O co pytać na rozmowie o pracę?

W tym poście znajdziesz pytania, które warto zadać podczas rekrutacji na stanowiska takie jak Analityk Danych czy Data Scientist, aby dowiedzieć się czy praca w danej firmie to rzeczywiście coś, czego szukasz.

Organizacja firmy i zespołów

1. Ile osób w firmie jest zatrudnionych do pracy z danymi.

Całkiem inaczej wygląda organizacja pracy w firmie, w której pracują 2 osoby odpowiedzialne za dane w porównaniu do firmy, gdzie jest ich 50. Jeżeli danymi zajmują się pojedyncze osoby to prawododobnie są one „od wszystkiego” – są odpowiedzialni za cały proces od zbierania danych, dokumentacji, ich czyszczenia i końcowej analizy. Jeżeli jest 50 osób, prawdopodobnie spotkasz się z dużo większą specjalizacją w obrębie stanowiska, lepszą organizacją czy istnieniem wewnętrznych procedur.

2. Jakie istnieją pozycje w firmie powiązane z pracą z danymi.

Inne pozycje determinują jak wygląda twoje stanowisko pracy. Inaczej się pracuje jako analityk danych, gdy w firmie są inżynierzy danych, bo to oni przejmują wtedy zadania powiązane ze zdobywaniem danych i zarządzaniem bazą danych. Ważnym rozróżnieniem dla analityka będzie czy firma utrzymuje osobne stanowiska DA i DS , czyli czy rozróżnia projekty analityczne od projektów data science. Im więcej odrębnych stanowisk tym większa specjalizacja każdego z nich.

3. W jaki sposób osoby pracujące na danych są podzieleni na zespoły. Czy są oni zorganizowani w jeden centralny zespół, są podzieleni na osobne zespoły analityczne, czy może pracują indywidualnie będąc częścią zespołów biznesowych. Do jakiego zespołu będziesz przypisany/a.

Różnica będzie dotyczyć przede wszystkim poziomu współpracy między pracownikami. Jeżeli jesteś częścią mniejszego technicznego zespołu to zazwyczaj masz większe wsparcie na codzień od innych osób technicznych, np. masz z nimi regularne spotkania podczas których możesz przedyskutować swoje zadania. Jeżeli jednak jesteś częścią centralnego zespołu technicznego, do którego należą wszystkie osoby w firmie pracujące z danymi, to może być ich za dużo na efektywną kolaborację. Osoba pracująca z zespołem biznesowym, w którym jest jedyną osobą od danych, często musi charakteryzować się większą samodzielnością czy decyzyjnością w pracy i może mieć na codzień mniej wsparcia technicznego.

4. Do kogo będziemy bezpośrednio raportować – czy jest to osoba techniczna, czy osoba biznesowa. Jeżeli jest to osoba techniczna, jaki jest background tej osoby – czy pracowała na tym samym stanowisku co my czy pokrewnym.

Przełożony techniczny może bardziej zrozumieć niuanse naszej pracy i pomóc w rozwiązaniu bieżących problemów.

5. Czy będziemy mieć wsparcie techniczne i jeżeli tak, kto będzie tą osobą – przełożony, osoba z naszego zespołu czy osoba poza zespołem. Jak będą oceniane nasze umiejętności techniczne przy cyklicznych ocenach naszej pracy.

Kwestia szczególnie istotna, gdy jesteś juniorem lub osobą początkującą i będziesz regularnie potrzebować wsparcia technicznego.

6. Czy będziemy przypisany do jednego tematu biznesowego (np. będziemy analizować tylko dane marketingowe), czy będziemy zajmować się różnymi tematami w firmie.

Tutaj zależy od twoich preferencji – czy lubisz zajmować się jednym tematem, i to jeszcze takim do którego będziesz przypisany, czy lubisz podejmować różne wyzwania i analizować wiele różnych danych.

7. Czy jest w planach reorganizacja zespołów data w najbliższym czasie.

Być może zatrudnianych jest właśnie mnóstwo analityków, zespół centralny jest rozdzielany na mniejsze zespoły, albo planowane są inne zmiany, które będą miały wpływ na twoją pracę.

Technologie

8. Jakie technologie i narzędzia są używane w firmie.

9. Jakie technologie i narzędzia będę używać na swoim stanowisku.

Zauważyłam, że warto rozróżnić dwa powyższe pytania, żeby być pewnym z czym dokładnie my będziemy mieć do czynienia.

