Рекрутинг інженерів із науковим бекграундом. Досвід VP Team

Усім привіт!

Вирішила конвертувати свій величезний нетворк у всьому світі у корисний контент. Тепер проводжу відкриті прямі ефіри з нашими спеціалістами, які працюють у великих компаніях, і разом із ними досліджую аспекти їхніх ролей: що від них очікують компанії, які хард та софт скіли важливі, які особливості найму в тих країнах, де вони живуть. Ефіри проводжу на Лінкедін-сторінці (вони всі зберігаються). Якщо у вас будуть побажання щодо питань чи спеціалістів, пишіть мені в особисті.

На DOU публікуватиму найважливіше з розмов.

У грудні говорила з Ольгою Миндюк, рекрутеркою із США, Vice President компанії J K Barnes. Її експертиза — у пошуку спеціалістів, здебільшого в минулому фізиків, математиків, які розробляють алгоритмічні стратегії торгівлі на ринку (equities, futures, options, all kinds of derivatives).

• Що відбувається на ринку кандидатів-інженерів зараз? Які спеціалісти потрібні компаніям, і з яким досвідом?

Зараз усе крутиться навколо штучного інтелекту та машинного навчання, і це, очевидно, також впливає на посади інженерів. Найчастіше я бачу запит на Data Engineers та Data Scientist. Але також чимало шукають Platform developers. І я б хотіла сказати, що дуже шукають Backend інженерів та DevOps.

Щодо наукового бекграунду, Data Engineers та Data Scientist в основному використовують свій досвід тут.

• Таких спеціалістів легше чи важче знайти? Як сучасний стан ринку праці впливає на найм у цій категорії?

Багато робочих місць скорочують, зокрема у сфері інжинірингу. Повертаючись до наукового бекграунду та робочих місць інженерів — хороші Data Engineers завжди важко знаходяться. Усе крутиться навколо даних, тому їхня якість повинна бути ідеальною, щоб будь-яка компанія змогла добре виконати свою роботу. В основному бекграунд у фізиці, в експериментальній фізиці зокрема, коли ви працюєте з великою кількістю різних даних, дуже корисний для людей, які переходять від наукової роботи до інженерної.

Я дивлюся, де кандидати працювали під час магістратури чи аспірантури. Наприклад, національні лабораторії проводять багато експериментів і мають справу з великою кількістю даних. Вони знають, як обробляти дані, вони знають статистику, і вони точно вміють програмувати, хоча для вчених неочевидно бути хорошим програмістом спочатку. Це ще одна навичка, яку потрібно засвоїти. Я точно знаю, що люди, які проводили експерименти з великими наборами даних, уміють програмувати на Python. Вони дуже добре розуміють якість даних, і, можливо, працювали з бібліотеками штучного інтелекту, і також використовували їх.

Я розглядаю будь-який досвід у національних лабораторіях або можливо навіть теоретичних фізиків насправді. Коли ми розглядаємо інженерію та data інженерів, багато компаній насправді дуже раді наймати людей, які мають досвід у технологічних компаніях, таких як Amazon, Facebook та GitHub, оскільки вони точно мають справу з дуже схожими даними.

• Як їх мотивувати змінити свою роботу в лабораторіях на роботу в компаніях?

Очевидний факт — це компенсація. Зараз багато фінансових компаній не відповідають рівню компенсації в таких місцях, як Google. Однак, якщо ви переходите з академії в таку компанію, зарплата, безперечно, буде вдвічі чи втричі більшою.

Іншою мотивацією є те, що люди переходять із наукового/академічного середовища, зокрема фінансової індустрії, тому що є можливість бачити результати швидше. Працюючи в академії, вони зазвичай не мають жорстких термінів. Тут же вони бачать результати швидше, рухаються швидше, вчаться думати більш практично. Замість того, щоб створювати красиву абстрактну роботу, навчаються, як пов’язувати проблеми та їх результати з реальним життям. Це, безумовно, мотивація. Я думаю, матеріалізація цієї абстрактної ідеї і бачення продукту в роботі також були б великою мотивацією.

Проте є речі, про які вам потрібно знати у фінансовій індустрії — там дуже швидкий темп, і звільнення відбуваються часто. Тому це нестабільна робота. Якщо ви працюєте у більш академічному середовищі, то це буде стабільніше.

• Чи можеш ти навести якісь цифри?

Це залежить від багатьох факторів. Якщо ви збираєтесь працювати в стартапі у фінансовій індустрії або технологіях, вам доведеться бути готовими працювати за менше грошей, але для подальших інвестицій.

Не кожен спеціаліст погодиться з такою установкою. Ви повинні бути готові, що це будуть злети і падіння. Ніколи не знаєш, чи витримає стартап цю шалену конкуренцію.

Якщо ми говоримо про вже створену компанію, ви можете легко отримати, на прикладі досвідчених інженерів, високі шестизначні цифри.

• На що менеджери повинні звертати увагу при визначенні вимог (у job description) для таких спеціалістів?

Це дуже важливе питання. Скажімо, спочатку, коли інженери шукають роботу, яка була б гнучкішою, вони дивляться на вакансію і кажуть: «Добре, я знаю це, я це вивчу, і це окей». Вони не намагаються так сильно прив’язуватися до конкретних вимог, для них дуже детально описані конкретні вимоги не такі важливі. Для людей, які мають більше досвіду, це важливо, оскільки вони хочуть зрозуміти, що «так, це те, де я найсильніший, і тут я принесу найбільшу цінність».

