Como NÃO contratar um Cientista de Dados

Um guia prático sobre como perder candidatos relevantes para sua vaga de Data Scientist

Photo by NeONBRAND on Unsplash

Algumas vagas de empregos são difíceis. Não difíceis de encontrar, mas simplesmente de entender mesmo. São vagas com descrições mais loucas que banguela em churrascaria, pedindo experiência na NASA e com três anos de estágio na Lua. Esses tipos de vagas são tão famosas que se tornaram uma página no Twitter e Facebook que fala só sobre elas.

Embora engraçado, essa triste situação se repete no meio tecnológico e, claro, em vagas de Ciência de Dados, o que ocasiona em um fenômeno que transforma uma alta expectativa inicial em uma frustração a curto prazo, para ambos os lados, tanto o candidato quanto o recrutador.

Motivação

O post de hoje é voltado tanto para candidatos, alertando-os sobre vagas que podem não ser tão atrativas assim e que provavelmente te darão dor de cabeça; assim como para recrutadores, ajudando-os a entender o que é necesário transmitir a um candidato no momento do processo de seleção. Para este segundo grupo, vale dizer que não quero ensinar padre a rezar missa. O que quero é passar minha percepção do que é importante saber da posição e da empresa no momento da abordagem ou aplicação para vaga.

Dito isso, aqui vão as minhas dicas sobre como NÃO contratar um Cientista de Dado:

Disclaimer: nesse post quero expressar a minha opinião sobre processos seletivos, tendo participado nas duas pontas: tanto como candidato, quanto como recrutador. Muitas das minhas dicas podem estar enviesadas, afinal, só posso falar da minha experiência. Sei que pessoas que estão desempregadas ou procurando recolocação do mercado podem não se dar ao luxo de seguir algumas dessas minhas dicas. Para essas pessoas: contem com o Data Hackers para te ajudar nessa fase.

Crie vagas mal definidas

Tenha certeza de que escreveu “Phyton” ao invés de “Python” na descrição

Que ideia excelente

Não há nada mais desanimador que uma vaga sem uma descrição correta sobre a posição que está em aberto. Eu, como candidato, quero entender que desafios eu vou enfrentar, funções que me serão atribuídas, ou sequer, o que esperam de mim. Quer um exemplo ruim? Aqui vai. Dê uma olhada nessa vaga:

Assistente é sacanagem

Eu não tenho ideia do porquê essa empresa precisa de Cientista de Dados. Na descrição da vaga não me diz nada sobre a empresa — que, inclusive, não tem nem foto de perfil — ; não me informa o motivo da necessidade desse tipo de profissional; e muito menos o que eles estão oferecendo para o candidato. Eu não tenho a menor vontade de me candidatar para essa vaga.

Outro detalhe que faz dessa vaga digna de um certo perfil no Twitter são os requisitos — básicos — que estão pedindo para um Analista de Dados/BI: Hadoop? Análise de Requisitos? ETL? Como diria o Allan Sene: “Só falta pedir para que esse cara também saiba falar em público”.

Eu, lendo a descrição da vaga

OK, você pode estar pensando: “Mas, eu faço essas coisas no meu trabalho e sou Analista” e eu concordo com você. Principalmente em startups pequenas, nós temos que vestir mais de uma camisa, e isso é normal. Eu passei por isso e muitos outros passam ou irão passar. Mas, aí eu vejo a frase: “Nível de Experiência: Assistente” e acho que esses caras só podem estar de sacanagem.

Como resolvemos isso?

Acho que o principal problema dessas vagas não é a quantidade e tipos de requisitos, afinal, você pode ou não acabar achando alguém que se enquadre. O pior problema é a falta de transparência sobre a vaga e a empresa. Eu não ligo de aplicar para vagas em que eu não tenho todos os requisitos, mas eu preciso saber em que estou me metendo. Eu quero saber que desafios enfrentarei no dia a dia; por que a empresa está precisando dessa vaga; que empresa é essa; e o que eles estão oferecendo. Eu não quero saber essas coisas posteriormente no processo, eu preciso saber antes de aplicar, caso contrário, irei procurar uma empresa que seja clara nesse ponto.

