はじめに
弊社の採用希望者やパートナーの参画候補者との面談時におけるスキルチェックの観点をまとめてみました。
弊社の職務について
どのような採用の話をするので、具体的にどのような職務を募集しているのかを先に紹介します。
弊社では、おおまかに以下のような職務を定義しています。
-
データエンジニア
-
SQL,Pythonなどを使用したデータマートの作成や集計業務の実施
-
下位職
-
分析プロジェクトリーダー
-
分析プロジェクトのマネジメント業務
-
マネジメント特化型
-
分析コンサルタント
-
データ分析を用いたコンサルティング業務やデータドリブン組織の構築・運用の支援
-
ビジネス特化型
-
MLエンジニア
-
機械学習を用いた高度分析の実施やソリューション開発
-
データサイエンス特化型
-
データサイエンティスト
-
分析プロジェクトリーダーとデータ分析コンサルタントとMLエンジニアのハイブリッド
スキルチェック観点について
前述の職務への適性を見極めのために、面談者のスキルを次のような観点で確認します。
実際には候補者の経歴によって都度変えているので、ここに抜粋した内容はあくまで一例です。
一般に明確な正解が定まっていないようなものもありますが、当人がどのように考えたのかを重視しています。
特に、分析に関しては、勉強会やスクール、Qiitaなどと初学者が情報を得る手段が多く、結構手軽にGit等のアウトプットを偽造できることもあり、質問で内容の精査が結構重要です。
全般
-
弊社or本プロジェクトを志望した理由
-
これまで行ってきた分析関連の職務経歴について
-
チームでプロジェクトを進めてきた経験とその時の規模・立場
-
使用したツール
-
担当した工程
-
最近興味のある技術、プロダクト、サービス
エンジニアリング
- SQL、Pythonの利用経験
- Spark等分散処理系のソフトウェアの利用経験
- AWSやGCP等のクラウドコンピューティングの知識
- 機械学習ソリューションの開発経験
- 使用したソフトウェアの選定方法
- テスト設計
- 実装時に工夫した点等
分析
- ExcelやBIによる分析経験
- N週or１か月のアウトプット量
- 得意な分析手法
- 新しい技術のキャッチアップ方法
- これまで扱ってきたデータの規模
- 使用したミドルウェアやライブラリ
- 扱うための工夫
- データの前処理
- 特徴量設計
- ハイパーパラメータチューニング
- モデルの評価
- 分析結果の品質担保
マネジメント
- マネジメントしたチームの体制
- どのようにマネジメントを行ったか
- 設定していた会議体
- 使用していたツールや作成したドキュメント
- マネジメントの中で特に意識したこと
- アジャイルやスクラムの経験
- 仕様変更にどのように対応したか
- 業務の効率化、ナレッジの属人化への対応
ビジネス
- クライアントの分析に対する期待値コントロール
- カスタマージャーニーやKPI等の設計経験
- データドリブンな組織・体制の構築
- 分析(あるいはモデル)の要件定義
- 手法選択の基準
- モデルの精度指標とビジネス指標の擦り合わせ