Рекомендації для компаній: коли мова йде про більш досвідчені ролі, важливо бути більш конкретними щодо проєктів, які вони будуть робити та для чого ці проєкти будуть використовуватися. Я б зосередилась більше на описі проєкту, який потрібно виконати (що вони будуть створювати, який продукт буде результатом їхньої роботи, який потенційний ріст від цього продукту).

Також дуже добре додати до опису інформацію, куди людина може розвинутися з цієї конкретної ролі.

Як правило, важливо вказати необхідні навички та навички, які «приємно мати».

Я б не ставила хард скіли у такі жорсткі рамки в описі з припущенням про те, що «я впевнений, що ви достатньо досвідчені, щоб вивчити ці навички», але, звичайно, вони є важливими.

Підсумовуючи, переконайтеся, що ви описуєте, який продукт буде результатом роботи, будьте «легшими» на хард скілах і залиште трохи місця для навичок, які «приємно мати». Загалом інженери цінують можливість дізнатися щось нове під час роботи.

• Чи справді зараз багато звільнень? Як це впливає на інженерів із науковим бекграундом?

Звільнення, у певному сенсі, також корисні для компанії, оскільки дозволяють їй переосмислити те, куди вона йде, і начебто приносять нову кров. Це непотрібне зло, яке є у галузі. Але я думаю, що звільнення багато в чому пов’язані з сезонністю, особливо у США. Під час компенсаційного сезону відбувається більше звільнень. Сезон компенсацій припадає приблизно на січень-лютий, коли люди одержують бонуси.

• Вони звільняють, щоб не платити премії?

Це дуже погана практика, і хороші компанії цього не роблять. Але це час року, коли вони планують наступний рік.

Якщо результативність компанії не дуже велика, існує велика ймовірність, що працівники не отримають своєї премії.

Загалом, не пов’язані з сезонністю компенсації, звільнення відбуваються з кількох причин:

• багато речей автоматизується,
• результативність компаній завжди є чудовим показником для звільнень (особливо у фінансовій галузі),
• аутсорсинг.

Компанії, які перебувають у режимі економії, безперечно, подумають про аутсорсинг і звільнять деяких спеціалістів, які перебувають у більш оплачуваних регіонах. Тому багато компаній відкривають офіси в Туреччині, Вірменії, Україні — в місцях, де вони знають, що можуть залучити хороших спеціалістів, але за менші гроші.

• Про звільнення. У США ви приходите на роботу на наступний день, і ваш менеджер каже, що ви звільнені. Люди приймають це особисто чи ні? Чому в США це не так особисто, як в Україні?

Це культурна причина. Ми виросли в ментальності, де люди навколо нас працюють на одній роботі все своє життя.

Якщо ви живете у великих містах — ви живете у середовищі можливостей, які швидко змінюються. Щоразу, коли ви отримуєте нову можливість, ви скористаєтеся нею. Так менталітет зазвичай працює у США.

Але, звісно ж, це нікому не приємно, і пошук роботи — дуже виснажливий процес.

• Що повинна мати компанія в своєму EVP, щоб зацікавити таких кандидатів?

Що далі, то важливішу роль має культура всередині компанії. В цілому, я, можливо, навіть сказала би, не культура, а загальний рівень щастя людини в компанії. Іноді люди можуть отримувати дуже хорошу компенсацію, але все ж нещасливі на роботі й шукають щось інше. Іноді вони навіть просто переходять на іншу роль із меншою компенсацією, але вони будуть щасливіші там.

У цілому, пропозиція компанії — це «ми піклуємося про вас, ви будете щасливі тут».

Переконайтеся, що людина розуміє, що коли вона прийде в компанію, її будуть поважати, вона буде цінуватися, тут буде середовище співпраці.

Добре мати переваги, такі як можливості навчання, особливо для молодих спеціалістів. Вони повинні розуміти, що зможуть отримати певні переваги, які дозволять їм продовжити навчання або отримати певний сертифікат. Це також важливо і має бути частиною ціннісної пропозиції.

Інша річ — розуміння того, що існує хороший баланс між життям і роботою: «Ми очікуємо, що ви будете виконувати роботу високої якості, але ми також поважаємо ваш me time. Ми хочемо, щоб ви були щасливі у багатьох аспектах».

• Як об’єктивно оцінити експертизу на етапах найму?

Якщо я розмовляю з кимось із науковим бекграундом, мені справді буде щиро цікаво поговорити про його проєкт із наукового минулого. І я хочу почути легке для розуміння пояснення цього проєкту. Якщо людина здатна на це, і вона згадає свій проєкт, це дуже хороший знак.

Під час співбесіди у нас є частина, яка зазвичай є оцінкою take home coding, або вправою з кодування, яку ви виконуєте вдома.

Я спостерігаю тенденцію: що вищий рівень спеціаліста, то більше він не хоче отримувати кілька take home завдань, він краще поговорив би 1-on-1. Добре, коли роботодавець гнучкий, і може запропонувати не лише take home завдання: із кимось дуже досвідченим краще це пропустити і провести співбесіду з програмування.

Також ставте відкриті запитання на співбесіді. Щось, що не вимагає точних знань. На одне і те ж питання кожен відповість по-різному, і таким чином ви почуєте, як людина мислить про процеси.

Інженерам часто ставлять питання про структури даних та алгоритми, і це хороша практика для роботодавців — не очікувати, що вони зможуть написати ваш ідеальний код, а дати вам хороший алгоритм.

Які загальні тенденції в наймі ти бачиш у США та глобально? Куди рухається галузь?Я думаю, що деякий час буде трендом, звісно, машинне навчання та робота з великою кількістю даних. А також спроби впровадити машинне навчання у певні існуючі процеси, щоб зробити його більш оптимальним та відкрити для себе нові речі, які ви не змогли б відкрити без ШІ.