Por exemplo: veja essa vaga da Conta Azul: além de ser uma página de carreira da empresa — o que me permite entender um pouco mais sobre a cultura e dia a dia nela — , ela me descreve exatamente os pontos que critiquei acima:

Essa anúncio é um bom exemplo de vaga que responde ao candidato as seguintes perguntas:

  • O que vocês estão procurando?
  • Quem são vocês?
  • Qual(is) desafio(s) vocês me darão?
  • O que vocês estão procurando?
  • O que vocês estão oferecendo?

Aborde candidatos de forma errada

Elimine candidatos com um e-mail frio

Recrutadores tem metas, assim como qualquer um. Há empresas em que, durante um período (bimestre, trimestre, semestre) definem uma meta de contratação de profissionais. A partir daí, cria-se uma verdadeira corrida, uma vez que eles precisam encontrar gente relevante. Para ajudar recrutadores a encontrar profissionais, eles se equipam com várias ferramentas e serviços que os ajudam nessa tarefa, como o Linkedin Recruiter, o Opportunity, ou empresas especializadas em recrutamento, que procuram candidatos em redes sociais e grupos.

O problema é que, devido a necessidade de encontrar candidatos relevantes para área em um espaço de tempo curto — há empresas em que o processo seletivo demora até 3 meses — , recrutadores disparam mensagens padrões para dezenas de milhares de candidatos, e é aqui que reside o problema. Não é porque um processo é automatizado, que ele precisa ser impessoal.

Por exemplo, olhe a mensagem abaixo, ela é um exemplo de recrutador que me aborda no Linkedin. Esse, assim como muitos, me enviou uma mensagem totalmente padronizada e fria, com erros de gramática. Nem mesmo uma foto de perfil tinha.

Mensagem completamente padrão, não dizendo nada relevante sobre a empresa

E aqui vai uma dica a recrutadores: quando vocês estão abordando um candidato, existe a chance dele não estar procurando outras oportunidades. Para esses casos, você tem quase a obrigação de me dizer porque eu deveria considerar fazer seu processo seletivo, ou simplesmente responder seu e-mail. No caso acima, o recrutador me pede informações pessoais antes de me dizer sobre a empresa, ou pior, sobre a vaga. E, se você também é abordado dessa forma, minha dica é: cuidado. Não saia mandando seus contatos pessoais assim para empresas que nunca ouviu falar, ou que não está interessado. Houve um aumento súbito em golpes de recrutamento, e golpistas sabem como usar Linkedin também.

Não é só porque um processo é automatizado, que ele precisa ser impessoal

Como resolvemos isso

Eu entendo completamente que vocês — recrutadores — precisam abordar muitos e muitos candidatos por dia, mas isso não quer dizer que não possa usar a criatividade. Por exemplo, mesmo com o Linkedin fechado — quando você configura que não está procurando por oportunidades — eu ainda recebia contatos de recrutadores em meu perfil. Para diminuir esses contatos, eu criei essa mensagem logo no começo da minha descrição:

Mensagem a recrutadores em meu Linkedin

Só de fazer isso, eu já consegui filtrar muita coisa, mas ainda assim recebo cold emails, que mostra que o recrutador nem sequer leu meu perfil. Contudo, começaram a aparecer casos interessantes, onde esses profissionais adaptam o discurso para conversar comigo, que foi o caso da Anna-Marie:

Abordagem um pouco melhor

A partir do segundo parágrafo, eu tenho quase certeza que é uma mensagem padrão, mas veja como o primeiro parágrafo é criado especialmente pra mim. É curto, feito com pouquíssimo esforço, mas tornou toda essa mensagem mais pessoal. Essa recrutadora pelo menos leu meu perfil, o que me faz ficar mais inclinado a responder e ouvir o que ela tem a dizer.

Elabore desafios irrelevantes

Porque Kaggle é a melhor forma de testar um candidato

“Você passou para a próxima fase! Agora, faça esse desafio genérico.”

Uma vez estava conversando com o Anderson Amaral sobre nossas experiências com processos seletivos, desde os mais desafiadores até as pérolas que já tinhamos visto por aí — uma vez fiz um processo para Cientista de Dados onde parte da prova era quebrar a senha de um dataset.zip antes de usá-lo. Por um minuto achei que estava fazendo prova para a NSA — e, durante a conversa, concordamos em um ponto: desafios de Kaggle não são a melhor forma de testar as habilidades de um candidato.