10. Ile procent czasu będę spędzać na danej technologii.

Jeżeli podczas rozmowy rekrutacyjnej dowiadujesz się, że będziesz pracować na excelu, SQL i pythonie, to warto doprecyzować jak procentowo rozkłada się praca na każdej z tych technologii. Może się wtedy okazać, że 90% czasu jest to praca z excelem, a SQL i python jest tylko dodatkiem.

11. Czy będziemy mieć wybór jakiej technologii używamy.

Pytanie ważne dla bardziej doświadczonych graczy, którzy mogą mieć już preferencje co do narzędzi na jakich pracują.

12. Czy są plany na zmianę technologii w najbliższym czasie.

Dane

13. Jakie jest główne źródło danych.

14. Jak wygląda jakość danych.

Warto wiedzieć w jakim bagienku będziemy się kąpać 🙂

15. Kto czuwa nad czystością danych i czy istnieją systemowe rozwiązania pilnujące jakości danych.

Warto tu wspomnieć, że problem z jakością / czystością danych ma miejsce w praktycznie w każdej firmie i zawsze do jakiegoś stopnia sprzątanie danych jest częścią pracy DA lub DS. Mimo wszystko, istnieje ogromna różnica gdy przełożeni są przynajmniej świadomi jak istotnym aspektem pracy jest jakość danych oraz gdy firma podejmuje jakiekolwiek środki do dbania o tą jakość. Może być to np. pilnowanie dokumentacji, tworzenie analitycznych tabel lub utrzymywanie stanowiska Analytics Engineer.

16. Czy jest rozróżnienie między produkcyjną a analityczną bazą danych.

W tzw. data-driven companies nierzadko możemy spotkać się z rozróżnieniem między dwoma typami baz danych: produkcyjną oraz analityczną. Produkcyjna baza danych służy do zapisu i odczytu danych w celu podstawowego funkcjonowania firmy, np. rejestracji i logowań użytkowników sklepu. Analityczna baza danych zawiera takie same dane jak baza produkcyjna, ale służy do celów analitycznych, np. robieniu dashboardów. Rozróżnienie wynika stricte z kwestii technicznych – analityczne bazy danych są oparte na innych technologiach (przykładem jest Snowflake), które umożliwiają szybsze wyciąganie dużych wolumenów informacji niż tradycyjne DB (jak PostgreSQL). Istnienie odrębnych baz danych zazwyczaj świadczy o dojrzałości firmy pod względem podejścia do analizy, sprzyja szybszej i wydajniejszej pracy analityków, a także umożliwia lepszą organizację danych w ramach tworzenia tabel analitycznych.

Projekty

17. Czy praca polega na rozwiązywaniu krótszych zadań czy jest pracą projektową.

Praca projektowa sprzyja samodzielnym rozdzieleniem projektów na krótsze zadania i większą możliwością rozplanowanie ich w czasie.

18. Jaka jest częstotliwość ad-hoców.

Ad-hoci, po polsku określane wdzięcznym słowem wrzutki to zadania, które pojawiają się znienacka. Odpalamy laptopa rano w pracy i nagle dostajemy wiadomość „potrzebuję tego i tego”, zazwyczaj NA JUŻ (słynne ASAP). Wrzutki zdarzają się praktycznie w każdej organizacji, ale ważna jest częstotliwość – czy będziemy się z nimi spotykali codziennie czy raz na miesiąc?

19. Ile osób pracuje nad jednym projektem.

Jeżeli jest to kilka osób, to czy są to osoby na tym samych stanowiskach (kilku DA pracuje nad tym samym projektem) czy na różnych (np. DA pracuje z DS).

20. Ile średnio trwa jeden projekt.

Jest różnica, gdy jesteśmy przypisani do projektu na 3 miesiące vs gdy musimy pracować nad jednym projektem 2 lata 🙂

21. Nad iloma projektami się pracuje w jednym czasie.

22. Czy będziemy dedykowani tylko jednemu specyficznemu projektowi.

Czasami projekt jest na tyle duży, że nowy pracownik będzie dedykowany tylko temu jednemu projektowi. Ważne pytanie, bo chyba nie chcemy wylądować w firmie przypisani do projektu, który w ogóle nam nie leży? Jeżeli istnieje taki projekt to warto też się spytać na jakim jest on etapie – będzie uruchamiany od nowa, czy ktoś już nad nim pracował?

