Ви є амбіційним аналітиком даних і в захваті тим, що вам вдалося отримати співбесіду на роботу. Ви хочете вразити роботодавця, який сидить з іншого боку столу. Але увага! Поки ви зосереджені на правильних відповідях на їхні питання, чи думали ви про те, що поведінка роботодавця говорить про його підхід до справи?
Кожна співбесіда на роботу – це вулиця з двостороннім рухом. Так само, як роботодавці вас оцінюють, вам потрібно оцінити, чи відповідає компанія вашим кар’єрним цілям.
Знання того, на що звертати увагу, може врятувати вас від токсичного або неорганізованого робочого середовища і допоможе вам знайти роботу, яка підніме ваші навички в галузі обробки даних на новий рівень.
Читайте далі, щоб зрозуміти основні “Піу-віу маячки”(Red flags) на співбесідах для аналітика даних та питань, які допоможуть вам уникнути роботодавців, які призведуть до вигоряння.
Піу-віу маячки, на які варто звертати увагу на співбесіді для аналітика даних
🚩Піу-віу Маячок 1: Немає чіткого процесу для визначення пріоритетів завдань чи ad-hoc-проектів. Немає системи квитків для подання запитів на дані від працівників.
Питання, які ви можете поставити своєму собесіднику: “Який у вас процес визначення пріоритетів завдань чи ad-hoc-проектів? Чи є система квитків для цього?”
Чому це важливо: У компанії повинен існувати встановлений процес визначення пріоритетів завдань та ad-hoc-проектів, чи то через систему управління проектами, таку як Trello, Jira, Asana, чи іншу систему приорітазації задач та управління проектами. Має бути керівник, який допоможе вам визначити важливість кожного завдання і переконатися, що ніякі запити не втрачаються.
Без чіткої системи приорітазації задач та без відведеного часу для вирішення ad-hoc-задач ви вигорите (burn out), намагаючись відслідковувати кожен запит. Відсутність визначення пріоритетів вплине на якість вашої роботи та ваше задоволення роботою.
🚩Піу-віу Маячок 2: Відсутність чіткого кар’єрного шляху.
Питання, які ви повинні задати своєму собесіднику: “Як виглядає типова кар’єрний шлях для людини на цій посаді? Що робили попередні аналітики даних на цій посаді?”
Чому це важливо: Якщо компанія не може визначити, як аналітики даних ростуть або просуваються в організації, це може означати обмежені можливості кар’єрного росту. Ви можете вирішити прийняти роботу і вчитися якнайкраще, але якщо ви хочете просуватися за межі цього рівня, вам, можливо, доведеться знайти роботу в новій компанії протягом кількох років.
🚩Піу-віу Маячок 3: Відсутність технічних обговорень.
Питання, які ви повинні задати (залежно від ролі, на яку ви співбесідуєте):
- Як ви забезпечуєте якість даних в своїй організації?
- Як ви забезпечуєте конфіденційність даних?
- Які правила та норми дотримується ваша організація, щоб забезпечити відповідальне використання даних?
- Які програми для аналізу даних ви використовуєте щоденно?
Чому це важливо: Принаймні один з інтерв’юерів повинен бути в змозі послідовно обговорювати аналіз даних та найкращі практики з вами, включаючи відповідальність за дані в організації та правила, що стосуються конфіденційності, їхніх програм для аналізу даних і те, як/коли вони передають технічні знання з нетехнічними колегами.
Якщо ніхто в команді не може обговорювати технічні питання з вами, це може означати, що ваш керівник та колеги не мають достатніх технічних знань для того, щоб вами керувати. Це особливо шкідливо, якщо ви новачок і потребуєте додаткового наставництва(mentorship). Це також може свідчити про те, що компанія не дотримується належного ведення даних чи не має належних практик.
🚩Піу-віу Маячок 4: “Лише Excel” аналіз.
Питання, які ви повинні задати: “Які програми для аналізу даних ви використовуєте щоденно? Коли ви запитуєте дані в аналітика, у якому форматі ви просите їх надсилати?”
Чому це важливо: Хоча Excel може бути корисним для деякого аналізу даних, якщо ви не знайомі з більш високорозвинутими інструментами (SQL, Python, R), це обмежує ваш потенціал зростання. Подібно до Піу-віу Маячок 2 — це може означати, що в цій організації немає можливості розвиватись.
Коли я проходив співбесіду на свою поточну роботу, мені сказали, що я буду регулярно використовувати Power BI та SQL, що не так — колеги головним чином просять та аналізують дані у форматі Excel. Якби я запитав під час співбесіди, які саме системи використовують колеги і як вони хочуть отримувати дані, я міг виявити цей Піу-віу Маячок. Навіть якщо Power BI доступний у вашій організації, це не має значення, якщо його ніхто регулярно не використовує або не підтримує базу даних.
🚩Піу-віу Маячок 5: Відсутність чіткого процесу введення в обов’язки.
Питання, які ви повинні задати:
- “Який процес введення в обов’язки у вас існує?”
