如何综合评价数据相关工作候选人?

文 | 郑耀宏

在上一份工作中，随着公司数据量，业务量数十倍发展，期间面试了近百位候选人，陆续也见了不少百万年薪候选人。

当一件事情需要重复做的时候，也就需要总结了一些技巧了。

我大概分了两大领域，六个方向去综合评价数据候选人，很多方面也是我目前努力的方向。

需要自我安利以下几点：

1 我们公司给得起钱，发展快，有前途(吸引人才)

2 不需要盲目自大不懂装懂，懂得互相学习(尊重对方)

3 面试前需要有一些准备，面试结束要全面的评价面试者(write down)，有助于下一轮面试官的参考

一、软件开发领域

数据或者说AI领域在软件开发领域应该说涵盖了数据架构，算法研究，集群规划三个方向。

1. 大数据开发、架构方向

基础是一名合格的后端工程师，能用java/scala/python等后端语言，编写高质量代码。

语言层面要熟悉各种语法糖，数据结构，多线程，不写面条代码，有一定的抽象能力与OO能力，注意命名规范，熟悉日常的调优、调试。如果写scala，一些基础的函数式编程FP能力也需要训练。

后端层面当然是熟悉常用的数据库，中间件，代码构建，负载均衡，关注一些高并发，HA的设计。

大数据领域，有一定知识背景关于端到端的数据工作流。涵盖采集、存储、计算、网络、调度，数据仓库，数据集市建模流程。另外关注分布式相关系统，比如MPI/CUDA/PS等，并对大数据周边组件：Flume/Kafka/Hadoop/Hive/Hbase/Spark/ELK等较为熟悉。

通常熟悉数据分层建模+Hadoop相关生态应该说就比较靠谱了。

2. 算法研究、应用

基础，对机器学习或者统计常见的一些shallow model熟悉程度，比如一些监督学习或者非监督学习算法，一些优化的函数表达式等，至少应该对LR、SVM，GBDT，CF等算法比较熟悉。

如果项目有深度学习的需求，还可以考察下关于CNN/DNN/RNN等深度学习算法的掌握程度与项目情况。这点我经验不多，就不班门弄斧了。

个人见到的候选人大部分是NLP，图像，搜索，广告等背景。根据项目而言，有些机器学习算法比较强的同学，可能代码、工程能力稍弱，这也很正常。

个人觉得算法研究是一个科学指导实践的职位，如果对机器学习一点都不熟悉的民科，我觉得很不靠谱。朋友圈经常能见到这一类民科，太可怕了。

3. 集群规划

大数据领域有一定的行业特殊性，一些场景多属于计算密集型或IO密集型，所以集群规划的经验与意识还是必须的。

熟悉云方案，综合成本与产品体验，做业务预估，考虑选择公有云、私有云、混合云方案。

这一领域个人也在学习中。

二、商业分析、产品、管理领域

数据产品经理，分析师，以及一些资深行业布道师放入了商业领域。

1. 数据分析师

1. 扎根某一行业。对行业特有的领域知识比较熟悉，比如零售行业，就涉及供应链支撑、销售分析、补货预警、成本分析、选品与销售预测等。再者比如金融、广告、网页分析WA、搜索，这些都是对领域知识要求比较深的行业。
2. 熟练的工具掌握情况。会不会写SQL或者熟练使用编程语言等，能否自己处理数据，是否自给自足。
3. 数据可视化。分析师出BI，报表，文章等，用什么图表，综合炫酷+科学展示。

2. 数据产品经理

根据我跟产品经理日常的工作交流来看。

1. 基本的产品经理技术栈。需求调研，方案设计，可视化指标组合呈现等。
2. 领域内相关数据知识完整。一些分析类的产品，需要熟悉数据，需要能快速的回答出各个数据产品指标的意义所在。而算法类的产品，比如猜你喜欢、推荐等，又跟算法结合紧密。
3. 沟通探索。数据工作流复杂，多数情况需要多方协调组织，考验沟通能力。

另：之前团队的产品经理都能写代码，而且是指导程序员写代码，太可怕了。

3. 布道师、项目管理、杂

一般这个职位叫项目经理。

保质保量推进项目进行。数据分析业务流程规范、数据质量评估规范。技术框架、业务框架和系统架构，工程进度，人员分配等。

一般做的好的，应该属于这两种角色之一：

1. 综合实力太强，以绝对实力Hold住所有人，上到代码，下到算法，产品规划等一系列。
2. 组织协调能力。与人沟通，让人如沐春风。组织内外部协调，一丝不苟。

当然了，如果此人还有行业影响力。对于人才招聘、商业合作、内部配合手到擒来就更好了。

以上都是个人总结。欢迎交流。