Ищем специалистов по данным: аналитиков, BI-аналитиков, дата-инженеров и инженеров машинного обучения. Разбираем, с какими данными человек работал, какие решения принимались на их основе и что он делал с грязными и неполными выгрузками.
Отчётность собирается вручную в таблицах, цифры в разных системах расходятся, и на совещании обсуждают не решение, а то, чей отчёт верный.
Аналитик приходит, получает доступ к данным и полгода разбирается в структуре, потому что документации и владельцев данных нет.
Нужен специалист «по данным» — и непонятно, кто именно нужен: аналитик, BI-аналитик, дата-инженер или инженер машинного обучения.
Модель построена, но в работу её не внедрили: результат живёт в блокноте исследователя и до продукта не доходит.
Закрываем позиции в продуктовых компаниях, ритейле, финтехе, производстве и внутренних аналитических подразделениях. Если требуется аналитик, который описывает требования к системам, смотрите подбор системных аналитиков →
Полчаса разговора: какие вопросы нужно закрывать, где лежат данные, кто ими владеет, какие инструменты уже используются. Сразу говорим, специалист какого профиля вам действительно нужен.
Фиксируем требования, стоп-факторы и вилку. Публикуем вакансию, поднимаем базу и идём в прямой поиск по профильным сообществам.
Звоним, разбираем реальные задачи и мотивацию, сверяем ожидания. Присылаем короткий список с комментарием по каждому кандидату.
Организуем встречи, при необходимости — небольшая задача на разбор данных или построение отчёта. Собираем обратную связь и корректируем поиск.
Держим связь между оффером и первым рабочим днём. Специалистам по данным важно заранее понять, есть ли доступ к данным и кто ставит задачи: без этого интерес к вакансии быстро падает.
По данным исследования сервиса «Работа.ру», средний срок закрытия вакансии по рынку в целом — 16 дней, медиана — 11 дней. Это статистика прежде всего по массовым и линейным позициям: узкая специализация в неё не укладывается. Как сроки закрытия зависят от профиля →
Разбор вакансии, оценка рынка и реалистичности требований — до начала работы и без обязательств.
Публикации, прямой поиск, звонки, интервью и проверка рекомендаций. Пока кандидат не вышел, вы не платите.
Счёт выставляем после того, как сотрудник вышел на работу.
Если в одной вакансии нужны отчётность, конвейеры данных, модели машинного обучения и внедрение их в продукт, мы скажем об этом сразу и предложим начать с одной задачи. Иначе поиск затянется, а найденный человек закроет только часть ожиданий.
Зависит от задачи. Нужны ответы на вопросы бизнеса — аналитик данных; нужна регулярная отчётность и единые показатели — BI-аналитик; нужно собрать и подготовить данные — дата-инженер.
На первом разговоре мы разбираем задачу и говорим прямо, какой профиль её закрывает.
Просим разобрать реальную задачу: какие данные были, что человек проверял, как убедился в корректности результата.
Отдельно спрашиваем про случаи, когда данные оказались неполными или противоречивыми.
В аналитике он помогает быстрее понять показатели и логику бизнеса, но базовые навыки работы с данными переносятся между отраслями.
Мы разделяем требования на обязательные и желательные и показываем, что даёт каждый жёсткий пункт.
Решаете вы. Мы предлагаем небольшую задачу на реальных обезличенных данных, если по разговору не видно уровня.
Важно предупредить кандидата об объёме и о том, как будут использоваться данные: специалисты по данным к этому чувствительны.
Да, но это отдельный и более узкий рынок: важны не только модели, но и опыт внедрения их в продукт.
Если в компании нет данных и инфраструктуры, мы честно скажем, что начинать стоит не с этой роли.
Ответим в среднем в течение 1,5 часов в рабочее время. Можно написать в Telegram или позвонить — как удобнее.