Перевод статьи Why Data Scientists and Engineers Quit Their Jobs

Почему дата-сайентисты увольняются с работы

Дело не только в том, что им мало платят

Недавнее исследование, сделало следующий довольно суровый вывод: «Типичный специалист по данным работает в крупной технологической фирме, где он работает примерно один год со средним опытом работы в этой области 6,2 года. Примечательно, что с 2017 года они дважды (или более) меняли компанию и, скорее всего, останутся со своим нынешним работодателем в среднем всего на 1,7 года. Лишь незначительное меньшинство опрошенных (2%) не меняли работу в течение последних пяти лет».

Текучесть — большая проблема в науке о данных и профессии инженера данных, и она вредит всем. Сами специалисты по данным и инженеры не хотят часто прыгать с должности на должность, поскольку это не помогает им развивать долгосрочные навыки и опыт и плохо смотрится в их резюме. В равной степени для работодателей замена этих навыков является сложной и дорогостоящей задачей. Найти конкретный технический опыт непросто, а время, необходимое для набора новых сотрудников, — это дополнительные альтернативные издержки. Часто желание быстро заменить кого-то приводит к порочному кругу низкоквалифицированных кадров, что усугубляет проблему текучести кадров.

Итак, давайте изложим основные причины, по которым специалисты по данным и инженеры по данным увольняются с работы. В целом эти причины можно разделить на три категории: экономические, технические и экологические. Работодатели должны решить все три проблемы, чтобы иметь шанс обеспечить долгосрочное удержание своих сотрудников, занимающихся наукой о данных.

Экономические причины

Экономические причины достаточно ясны и, я думаю, хорошо известны. Многие, многие работодатели понятия не имеют, как оценивать навыки специалистов по данным и инженеров, а в отсутствие хорошей аналитики они устанавливают слишком низкую цену.

В недавнем примере на LinkedIn Моэз Али вызвал объявление о вакансии, в котором запрашивался человек с опытом работы более 6 лет, но описывая его как «начальный уровень» и предлагая зарплату около 65 000 долларов США. Есть много примеров таких объявлений о вакансиях, в том числе наивные объявления о вакансиях, в которых требуется 5+ лет опыта работы в программном пакете, который существует менее 3 лет.

Подобные объявления о вакансиях выдают, что работодатели понятия не имеют о должностях и навыках, на которые они нанимают, и являются хорошим признаком для любого специалиста по данным/инженера, стоящего их соли, что они присоединятся к среде, которая не ценит должным образом их навыки. . Это отсутствие признания не только отражается на компенсации, но и, скорее всего, будет распространяться на другие аспекты, влияющие на удовлетворенность работой и удержание, например, на некоторые из причин, которые следуют в следующих абзацах.

Технические причины

Даже если работодатели хорошо платят, если они не привержены технической среде для поддержки работы ученых/инженеров данных, они не смогут их удержать. Специалисты по данным и инженеры увлечены эффективностью и результативностью своих методов и хотят работать с новейшими технологиями. Вот несколько примеров технических проблем, часто встречающихся во многих организациях:

1. Нет обязательств по управлению/инжинирингу данных. Многие организации не будут вкладывать средства в инженерный уровень своих корпоративных данных, а это означает, что специалисты по данным должны постоянно работать с беспорядочными, непоследовательными данными исходной системы. Это породило поговорку о том, что «80% науки о данных — это очистка данных». Это не обязательно так, но, к сожалению, во многих организациях так и есть.
2. Нет использования github/контроля версий. Трудно представить, но во многих средах люди все еще отправляют друг другу код по электронной почте или делятся через Box или Sharepoint. Попытки разрешить и повторно использовать код таким образом невероятно демотивируют.
3. Нет поддержки инструментов. Во многих организациях специалистам по данным приходится загружать свои собственные IDE и другие инструменты, а также с трудом публиковать свои работы из-за отсутствия платформы для этого. Их часто раздражают брандмауэры и уровни безопасности, созданные во времена, когда специалисты по обработке и анализу данных не были чем-то особенным. Многие из новейших облачных инструментов недоступны из-за отсутствия политики размещения корпоративных данных или кода в AWS или других облачных провайдерах. Все это заставляет ученых данных чувствовать, что они заперты в инструментарии прошлого века.
4. Форсирование неэффективного/устаревшего вывода. Культура организационной коммуникации, построенная на Powerpoint и других инструментах, не смогла адаптироваться, и специалисты по данным вынуждены получать все свои результаты в программном обеспечении, которое является неэффективным и выполняется вручную. Слишком много специалистов по данным все еще тратят часть своего времени на редактирование слайдов Powerpoint.
5. Нет поддержки в обучении/развитии. В карьере, где новые и лучшие технические инструменты появляются быстро и быстро, ученые и инженеры данных должны иметь хорошую поддержку для участия в последних технических конференциях и учебных программах, связанных с их областью. Им не нужно умолять или проходить несколько уровней утверждения для этого. Это должно быть хорошо учтено в организационных бюджетах специалистов по данным.

Экологические причины

Если вам посчастливилось работать на редкого работодателя, который нажимает на все вышеперечисленные кнопки, то уходите на свой страх и риск, потому что вы можете попасть из огня да в полымя. Но есть еще один фактор, который следует учитывать, и это среда, в которой работают специалисты по данным.

• Менеджеры, лидеры и сотрудники во многих организациях просто не понимают, чем занимаются специалисты по данным и инженеры, и это может привести к тому, что к специалистам по данным относятся так, что это подрывает их самооценку и чувство собственного достоинства. Примеры включают:
• Ожидая, что они будут выполнять простые задачи с данными. Вам не нужен специалист по данным или инженер, чтобы загрузить набор данных или выполнить простой анализ в Excel. Не поэтому вы нанимаете специалистов по данным или инженеров.
• Недоверие к работе только по причине отсутствия усилий, чтобы понять ее. Вы нанимаете этих профессионалов, чтобы предложить более продвинутые методы, поэтому вам не следует сбрасывать со счетов их, когда они предлагают такие методы, только потому, что у вас нет времени, чтобы полностью понять это.
• Не говоря о карьерном росте. Специалисты по данным и инженеры так же амбициозны, как и все остальные. Если вы не можете сформулировать путь, по которому они могут продвигаться по вашей организации и продвигаться вперед с точки зрения влияния и вознаграждения, они, как и все остальные, могут уйти.
• Оценка их полностью по нетехническим критериям. Специалисты по данным и инженеры были наняты, потому что они обладают очень специфическими и необходимыми техническими навыками. В этом случае их не следует принуждать к выполнению работы исключительно в соответствии с критериями оценки, используемыми для нетехнического персонала. Это свидетельствует о культуре, в которой навыки работы с данными менее ценятся по сравнению с навыками, не связанными с данными, и отражает высокомерие организации, которое может повредить самооценке специалистов по данным.

Я уверен, что пропустил много других причин, по которым специалисты по данным уходят с работы, но причины, которые я рассмотрел, являются одними из самых характерных для работодателей, по моим наблюдениям. Многим организациям было бы полезно получить больше информации или знаний по этому важному вопросу, поэтому не стесняйтесь высказывать любые свои замечания в комментариях ниже.