Мой руководитель солгал о моих должностных обязанностях Data Scientist — на какие вакансии мне следует претендовать?

Фон :

Я работал менеджером по продукту в моей нынешней компании. В этой роли я обеспечивал относительно продвинутый анализ данных для нескольких отделов, часто использовал программное обеспечение BI, занимался кодированием и работал над некоторыми задачами по моделированию данных. Я также регулярно выступал перед руководителями всех уровней.

Стать «Data Scientist» :

Однажды ко мне обратился ИТ-директор по поводу должности Data Scientist . На тот момент я проработал в компании три года. Я согласился на эту должность, потому что она предполагала увеличение заработной платы на 30%, и я был заинтересован в том, чтобы больше сосредоточиться на прогнозной и предписывающей аналитике в своей карьере. Описание работы было несколько типичным для должности Data Scientist, хотя были некоторые незначительные проблемы, которые меня беспокоили.

Реальность позиции «Data Scientist» :

Получается, что этот ИТ-директор солгал об обязанностях на этой должности. Он действительно хотел, чтобы я занимался исключительно разработкой, анализом и работой координатора проектов, сосредоточенной на бизнес-аналитике.

У него не было никакого желания слышать что-либо о науке о данных.

Всякий раз, когда я посещал занятия, связанные с наукой о данных, он говорил мне, что это не имеет никакого отношения к моей работе, и всегда не решался оказать финансовую помощь. Он не хотел, чтобы я использовал инструменты и методы, обычно связанные с наукой о данных, такие как Python, машинное обучение, статистика, обработка данных и т. д.

Это продолжалось полтора года.

Моя ситуация сейчас :

На прошлой неделе этого ИТ-директора уволили, скорее всего, потому, что его уличили во лжи. Были проблемы, которые он вызывал у людей во всей компании, окупаемость некоторых инвестиций в программное обеспечение была очень низкой, и он постоянно конфликтовал с другими командами, включая группу аналитиков, в которой я раньше работал в отделе продаж этой компании.

Вероятно, он хотел, чтобы я ушел из этой команды, чтобы напасть на менеджера этой аналитической группы.

Этот ИТ-директор также был КРАЙНЕ расстроен из-за того, что люди использовали источники данных, полученные не напрямую из его отдела. Почти за год до этого его непосредственному руководителю (ИТ-директору) было приказано уйти из компании...

Теперь я работаю на менеджера (человека, которого также нанял вышеупомянутый ИТ-директор), который продолжает то, на чем остановился уволенный директор, когда дело доходит до возложения на меня обязанностей, не имеющих ничего общего с наукой о данных. Кажется, что мой нынешний менеджер очень компетентен, когда дело доходит до основной цели его команды, но мои нынешние обязанности - это определенный шаг вниз по сравнению с моей предыдущей ролью в других отделах этой компании, и они не имеют ничего общего с наукой о данных. .

Кроме того, рабочая среда в ИТ-отделе, в котором я работаю, также относительно токсична и не вызывает доверия — отчасти из-за прошлого руководства.

Это мои вопросы:

  1. Как я должен искать работу, если у меня есть должность «ученый по данным», но мое начальство не дало мне подходящей работы для получения опыта в области науки о данных, которого ожидают рекрутеры и менеджеры по найму? Я прошел четыре курса, связанных с наукой о данных, но обучения, которое я делаю в свободное время, кажется недостаточным по сравнению с другими людьми, претендующими на роли в области науки о данных, которые могут работать над проектами по науке о данных более 40 часов в неделю каждую неделю. .

  2. Должен ли я сейчас сосредоточиться на вакансиях, больше ориентированных на аналитику, чтобы гарантировать, что мне будет легче нанять быстрее? Эти должности могут включать консультанта по аналитике, специалиста по аналитике программ и продаж, старшего аналитика и т. д.

  3. Должен ли я резервировать относительно небольшое количество места в моем резюме для занятий по науке о данных, которые я посещал, чтобы не выглядеть слишком квалифицированным?