- “Хто навчить мене використовувати програмне забезпечення для аналізу даних?” (Якщо вони називають когось, хто вас навчатиме):
- “Чи мають вони час і можливість допомагати мені, коли у мене є питання?”
Чому це важливо: Якщо вам не можуть відповісти, хто буде вас навчати, як довго це займе час та на яких системах вас будуть вчити, це може свідчити про те, що компанія неорганізована і/або не має визначеної особи для навчання нових працівників. Члени персоналу можуть отримати завдання навчати вас, коли в них немає часу або можливості це робити, що призводить до неприязного відношення (і досить неефективних та неінформативних сесій навчання). Або, ще гірше, можливо, очікується, що ви будете навчати себе без належного керівництва.
🚩Піу-віу Маячок 6: Зайва кількість несподіваних запитів.
Питання, які ви повинні задати:
- “Як багато ad-hoc запитів для цієї посади опрацьовують щотижня?”
- “Приблизно який відсоток часу аналітик даних витрачає на опрацювання ad-hoc запитів?”
- “Звідки надходять запити?”
- “Чи є ще які-небудь аналітики даних, які допомагають розподілити обсяг запитів?”
Чому це важливо: Несподівані запити, або “витягування даних” в останній момент, є неприємним завданням для багатьох аналітиків даних. Хоча співробітники можуть вважати, що вони ставлять перед вами “швидке і легке прохання”, це малоймовірно. Важливо знати обсяг ad-hoc запитів та чи було це важко для попереднього аналітика даних опрацювати такий обсяг запитів. Також корисно знати, звідки надходять запити на дані, щоб визначити обсяг і терміновість — наприклад, чи запити надходять лише від колег у вашому підрозділі, чи вони надходять від інших відділів (чи навіть ззовні вашої компанії)?
Якщо вашою основною задачею є обробка постійного потоку ad-hoc запитів, у вас може не бути часу на глибокий аналіз або професійне навчання. Це означає, що ви будете переходити від одного термінованого запиту до іншого, не маючи часу для автоматизації систем, підвищення професійних навичок або розмірковування про вашу робочу методологію.
Мінімум, переконайтеся, що у компанії є система контролю завдань (task-manager) та (найкраще) інші аналітики даних, які допоможуть вам у кризових ситуаціях.
🚩Піу-віу Маячок 7: Нереалістичні очікування – Компанія очікує, що одна людина буде “єдиноріг-даних (data-unicorn)”, і/або інтерв’юер не може чітко визначити роль і завдання, які вам дадуть.
Питання, які ви повинні задати: “Якими системами повинен володіти аналітик даних на цій посаді? Які ваші довгострокові цілі щодо використання аналітики даних?”
Чому це важливо: Деякі компанії можуть очікувати, що ви будете експертом у кожній сфері технологій/аналізу даних (від збору даних до очищення даних, статистичного аналізу, машинного навчання, візуалізації даних) — так званий “єдиноріг-даних”. Це може означати, що компанія не знає, чого саме вона потребує, і/або що у неї немає чітких цілей того, що вона хоче досягти з аналітикою даних.
Якщо компанія не чітко визначає обов’язки роботи, це означає, що компанія неорганізована, і вони не ретельно планують роботу. Їм може здаватись, що аналітик даних виконуватиме завдання ІТ, через те, що вони не розуміють відмінності, або у них не вистачає персоналу. Однак у будь-якому випадку вам не захочеться бути на одному боці їх некомпетентності.
Загальні думки
Вищевказані червоні прапорці базуються на моєму особистому досвіді та досвіді інших аналітиків даних. Тим не менш, ви можете вирішити, що деякі з них можна проігнорувати для нової робочої можливості. Наприклад, ви можете вирішити, що ви готові прийняти роботу з обмеженими можливостями кар’єрного зростання, якщо це дозволяє вам крокнути в сферу аналітики даних. (Повна відкритість — я зробив цей крок, коли отримав свою першу роботу в аналітиці даних, оскільки мені було настільки необхідно розпочати працювати в сфері технологій. У мене змішані відчуття щодо цього рішення і, можливо, я б цього не зробив знову.)
В будь-якому випадку, я раджу записати вищевказані питання і приймати їх із собою на наступну співбесіду. Якщо роботодавець не може чітко сформулювати ваші обов’язки або як ви повинні пріоритетизувати завдання, задавайте більше питань, щоб дізнатися, чи є ця робота насправді підходящою для вас. Трошки незручностей через декілька додаткових питань на етапі співбесіди може врятувати вас від років у тупиковій або виснажливій роботі.
Зміст зовнішніх матеріалів не обов’язково відображає думки або роботу Maven Analytics чи будь-якого з її членів команди.
Ми віримо в підтримку навчання протягом усього життя, і наша мета — надати платформу для спільноти даних для обміну своєю роботою та отримання зворотного зв’язку від сім’ї даних Maven Analytics.
Щасливого навчання!
Команда Maven
ОРИГІНАЛ СТАТТІ:Red Flags to Watch Out for in Data Analyst Job Interviews
АВТОР СТАТІ:MargaretEfron
🚀Долучайтесь до нашої спільноти Telegram:
🚀Долучайтесь до нашої спільноти FaceBook:
