
如何招聘一个数据分析大牛
招聘中最难的就是招聘最新热门职业人才了,就像在1954年你要招聘硅半导体专家,那时晶体管还没面市;或者1996年的时候招聘HTML专家,那时的SGML专家不是在政府部门就是在出版商。
而最近两年,“数据科学家”成了许多公司必须雇佣的人才之一,而就我自己来说,为了建立Bright Score,一个为媒体和公众提供有趣数据的商业实验室(Bright Labs),我招聘的团队成员包括一位前核物理学家、神经学家、地理学家、天体物理学家以及一位机械工程师。
他们都没有现成的数据分析工作经验,但是他们都花了很多个小时从事研究、实验、分析、解决真实世界的问题。而且他们的工作成果经受住了同行的严厉批判并成功发行在学术刊物上,当然这是我自己给自己公司招数据分析家的套路,那你们应该遵循什么准则呢?
首先,什么是数据分析家?
一个Hadoop专家,很多招聘经理都需要这样一个专家;一个机器学习专家; 一个Kagglers账号
我个人把数据分析家定义为足够了解编程、系统管理、非结构化数据变得可操作、数据实际产品化的人选。而且他还得有足够的可视化和沟通技巧让别人明白他在做什么。目前发现去LinkedIn 搜索“Data Scientist.”是最没有效果的一种方式,因为数据科学算是一个新兴领域, 你想找个有5年数据分析经验的人才是不存在的。
著名的银行劫匪Willie Sutton曾说过,“我抢劫银行是因为我知道那里有钱”,而你如果想找个数据分析科学家,你可以去学术界的博士、博士后机构看看,因为他们为了赶上日新月夜的学术变化,也许会比一般人努里两倍,为了防止误聘到学术懒虫,你可以问他们一些问题再决定要不要聘请他:
1)“可以列举一些你作为第一作者发表的论文吗?”
我们需要一些可以完成冗长、复杂任务的人才,而要出版一个遭受住同行批判的论文是需要花很多心思的,因为同行们可以躲在匿名墙后拼命批判和指责你的任何纰漏。
2)“列举一些你写给别人在使用的代码?”
学术界理论很多但我们需要实用的理论,测试一个代码好不好的最佳方法就是看看有没有超过两个人在使用它。
3)“列举一些你在论文中用到的统计分析方法?”
能从基础级别懂得统计概念的最好,每个人都能在Excel表格中列出一连串的方差分析,但是不是最好的方法,有没有被数据困住,结果是否简单明了都是需要考究的问题。
最后在各种期刊或草案之中找到的分析巨星比自由学术员靠谱,前者更便宜也更内行。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29