เมื่อระบุประวัติย่อแล้ว คุณต้องก้าวข้ามไปยังตัวชี้วัดทักษะ ความสามารถ การสื่อสาร และการคิดเชิงวิพากษ์อื่นๆ ตัวอย่างเช่น การดูบล็อกของผู้สมัคร เช่น GitHub และ/หรือ Kaggle สามารถช่วยทำให้ภาพรวมสมบูรณ์ และช่วยระบุว่าใครควรค่าแก่การพูดคุยด้วยตัวต่อตัว อีกครั้ง ในขณะที่หลายองค์กรพยายามเร่งการสรรหาบุคลากรด้วยการค้นหาคำหลักใน CV สิ่งนี้ทำให้มองข้ามบริบทที่กว้างขึ้นของผู้สมัคร และอาจกำจัดผู้สมัครที่ดีจริงๆ เพียงเพราะพวกเขาไม่มีคำหลักที่ถูกต้องอยู่ในรายการ การปรับความต้องการทางธุรกิจด้วยทักษะและประสบการณ์ ในการสร้างทีมข้อมูลที่มีคุณภาพอย่างรวดเร็ว คุณต้องประเมินประสบการณ์ของพวกเขาและวิธีที่สิ่งเหล่านี้สอดคล้องกับความต้องการของคุณ พิจารณาว่าทักษะใดที่พวกเขามีทักษะที่เกี่ยวข้องกับผู้อื่น ซึ่งสามารถสร้างขึ้นได้ และทักษะที่อ่อนนุ่ม เช่น การเอาใจใส่และการทำงานร่วมกันที่จะช่วยให้ทีมของคุณทำงาน คุณควรพิจารณาถึงศักยภาพในอาชีพของพวกเขาด้วย – สิ่งที่นักวิทยาศาสตร์ข้อมูลแต่ละคนสามารถทำได้สำหรับคุณในห้าถึงสิบปีนับจากนี้ สิ่งนี้นำไปสู่ทีมวิทยาศาสตร์ข้อมูลที่มีจุดแข็งในด้านวิศวกรรมแมชชีนเลิร์นนิง วิศวกรรมข้อมูล การวิเคราะห์ข้อมูล วิศวกรรมซอฟต์แวร์ และในการดูและบอกเล่าเรื่องราวที่ลึกซึ้งยิ่งขึ้นเบื้องหลังข้อมูล ช่วยให้เราสามารถสร้างแบบจำลองตามเวลาจริงและโครงสร้างพื้นฐานการปรับใช้อย่างต่อเนื่องที่ทำงานควบคู่กัน และพัฒนาความสามารถใหม่ของเราในการทำซ้ำครั้งแรกในเวลาเพียงไม่กี่เดือน (ตั้งแต่เดือนมีนาคมถึงพฤษภาคม 2020) . การแข่งขันเพื่อความสามารถ บริษัทเช่นเรา (และบริษัทส่วนใหญ่ ตรงไปตรงมา) ไม่สามารถแข่งขันเพื่อชดเชยกับบริษัทเทคโนโลยีขนาดใหญ่เช่น Google, Facebook, Netflix, et al. นักวิทยาศาสตร์ด้านข้อมูลในพื้นที่ที่มีความต้องการสูง เช่น แคลิฟอร์เนีย นิวยอร์ก และวอชิงตัน ไม่ได้ใช้งบประมาณมากนัก ดังนั้นเราจึงใช้เวลาดูตลาดเล็กๆ ที่มีสิ่งที่น่าสนใจและน่าตื่นเต้นมากมายเกิดขึ้น ตลาดอย่างฝรั่งเศสและสหราชอาณาจักร ซึ่งการลงทุนของรัฐบาลในด้านวิทยาศาสตร์ข้อมูลกำลังขับเคลื่อนการเติบโตและนวัตกรรม การเป็น บริษัท แรกที่อยู่ห่างไกลทำให้ Degreed เป็นนายจ้างที่มีการแข่งขันสูง ผู้คนสามารถเลือกทำงานได้จากทุกที่ และเราสามารถค้นหาผู้สมัครที่เหมาะสมได้ทั่วโลก การตั้งค่านี้ยังเปิดใช้งานความยืดหยุ่นบางอย่างเมื่อเกิดการหยุดทำงานของ coronavirus ทีมงานของเราทำงานจากระยะไกลอยู่แล้ว ทำงานจากที่บ้าน และเรามีเครื่องมือทั้งหมดเพื่อรองรับการทำงานระยะไกลที่มีประสิทธิผล เช่น ที่เก็บ Confluence ที่ทันสมัยสำหรับเอกสาร Slack สำหรับการสื่อสาร Github สำหรับโค้ด และอื่นๆ การสื่อสารจากระยะไกลเป็นอันดับแรก เพื่อช่วยในการสื่อสารและความเหนียวแน่น เราจัดให้มีการพูดคุยผ่านวิดีโอทุกวันเพื่อเช็คอินระหว่างกันและ 'พบ' เพื่อนร่วมงานของเราทุกวัน ในฐานะทีม แม้ว่าเราจะอาศัยอยู่ในเมืองและประเทศต่างๆ แต่เราพยายามที่จะแสดงภาพร่วมกันให้มากที่สุดเท่าที่จะเป็นไปได้ และแฮงเอาท์วิดีโอของเรายังเปิดโอกาสให้ได้พบปะสังสรรค์อีกด้วย ทีมปัจจุบันครอบคลุมเขตเวลา 9 โซน แต่ด้วยความยืดหยุ่นและความเห็นอกเห็นใจ เราสามารถหาเวลาที่ทำงานได้ดีพอสำหรับทุกคน การสื่อสารแบบตัวต่อตัวกับสมาชิกในทีมแต่ละคนเป็นสิ่งสำคัญอย่างยิ่งที่จะต้องเข้าใจว่าพวกเขากำลังทำอะไรอย่างมืออาชีพและส่วนตัว รวมถึงการหยุดพวกเขาให้รู้สึกโดดเดี่ยว การยืนหยัดในแต่ละวันยังช่วยแก้ปัญหาอุปสรรคหรือข้อกังวลต่างๆ ได้อย่างรวดเร็ว แผนงานในอนาคต ในขณะที่โครงสร้างพื้นฐานเวอร์ชันแรกเปิดตัวแล้ว ทีมงานก็มีงานที่น่าตื่นเต้นมากมายรออยู่ข้างหน้า เช่น การทำให้ 'ภาษา' ของทักษะเป็นสากล และทำความเข้าใจว่าทักษะต่างๆ เชื่อมโยงกันอย่างไร ในระยะยาว ทีมงานจะใช้ประโยชน์จากความเข้าใจที่ลึกซึ้งนี้ในทักษะต่างๆ เพื่อไม่เพียงแต่เพิ่มทักษะให้กับผู้ใช้ Degreed เท่านั้น แต่ยังรวมถึงความคล่องตัวตามทักษะเหล่านั้น โดยช่วยให้นายจ้างเชื่อมโยงคนที่เหมาะสมกับโอกาสในการทำงานที่เหมาะสม นอกจากนี้ยังมีผลกระทบที่เกิดขึ้นจากการระบาดใหญ่ที่ต้องพิจารณา ความต้องการเพิ่มทักษะและความคล่องตัวของพนักงานกำลังเพิ่มขึ้นหลังโควิด-19 ผู้ใช้ Degreed 1 ใน 7 เปิดใช้งานโปรไฟล์ของตนระหว่างการปิดระบบทั่วโลก ทีมวิทยาศาสตร์ข้อมูลกำลังตอบสนองต่อการเติบโตนี้ โดยสร้างฟังก์ชันการทำงานเพิ่มเติม และสำรวจความสามารถใหม่ๆ สำหรับผลิตภัณฑ์การเรียนรู้แบบดีกรีและความคล่องตัวในอาชีพ สร้างรากฐานที่แข็งแกร่ง สิ่งสำคัญจากสิ่งนี้คือรากฐานของทีมของคุณเป็นกุญแจสำคัญ ด้วยการลงทุนตั้งแต่เนิ่นๆ ในความหลากหลายของทีมของคุณ การปรับทักษะและประสบการณ์ของพวกเขาให้สอดคล้องกับเป้าหมายของคุณอย่างชัดเจน และสร้างความมั่นใจว่าพวกเขาสามารถเรียนรู้และสอนซึ่งกันและกันในขณะที่พวกเขาเติบโต ทีมของคุณจะได้รับการตั้งค่าอย่างดีสำหรับสิ่งที่อาจเข้ามา .

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button