Top 5 osobina visoko učinkovitih podatkovnih znanstvenika

489
data scientist

Data Science je u procvatu. Potražnja za stručnjacima iz ovog područja je ogromna u svim industrijskim granama. Dakako, vrhunski podatkovni znanstvenici ili data scientisti imaju neke ključne osobine koje ih izdvajaju iz gomile.

Vrlo je izgledno da će se potražnja za ovim stručnjacima nastaviti i sljedećih nekoliko godina. Prema IBM-ovoj studiji do 2020. samo u Sjedinjenim Državama broj novootvorenih radnih mjesta u jednoj godini za stručnjake raznih profila koji se bave podacima porast će s 354 tisuće na 2,72 milijuna. U istraživanju se također navodi da će godišnje potrebe za podatkovnim znanstvenicima, developerima i inženjerima dosegnuti 700 tisuća novih radnih mjesta.

Mnoge tvrtke neprestano traže kvalificirane kandidate koji mogu zadovoljiti tehničke zahtjeve poslovanja. No, to što osoba zadovoljava tehničke kriterije ne znači nužno da će biti snažan član tima. Prilikom odabira kandidta voditelji ljudskih resursa moraju paziti i na druge osobine koje čine kvalitetnog data scientista.

Proces zapošljavanja podatkovnog znanstvenika može potrajati. U prosjeku je (na američkom tržištu rada) potrebno 53 dana da se popuni pozicija menadžera analitičara. No, vrijedi se potruditi kako bi se pronašlo pravu osobu. InfoWorld navodi pet ključnih osobina koje bi trebali imati učinkoviti podatkovni znanstvenici.

1. Analitičke vještine / kvantitativno rasuđivanje

Softverska tvrtka SAS ispitivala je podatkovne znanstvenike kako bi utvrdila što čini dobrog znanstvenika. Pokazalo se da dominantnu grupu čine osobe s razvijenim logičkim i analitičkim vještinama. Čak 41 posto ispitanika imalo je upravo te sposobnosti.

Podatkovni znanstvenici moraju razmišljati tehnološki. To znači da im se argumentacija mora temeljiti na podacima, a ne na emocijama ili osjećajima. Moraju biti u stanju govoriti jasno i biti sposobni da jednostavno tumače pojmove kako bi ih razumjeli i članovi tima koji nemaju tehničku pozadinu.

2. Vještina pripovijedanja

Dakle, osim analitičkih vještina, podatkovni znanstvenik mora posjedovati i vještinu pripovijedanja. On mora razložiti podatke članovima tima koji ne dolaze iz tehničkog okruženja. Kvalitetan podatkovni znanstvenik može sažeto predočiti podatke ostatku tima, objasniti kako su prikupljeni, kako su analizirani, kakvi su zaključci iz njih proizašli i kakva su predviđanja na temelju analiziranih podataka.

Stručnjaci koji mogu učinkovito predstaviti rezultate analize ostatku tima vrlo su traženi, jer podaci postaju sve važniji prilikom donošenja odluka unutar kompanije.

3. Timski igrač

CrowdFlower istraživao je skupinu podatkovnih znanstvenika. Istraživanje je pokazalo da su ispitanici uglavnom sretni sa svojim poslom. Pokazalo se da 60 posto ispitanika najviše vremena provodi u pročišćavanju i organiziranju podataka. S druge strane, na pitanje koji dio svog posla najmanje vole, 57 posto ih je odgovorilo: pročišćavanje i organiziranje podataka.

Zbog toga je važno da tvrtke biraju ljude koji su timski igrači, koji će razumjeti da su pročišćavanje i organiziranje podataka poslovi koji se moraju obaviti. Također, tvrtke mogu podatkovnim znanstvenicima povjeriti i druge, zanimljivije poslove, kako bi se razbila jednoličnost spomenutih zadataka.

4. Spremnost na rješavanje problema

Uporaba podataka kako bi se riješili problemi jedan je temeljnih zadataka, no podatkovni znanstvenici moraju biti spremni razmišljati šire, sagledati problem iz raznih pozicija. Budući da je riječ o novoj industriji, mogu se naći u situaciji da ne raspolažu odgovarajućim alatima i resursima za dovršetak određenog zadatka. U istraživanju CrowdFlowera 14 posto ispitanika snašlo se bez odgovarajućih alata.

Menadžeri za ljudske resurse moraju tražiti kandidate koji mogu cjelovito sagledati problem i riješiti ga uz pomoć dostupnih resursa. Jaki kandidati su i oni koji prepoznaju koji su resursi potrebni da bi se obavio posao i znaju zatražiti potrebne alate.

Kako se podatkovna industrija razvija i hvata korak s potrebama, taj se odnos mijenja. No, podatkovni stručnjaci moraju biti spremni nositi se s nedostatkom tehnologije i završiti posao bez obzira na moguće probleme.

5. Znatiželja

Broj podatkovnih znanstvenika impresivno raste. No, napredak industriji donijet će oni znatiželjni, oni koji su spremni napraviti korak dalje u uporabi podataka. Kandidati koji su radoznali, koji istražuju, poželjni su članovi tima jer mogu pomoći kompaniji da pronađe nove načine da iskoristi (mogli bismo reći monetizira) prikupljene podatke.

Znanost o podacima raste vrlo brzo. Potražnja za osobama koje to mogu kvalitetno raditi visoka je, a i dalje će rasti. Voditelji odjela ljudskih resursa i izvršni menadžeri trebali bi osigurati da kandidati imaju navedenih pet osobina, umjesto da zapošljavaju osobe koje ispunjavaju tehničke zahtjeve. Odabir kandidata s navedenim osobinama omogućit će stvaranje kreativnog kohezivnog tima koji može unaprijediti uporabu podataka i pronaći nova, inovativna rješenja.