Kaggle é a melhor plataforma para treinar e participar de competições de Machine Learning. Graças a ele, pessoas comuns, como eu, podem entrar no campo de Machine Learning e treinar com datasets, ver o trabalho que outras pessoas estão fazendo através dos Kernels, e interagir através das discussões. Contudo, ele não deve ser usado como uma forma única de classificar o potencial de um candidato.

Datasets de competições já vem com muitas features criadas e muitos deles já vem limpo até demais, o que não vai refletir a realidade do dia a dia do profissional, mesmo que ele passe 40 horas semanais criando modelos. Como sempre, gosto de ressaltar que Machine Learning é uma ferramenta. Você o utilizará para resolver alguns tipos de problema, enquanto outros não. Quando você quer contratar um Data Scientist, o que você deve testar nele é a capacidade de resolver problemas.

Como resolvemos isso

Acredite no seu potencial

Se você está procurando por um Cientista de Dados, é porque há um desafio que precisa ser encarado. Por que não apresentar esse desafio no momento da avaliação? Crie um ambiente que simule o problema e peça para que ele resolva, seja com Machine Learning, um arquivo Excel, ou com uma análise exploratória.

Esse Cientista de Dados vai passar mais tempo realizando análises? Faça uma prova baseada em análise de dados. Ele é quem vai ficar responsável por criar modelos preditivos? Crie um dataset real, com o contexto de seu negócio e peça para ele resolver — algumas informações confidenciais podem ser camufladas para evitar exposição exagerada dos dados. Essa pessoa irá trabalhar próximo a DBAs e/ou Engenheiros de Dados? Teste conhecimentos de modelagem de databases e pipeline de dados. O importante é criar um desafio que refletirá o que ele enfrentará no dia a dia, e não testar conhecimento em classificar a espécie de uma flor — a menos que ele vá trabalhar em uma floricultura.

Procure um Cientista antes de um Engenheiro. Sempre.

Porque Cientista de Dados são plug ‘n play

Quando você descobre quem foi o responsável pela contratação ruim

Quando você está estruturando uma área de dados em uma empresa, você terá um trabalho mais voltado a engenharia de dados do que ciência. Não é possível criar ciência sem estruturas. Antes de começar a plugar o Watson até na cafeteira, você precisa fazer um trabalho menos sexy: organizar seus dados.

O que isso quer dizer? Estou dizendo que antes de começar a fazer modelagem preditiva (prever receita, classificar usuários, etc.), você precisa garantir que seus dados estão sendo armazenados de forma correta, íntegra e consistente. E para isso, será necessário executar ações do bom e velho BI (lembra dele?), que vão desde normalização de dados até modelagem dimensional. Para esse estágio, a pessoa que você está procurando está mais ligado a habilidades de engenharia e modelagem do que predição e análise.

Com dados confiáveis, só então você poderá executar análises onde os resultados também sejam confiáveis.

Como resolvemos isso

Candidato, tenha certeza de como está estruturada a área de dados da empresa logo nos primeiros estágios do processo seletivo. Isso irá te ajudar a entender se você — caso faça parte do time — irá fazer mais do trabalho de um engenheiro ou analista de BI, do que o de um cientista. É importante alinhar essas expectativas para que todo esse processo não seja custoso e inútil para você.

O segredo desse estágio é alinhar as expectativas

Ser a primeira pessoa de dados em um time também pode significar algo bom. Caso você tenha definido na sua carreira que um dia quer chegar a uma posição de gestão, tomar essas porradas no início da estruturação de área e aprender a desenvolver estratégias e tarefas para mostrar valor será um bom gancho para chegar lá.

Por fim, esse tipo de desafio é ótimo para desenvolver outras habilidades na área de dados que, geralmente, não são atribuídas a Cientista de Dados. Mas, novamente, reforço aqui: para esse tipo de coisa dar certo, é preciso um alinhamento entre ambas as partes. Seu empregador PRECISA entender que é preciso organizar os dados da área antes de meter Machine Learning em tudo.


E aí, curtiu as dicas? O que mais acha que recrutadores fazem de forma errada na hora de contratar profissionais de dados? Me diga nos comentários. Se quiser conectar comigo, me adicione no Linkedin — não esquece de falar que você veio pelo blog — e me siga no Twitter para ficar sabendo de mais conteúdos sobre Ciência de Dados.