01.10.2021, 09:57

Що треба зробити перш ніж наймати фахівця Data Scientist

Штучний інтелект в змозі підняти бізнес на новий рівень та обіцяє експоненціальне зростання обсягу продажів. Тому не дивно, що навколо застосування штучного інтелекту так багато хвилювання.

Багато компаній поспішають знайти Data Scientist або створити команду щоб впроваджувати для розвитку інновації з даними, а не бути аутсайдером у конкурентній боротьбі.

Однак помилки та фальстарти заподіюють компаніям величезні альтернативні витрати, і фахівці з Data Scientist дуже часто не виправдовують очікування власників.

Ось кілька рекомендацій від експертів рекрутингового агентства Indigo як розумно інвестувати у функцію Data Science для вашої компанії.

Фактори, що впливають на вибір фахівця Data Science


Чітко розумійте, чому вам потрібен фахівець Data Science


Можна почати з визначення бізнес-проблем та можливостей, які треба вирішити. Не обов’язково мати великі обсяги даних, але необхідно мати дані, які стосуються виявлених проблем бізнесу. Як приклад, може бути достатньо електронної таблиці з кількома сотнями тисяч рядків з правильними атрибутами даних, що охоплюють більшість населення.

Якщо вважаєте занадто ризикованим, щоб розпочинати цілу программу, можна почати зі встановлення пріоритетів простіших варіантів використання, таких як:

• виявлення та зменшення шахрайства в call-центрі обслуговування клієнтів;
• рекомендації щодо продуктів для сайту електронної комерції;
• передбачення відтоку для B2B SaaS-компанії.

Крім того, можна найняти незалежного консультанта або попрацювати з постачальником послуг, якщо треба спочатку перевірити ґрунт, перш ніж наважитися на створення власної команди.

Ознайомтеся з профілями фахівців Data Science


Фахівці Data Science походять з різних професій, як і маркетологи, дизайнери, менеджери. Деякі з них мають досвід у створенні моделей програмування, а інші є експертами з аналітики та візуалізації. Крім того, одні можуть бути спеціалістами загального профілю, інші - спеціалізуються лише на галузі Computer Vision.

Шукайте Data Scientist, що стосується вашого проблемного сектора. Це не обов'язково повинен бути кандидат наук або доктора філософії, головне, щоб фахівець глибоко орієнтувався у певній галузі та мав комерційний досвід.

За винятком деяких установ, які співпрацюють з корпораціями, вчені не мають контексту для вирішення бізнес-проблем. Вчена особа без комерційного досвіду може закінчитися витратами та виявленням аномалій у даних, коли вам потрібен лише швидкий прототип, щоб перейти до наступного етапу.


Визначтесь з вимогами


Фахівці Data Scientist керуються власним досвідом для розв'язання складних проблем, використовуючи та сприяючи академічним дослідженням.

Шукати людину, яка знає все, що поєднує Data Science - це рівнозначно пошуку єдинорога, який володіє бізнесом, технологіями, математикою, моделюванням, програмуванням та статистикою.

Зосередьтесь на фахівців які не просто говорять, що ваша компанія може заробляти мільйони, тільки найміть мене. Кандидат повинен працювати як єдина команда, намагаючись корегувати способи досягнення загальної мети, та заповнювати пробіл у вміннях, яких вашої команди зараз не вистачає.

Створіть культуру Data-Driven які сприяє Data Science


Дуже важливо зазирнути всередину та оцінити, чи буде культура вашої компанії працювати на користь або проти фахівця Data Science.

Якщо компанія не має досвіду роботи з даними та не приймає рішень на основі даних, Data Science фахівці намагатимуться перетворити свою роботу на бізнес та цінність клієнта.

Також потрібно скласти загальний бюджет, щоб утримувати Data Science або команду. Стартапам зі штучним інтелектом та величезною скринею, можливо, не доведеться турбуватися з цього приводу. Але для невеликої компанії, враховуючи масштаби даних та проблеми, які плануєте

вирішити, ці витрати можуть становити сотні тисяч, що може зупинити ваші цілеспрямовані зусилля. Програмне забезпечення з відкритим кодом та інструменти Data Science знижують деякі з цих витрат.

Висновок полягає в тому, що повинно бути чітке узгодження ролі між менеджером та фахівцем Data Science, щоб це партнерство добре працювало та робило загальний внесок до мети.
Щасливе Рівне