23. Jak wygląda utrzymywanie projektów.

Zrobienie projektu to jedno, jego utrzymywanie to kolejna rzecz. Kto się tym zajmuje? Czy osoby pracujące w firmie biorą pod uwagę jak ma to wyglądać?

24. Czy projekty są wewnętrzne (służą firmie) czy zewnętrzne (są robione dla klientów firmy, np. w przypadku software housów). Jeżeli są zewnętrzne, kto będzie odpowiedzialny za ich prowadzenie i kontakt z zewnętrznymi klientami.

Mówimy tu o trochę innym poziomie stresu, gdy pracujemy dla zewnętrznych klientów i poniekąd stajemy się twarzami firmy.

25. Kto jest odpowiedzialny za wymyślanie projektów, priorytetyzację zadań i rozmowy z osobami biznesowymi.

 Czy jest project manager, przełożony czy też będzie to należeć do naszych obowiązków.

26. Ile projektów jest wdrażanych na produkcję.

Inaczej: z ilu skończonych projektów firma rzeczywiście korzysta. Pytanie ważne przede wszystkim dla DSów, ponieważ często ich praca ląduje w koszu jako “niezbyt wystarczająca na produkcję”. Potrafi być to naprawdę demotywujące, dlatego warto dowiedzieć jakie są dotychczasowe statystyki – jeżeli do tej pory żaden projekt nie został wdrożony, to musimy niestety liczyć się z tym, że prawdopodobieństwo, że i nasze projekty wylądują w koszu jest większe.

Pytanie ekstra dla DSów: Czy projekty są bardziej researchowe czy wdrożeniowe.

Projekty z data science można pokrótce podzielić na te bardziej researchowe, które polegają na większej pracy nad samymi algorytmami i na projekty wdrożeniowe, które skupiają się na automatyzacji pipelinów i wrzucaniu rozwiązań na produkcję. Praca researchowa i wdrożeniowa trochę inaczej wygląda (pisałam o tym temacie w artykule o DA, DS i MLE), więc jest to kolejne istotne zagadnienie.

Codzienność

27. Jak wygląda onboarding i wdrożenie do projektów? Czy jest utrzymywana dokumentacja?

28. Jak wygląda współpraca z innym osobami technicznymi/z zespołu. Czy jest używana kontrola wersji i proces peer review?

29. Ile jest regularnych spotkań z zespołem i przełożonym, jak one wyglądają?

30. Ile średnio godzin się spędza na spotkaniach w ciągu tygodnia?

31. Jak jest oceniana nasza praca?

32. Czy jest miejsce na rozwój, awans, zmianę stanowiska lub naukę nowej umiejętności?

Macie jakieś dodatkowe pytania, które pomagają zrozumieć specyfikę pracy? Koniecznie podzielcie się w komentarzu!

keywords: analityk danych, analityk danych co trzeba umieć, analityk danych jak zostać, analityk danych jak zacząć, analityk baz danych, analityk danych co to znaczy, co robi analityk danych, analityk danych co to, analityk danych kurs online, analityk baz danych jak zostać, analityk danych it, analityk danych it kurs online, analityk danych a programista, analityk danych czy warto, analityk danych kurs online, analityk danych zarobki, analityk danych praca, analityk danych praca, analityk danych staż, analityk danych studia, analityk danych bez doświadczenia, analityk danych a analityk biznesowy, analityk danych bez doświadczenia, analityk danych co musi umieć, analityk danych ile zarabia, analityk danych junior, analityk danych obowiązki, analiza, analiza danych, analizowanie danych, big data, dane, data analyst, data science, excel, jak zostać analitykiem danych, kursy analizy danych, nauka excela, nauka programowania, nauka SQL, power BI, przebranżowienie, przebranżowienie do IT, SQL, data scientist, data scientist jak zostać, kto to jest data scientist, data scientist kto to, co robi data scientist, data science blog, data science czym się zajmuje, data scientist jak zacząć, data scientist opis stanowiska, data scientist jak zacząć, data science jak zacząć, rekrutacja, rozmowa rekrutacyjna, data science pytanie, data scientist pytania rekrutacyjne, data scientist pytania, data scientist oferty pracy, data scientist obowiązki, data scientist wykop