@OP Я предложил отредактировать, чтобы было немного легче читать и видеть ход событий (надеюсь, чтобы получить полезные ответы), но это должно быть одобрено либо вами, либо кем-то с немного большей репутацией, чем у меня! :)
Спасибо, семьдесят восьмой. Я принял ваши правки. Я как-то забыл о важности включения заголовков в относительно длинные посты.
В реальном мире 99% «науки о данных» делают именно то, что вы делаете сейчас, BI и аналитику. Тот мир, который поразил всех машинным обучением, которое вы сделали в своем блокноте Jupyter, существует только в блогах. Вы обнаружите это для себя рано или поздно.
@OP, сегодня немного подумав над этим вопросом: почему вы пришли к выводу, что директор «солгал» об обязанностях (вместо того, чтобы, скажем, не понимать, чем специалист по данным отличается от BI, анализа, позиции по обработке данных и только что погуглил общее «описание работы специалиста по данным» - я полагаю, что роль DS еще не существовала в компании, поэтому нужно было создать новую JD)? Вы также говорите, что его уволили "скорее всего из-за [] его лжи" - почему вы так думаете? Мог ли он лгать помимо этого? (не просто "постоянный конфликт"..)
Гаюс, я думаю, это сильно зависит от компании. Это заставило бы меня задаться вопросом, почему менеджеры по найму в некоторых компаниях задают кандидатам сложные вопросы о статистике и машинном обучении, если 99% работы будет вращаться вокруг разработки BI и мертвого базового анализа.
Семьдесят восьмой, он часто описывал программные и отраслевые тенденции, которые были вопиюще ложными, противоречивыми и выдуманными на ходу. Он часто говорил своим коллегам, что другая команда в организации отчаялась и изо всех сил пытается что-то сделать. Он посвящал много времени еженедельным встречам, говоря об этом. Когда он получил список результатов от этой команды, которые он требовал, он немедленно изменил свою историю и нашел другие способы атаковать эту команду. Он обвинил бывшего сотрудника из другого региона в удалении данных после увольнения. Больше никто не смог это подтвердить.
@TechnicalTim Реальность такова, что большая часть работы по науке о данных (по количеству рабочих часов) - это тяжелая работа, для выполнения которой не требуется много специальных навыков (даже если для правильного планирования могут потребоваться специальные навыки ) . По моему опыту, это может быть не более 20-30% проекта, который законно относится к области статистики/машинного обучения. Кроме того, трудно планировать — это исследование, а это означает, что нулевые (или иным образом непригодные для бизнеса) результаты являются действительными целями. Чего на самом деле хотят многие работодатели, так это возможности извлечения данных плюс оптимизма, независимо от того, что они думают или заявляют о желании.
@TechnicalTim по тем же причинам, по которым компании задают алгоритмические вопросы разработчикам приложений CRUD.

Ответы (3)

Лучший ответ на такие вопросы на самом деле мало что меняет, хотя люди, задающие вопросы, иногда представляют очень разные предыстории. Мы не можем напрямую ответить вам на вопрос, но мы можем предоставить вам дорожную карту, чтобы вы могли найти лучший ответ.

Однако, прежде чем кто-либо подумает о ваших настоящих трех вопросах, вам нужно сделать шаг назад и задать себе несколько вопросов:

  • Каковы мои конечные карьерные цели? Какая работа моей мечты?
  • Насколько «далека» от моей нынешней работы та работа мечты?
  • Какой следующий шаг имеет наибольший смысл?

Вы можете ответить на эти вопросы отдельно от реальных объявлений о вакансиях. Иными словами: ответьте на эти вопросы, прежде чем начать искать работу. Будьте подробны в своих ответах. К тому времени, когда вы ответите на эти три вопроса, у вас должна быть идеальная работа следующего шага, и вы должны быть в состоянии написать общее описание работы для этой работы следующего шага. Пока вы это делаете, может быть полезно просмотреть объявления о вакансиях, чтобы получить представление, но не поддавайтесь желанию подать заявку, пока вы не закончите подготовку — плохо структурированное резюме может стоить вам возможности, тогда как несколько часов или дней работы может помочь вам приступить к следующей работе.

После того, как вы составили это общее описание работы, перепишите свое резюме в контексте этой работы. Сосредоточьтесь на элементах, которые упоминаются в описании работы, и сосредоточьтесь на выражении своих сильных сторон соответствующим образом. Резюме — это инструмент продаж — вы продаете себя потенциальному работодателю. Вы должны быть честными, но вы также должны иметь отношение к тому, что ищет этот человек.

Это тот момент процесса, когда вы можете сами себе ответить на свои три вопроса! Но вот несколько предложений:

Как я должен искать работу, если у меня есть должность «ученый по данным», но мое начальство не дало мне подходящей работы для получения опыта в области науки о данных, которого ожидают рекрутеры и менеджеры по найму?

Не зацикливайтесь на названиях или на том, соответствует ли ваш опыт тому, что у вас есть. Вместо этого сосредоточьтесь на работе, которую вы действительно проделали, и на результатах, которые вы получили. Напишите о работе и результатах, которые имеют отношение к возможности, которую вы хотите.

