Recruiting for Data Science招聘数据科学家：超越“独角兽”

在招聘数据科学家时，试图寻找一个在领域知识、分析技能、讲故事能力等方面都完美无缺的人才（即“独角兽”）是徒劳的。公司应该关注申请人与公司文化的共鸣和非技术特质。

---

1. 招聘数据科学家的关键非技术特质

分析技能可以教授，但某些核心人格特质难以培养。如果必须有一个优先级，应首先考虑以下方面：

核心软技能

1. 好奇心 (Curiosity): 这是最重要的特质。他们是否对数据科学以及视野内的一切事物（如房间布置、书架上的书）都充满好奇心。
2. 幽默感 (Sense of Humor): 具备轻松的心态。过于严肃的人可能无法看到事物中轻松的一面，无法灵活应对问题。
3. 叙事能力 (Storytelling Skills): 能够发现数据中存在的故事，并用引人入胜的方式传达所发现的结果。

💡 观点: “我教不了好奇心，教不了讲故事，当然也无法给任何人灌输幽默感。” 因此，即使技术技能有欠缺，只要有希望或潜力，就可以通过培训弥补。

沟通与人际关系

• 可亲性 (Relatability): 数据科学通常是一个较新的角色，要求从业者能够建立关系并与不同部门协作。
• 影响： 人们并不真正在乎 $R^2$ 或置信区间。数据科学家必须以引人注目的方式介绍和解释这些发现。

---

2. 数据科学团队的组建与角色定位

在招聘之前，公司需要明确期望从数据科学团队中获得什么，并根据所需角色来招聘人才。

团队的重要性

• 公司需要的是一个团队，而不是一位单独的数据科学家。
• 随着团队的成长，需要考虑是需要更多的工程师、架构师、可视化设计师，还是只需要更多能进行大规模矩阵运算的人。

技术技能的层次和平台选择

技术技能并非唯一标准，但需要与特定的领域和工作类型匹配。

---

3. 沟通与故事的力量

沟通技巧或演示技巧（即讲故事的能力）与技术技能同等重要。

• 目标： 完成分析后，能否从中讲出一个精彩的故事？能否将庞大的表格综合简化，使其在屏幕上或文档中富有吸引力，让读者一目了然？
• 演示效果： 成功的演示应该像“开车在山上急转弯后突然看到壮丽山谷”一样，给人带来巨大的敬畏感（great sense of awe）。
• 赋能客户： 当你很好地传达了一个重要的发现时，人们会感到快乐，因为他们获得了新的、未曾预料到的洞察。这种新的知识赋予他们力量（empowers them），让他们知道可以如何利用这些新洞察。