DS about HR

Это короткая заметка о моем мнении насчет работы классического HR в сфере Data Science/Data Engineering.

Disclaimer: Я не хочу лично задеть или оскорбить хороших эйчаров, не пытаюсь обобщенно сказать что все HR, занимающиеся подбором кадров - непрофессионалы. В этой небольшой заметке я хочу высказать мнение с другой стороны баррикад о том, чего делать не стоит. Все сказанное далее - это мой личный опыт и субъективное мнение.

Часть первая. Лиха беда начало.

Я начал искать работу достаточно рано - на втором курсе универа (2014 год). Резюме мое тогда выглядело настолько бедно, что одной из отдельных строчек в нем значилась фраза "Средний балл в зачетке - XXX". Это был первый раз, когда я столкнулся с безумием механизма подбора технических кадров в крупных компаниях. Что меня раздражало тогда больше всего:

Сроки ответов

Поиски первого места работы продлились долго - около 6 месяцев, на протяжении которых я старательно подбирал компанию для старта. В итоге, когда я наконец нашел позицию стажера в отделе аналитики, стали просыпаться HR в тех компаниях, в которые я скидывал резюме по 3-4 (!!!) месяца назад. Самое забавное было в постановке вопроса ( примерный шаблон разговора ):

HR - Скажите пожалуйста, а вы уже нашли работу? 
Я - Да, нашел. 
HR - Ну вы знаете, у нас вакансия ОЧЕНЬ ХОРОШАЯ для стажера,  может быть все же пройдете собеседование?

Камон, ребят. Вы по 3 месяца смотрите резюмешки - о чем вообще речь? Боюсь представить в каком виде представлены другие ваши бизнес-процессы...

И читатель может подумать - мол компании маленькие какие-нибудь - но нет. Это были довольно неплохие банки, крупные холдинги etc.

Изменилось ли что нибудь с 2014 года в этой области? Вопрос скорее риторический.

Пренебрежительное отношение к стажерам

Это - бич крупных компаний. Почему то считается, что если человек ищет стажерскую позицию, он априори эйчару мало интересен и наоборот должен всеми силами доказывать, что вот возьмите именно меня. До сих пор помню круглые глаза эйчара одного крупного пищевого холдинга ( я пробовался туда на стажера в отдел бизнес-аналитики ), когда я попробовал на собеседовании обсудить сумму стажерского оклада - она явно не ожидала подобного разворота нашего диалога. Не подумайте что я спросил что-то невероятное сверх стажерской нормы - около +10% от предлагаемой суммы.

Совмещение работы с институтом

Отдельной вишенкой на торте являлось банальное несовпадение требований резюме и фактуры на собеседовании. Классическая в общем-то ситуация, вакансия на сайте гласит - можно, на практике нужен 9/18 за сумму вдвое меньше. Nuff said.

Часть вторая. И швец и жнец

Так вышло, что второй раз искать работу через классический механизм сайт-резюме-эйчар мне пришлось в 2016 году. Тогда я уже много чего умел (особенно в сравнении с моим резюме образца 2014), и мой уровень навыков можно было охарактеризовать тем, что нынче именуется Middle Data Scientist. Тут я столкнулся с новыми бедами этого подхода, которые изложу ниже.

Мастер на все руки

Мое резюме показалось эйчарам очень привлекательным видимо из за обилия сложных технических терминов. Так например 2 раза меня пытались пригласить на собеседование в роли (барабанная дробь)... UNIX-ового сисадмина. При этом в резюме было четко (черным по белому) написано Data Scientist. Как оказалось - вся причина крылась в чудесной строчке: навыки работы в UNIX/Linux системах. Приходилось по телефону объяснять на пальцах, что скилл работы в шелле и скилл Linux-ового администрирования не всегда коррелируют.

Big Data

Следующий хит сезона - это строчка Big Data в описании вакансии. Почему-то многие эйчары считают что при наличии этого словосочетания позиция получает +100 к карме и +20% к шансу подбора хороших кадров. Короткий ответ - нет, это так не работает.

Давайте сделаем лирическое отступление и поясним что Big Data - это исключительно маркетинговый термин. Им можно щеголять на конференциях, рассказывая бизнесу о том как "у нас все было плохо, а теперь мы Big Data / Data Driven / <подставьте любой тренд>". Для технического специалиста это словосочетание - индикатор того, что описание вакансии составлено не совсем корректно как минимум.

Гораздо лучше будет написать в резюме о стеке технологий, которые используются в работе. У вас Hadoop хранилище с Hive + Spark? Прекрасно - так и напишите в тексте вакансии. Делаете realtime на Apache Kafka? Именно это и стоит указать. Экспериментируете с Cassandra + Druid? Отлично - сообщите об этом, все лучше чем рекламная шелуха.

Пустое название вакансии

Это довольно распространенная ошибка - когда название вакансии ровным счетом ничего не сообщает соискателю. Хорошее название должно четко намекать на то, какого уровня нужен специалист и какими задачами он будет заниматься. Хороший пример - Junior/Middle/Senior/Team Lead Data Scientist, или аналогичное Junior/Middle/Senior Data Engineer. Да, верно, примеры такого наименования пришли к нам из области классического Software Engineering - и они очень хорошо там прижились, и приживутся здесь. Когда я вижу строчку Data Analyst меня отбрасывает по памяти в 2014 год - вот там самое место этому названию.

Часть третья. Собеседование с HR

Вот мы и подобрались в озорном потоке моих мыслей к самому важному. Я считаю что встреча с HR (в классическом понимании, без участия будущего руководителя) для соискателя в области Data Science - это самое бесполезное, на что только можно потратить его драгоценное время. Давайте начистоту - собеседование нужно для того чтобы (порядок произвольный):

1. Поспрашивать идиотские задачки про люки (Are you Google?)
2. Оценить уровень навыков и знаний кандидата
3. Договориться о конкретной сумме зарплаты
4. Сообщить соискателю интересующую его информацию о работе
5. Оценить друг друга с позиций легкости нахождения общего языка

Подскажите пожалуйста, какой из вышеприведенных пунктов нельзя сделать без HR? Ответ выходит достаточно очевидным.

Можно сказать - "HR же может проверить первичную адекватность кандидата заявленным требованиям!". И вновь здесь логическая ошибка - не может. Тут очень подойдет чудесная картинка:

Заключение. Критикуя - предлагай

В первую очередь хочу всем посоветовать чудесный Slack для специалистов в области Data Science - opendatascience.slack.com. В нем есть канал #jobs, куда попадают адекватные хорошие вакансии с предварительно указанными вилками (а тех, кто не следует этому правилу неизбежно настигает суровый банхаммер).

Еще на почитать есть вот такая статья про девелоперов, но она будет применима и к DS/DE .

P.S. Минутка рекламы - у автора этого поста есть канал в телеграмме - enjoy.