Должен ли я сейчас сосредоточиться на вакансиях, больше ориентированных на аналитику, чтобы гарантировать, что мне будет легче нанять быстрее?

Если это еще не было очевидно, вы должны ответить на это. Не сосредотачивайтесь только на том, что легко получить. Сосредоточьтесь на том, что разумно, но что вас интересует. Затем адаптируйте свое резюме, заявление и ответы на собеседовании к этой возможности.

Должен ли я резервировать относительно небольшое количество места в моем резюме для занятий по науке о данных, которые я посещал, чтобы не выглядеть слишком квалифицированным?

Если вы пытаетесь получить работу по науке о данных, обязательно включите ее. Не беспокойтесь о том, что вы выглядите слишком квалифицированным, просто сосредоточьтесь на том, чтобы показать вещи из вашего опыта, которые соответствуют должности, на которую вы претендуете.

Люди, нанимаемые на должности начального уровня в области науки о данных, не будут ожидать, что у вас будет многолетний непосредственно соответствующий опыт, но они будут просматривать резюме, которое, по крайней мере, находится на правильном уровне, и искать вещи, которые достаточно близки, чтобы оправдать позицию начального уровня. Если это именно та работа, которую вы хотите, несоответствие между вашим текущим названием и вашими задачами не будет проблемой.

Наконец, прежде чем продолжить, подумайте не только об идеальной следующей должности, но и об идеальном следующем работодателе. Похоже, вас расстроила внутренняя политика между отделами. Хотя это может быть трудно обнаружить как кандидату, вы, безусловно, можете подумать, есть ли какие-либо другие факторы, которые вы особенно хотите (или не хотите) в своем следующем работодателе. Не бойтесь быть придирчивыми и делайте все возможное, чтобы вы действительно были счастливы на следующей работе.

Например, поскольку вы также выразили недовольство теми видами работы, которыми вы занимаетесь сейчас, несмотря на название Data Science, убедитесь, что вы задаете вопросы о:

  • типы и размеры проектов, над которыми вы будете работать
  • состав команд, частью которых вы будете
  • инструменты, которые будут у вас в повседневной работе

и так далее. Эти вопросы могут помочь вам понять, действительно ли ваш новый работодатель нанимает на работу, которую вы хотите, а не на должность, которая не соответствует тому, из чего, по вашему мнению, состоит работа.

Это потрясающий ответ, dwizum. Вы не только помогли мне разобраться с вопросами, которые у меня были, но также предоставили отличный вклад в отношении контекста и будущих последствий, связанных с проблемой. Я не могу отблагодарить вас за это.
Отличный ответ (и каким-то образом я знал, что вы были автором, прежде чем прокрутить вниз!) Мне любопытно, что вы думаете о канонической формулировке вопроса для «вопросов, подобных этому [которые] на самом деле не сильно меняются, даже если люди, задающие вопросы, иногда присутствуют очень разные предыстории"?
@sevenyeightist - спасибо за добрые слова. Я не уверен, что для такого вопроса существует единая каноническая формулировка, потому что спрашивающие часто подходят к нему с самых разных сторон. Сходство, которое бросается в глаза, заключается в том, что спрашивающие подразумевают, что они не уверены, каким должен быть их следующий шаг в плане карьеры, обычно с упором на титулы и без признаков того, что у них есть мыслительный процесс, чтобы решить для себя, что они найдут. более полезно. Я думаю, что это классический случай, когда кто-то хочет получить ответ, но ему действительно нужен процесс, с помощью которого он может получить свой собственный ответ.

Я думаю, что 4 класса достаточно. Я знаю людей, которые взяли всего один курс и сразу после школы были приняты на работу в качестве специалистов по данным.

Хорошо, что вы больше не миритесь с этим дерьмовым местом, но я думаю, что вы недооцениваете себя и переоцениваете степень сложности, с которой приходится сталкиваться специалистам по данным на обычной работе. Существует кривая обучения, но, как правило, это довольно быстро. Как правило, стиль, а иногда даже язык кода, который вы пишете, очень специфичен для вашего рабочего места, поэтому я бы не слишком беспокоился об отсутствии опыта.

Моя личная рекомендация — указать в резюме точную должность, которую вы занимаете, И описать в обязанностях и задачах, чем вы занимаетесь. И будьте готовы объяснить на собеседовании, что вы делаете/делали, не упоминая много «ученый данных». Конечно, вы должны добавить свои курсы и сертификаты, а во время собеседования объяснить, что у вас нет опыта в этой области.

Когда вы ищете работу, ищите ее, основываясь на своем опыте и знаниях.