乘着增长的浪潮:护卫队是如何快速建立数据科学团队的

从它成立, 车队被设计成一个真正由数据科学驱动的组织:机器学习, 经济分析, 实验, 因果推论, 优化是我们做出每一个决定的基础. 大规模地利用这些工具是我们如何从8000亿美元的资金中消除低效的.S. 货运市场.

我最近无意中听到我们的人事副总裁, 面团(真实姓名, 迈克尔·多尔蒂), 把创业比作冲浪:你不确定你是在乘风破浪,还是浪在驾驭你. 我能体会到这种感觉. 曾参与亚马逊数据科学团队的建设和运营, 我习惯了快速组建团队, 但我们在车队中组建团队的速度是惊人的. 我于2018年11月信誉手机赌城下注车队,担任数据科学主管, 我们的数据科学团队的人数已经翻了四番,达到40多名团队成员,而且我们还在不断增长!

就像一个强大的波浪,这种快速增长的速度有时会让人感到不稳定. 有一点可以肯定, 在车队, 我们正坐在数据的海洋上——这些数据对于实现我们的使命至关重要,我们的使命是为世界提供无限的容量和零浪费. 当然,我们也经历过挑战. 但我们也恢复得很快.

这是我们从过去6个月的高速增长中得到的一些教训.

为今天和明天建立一个领导团队

考虑到团队的预期增长, 我们需要一组强大的球员/教练经理,他们可以从一个小组织开始, 以个人贡献者的身份潜入, 为他们的领域设定一个远景, 然后扩展到管理一个大型组织. 我们还需要引入职能型领导来指导新创建的工作家庭中的人们. 为实现这一目标, 我们最近聘请了史蒂夫·布劳内尔(主管, 和亚伦Terrazas(主管, 经济研究), 来自健康指标与评估研究所的Kyle Forman(机器学习平台负责人), 以及来自史密斯学院的格温·斯宾塞(首席运筹学研究科学家). 我也很幸运,车队数据科学的前负责人, 凯西橄榄, 能接任市场数据科学团队的负责人吗.

护卫队数据科学小组的成员, 从左到右:马克斯Schmeiser, 亚伦Terrazas, 凯尔领班, 史蒂夫·布劳内尔, 格温·斯宾塞 & 凯西橄榄

职位名称和专业程度有很大的不同

我的经济学背景使我非常喜欢劳动的专业化. 随着我们数据科学团队的成长, 我们能够超越雇佣全堆栈数据科学家, 雇佣具有高度专业技术优势的人来专注于特定的业务问题. 为了吸引这些人, 我们创建了数据工程师, 经济学家, 和运筹学科学家的工作家庭和张贴量身定做 工作描述. 要把第一批人招进任何一个这样的工作家庭都是很有挑战性的:我们必须设计新的面试问题来评估他们的技能,并决定哪些技能对新的工作家庭来说是最重要的, 同时也适当调整了我们的招聘标准. 我们付出了很大的努力来确保招聘人员在技术上和方面都是正确的 公司价值观在这些新的工作家庭中,作为未来雇员的榜样.

我们在招聘工作中遇到的一个挑战是,我们的职位名称(i.e. 数据科学家和数据分析师)与其他科技公司争夺顶级数据科学人才的方式不一致. Data science is a relatively new and rapidly-evolving profession; the day-to-day work of different job families can vary widely across employers. 这些差异可能会让未来的应聘者感到困惑,所以我们必须让应聘者更熟悉我们的职位,并明确我们的工作需要的类型. 因此,我们为那些专门从事算法开发的团队成员增加了研究科学家的头衔, 建模, 和机器学习.  

为工作雇佣合适的人

了解我的团队成员和他们的工作, 我之前听说过的问题很快就出现了:他们花费了不成比例的时间来处理数据仓库, 为构建模型特征而进行的数据争论是非常耗时的, 他们收到的大多数请求都是简单的SQL查询和数据管理,而不是深度分析或模型构建,这更符合他们的技能和兴趣.

我经常看到企业聘用机器学习科学家, 经济学家, 或者其他博士级别的科学家,而不是数据分析师和数据工程师, 数据仓库管理, 指标的发展, 和报告. 这通常会导致双方不满, 由于科学家们提出分析性见解和报告的速度让企业感到失望, 科学家们因为没有根据自己的经验和优势解决问题而感到沮丧.

为了更好地结合工作技能,我们优先招聘数据分析师和数据工程师. 我们很快为每个跨职能团队配备了一名能够处理数据库管理的分析师, 指标的发展, 和报告, 使我们的科学家专注于建立模型和进行分析.

另外, 我们开始组建机器学习和数据平台团队,其中包括数据科学家和数据工程师,专注于提供工具, 特征库, 并验证数据,使我们快速增长的团队在有限的摩擦下产生业务影响.

利用其他功能帮助团队快速发展

在不到6个月的时间里,让30多名数据科学团队成员信誉手机赌城下注一家科技初创公司,很容易导致团队陷入混乱, 努力识别和交付业务影响. 在车队, 我很幸运地继承了一个结构,其中有许多高度协调的跨职能团队,专注于长期存在的业务问题(我们称之为pod). 这种结构意味着,我们可以在没有现有数据科学团队成员的情况下,将数据科学家或分析师信誉手机赌城下注到团队中. 我们可以从邻近的POD那里提供技术指导, 集中提供工具和数据, 让他们从同处的软件工程师那里获得领域特定的上下文和细节, 设计, 或产品经理POD成员. 我们是否曾试图在缺乏经验丰富的技术管理人员的情况下,将这么多新人引入一个集中的数据科学团队, 现有的团队将被新入职的责任压得喘不过气来,团队的增长也会降低生产力.

面团是正确的. 创业生活有起有伏. 高速增长带来了意想不到的挑战,但也带来了意想不到的机遇. 在我的职业生涯中, 我见过一些公司选择被动地漂浮在数据的海洋上(或者更糟, 在安全的海滩上被动地观望),而不是冒险进入开阔的水域. 在护卫队数据科学中心, 我们学会了拥抱开阔的水域以及它带来的所有机会.  

马克斯Schmeiser
Max是车队数据科学的负责人,他领导数据科学, 研究科学, 经济学, 运筹学, 和数据工程功能全公司范围. 在车队, 麦克斯是研究部的主管, 分析, 以及亚马逊连接的机器学习, 亚马逊贷款首席经济学家和数据科学主管, 联邦储备委员会的首席经济学家, 他是威斯康星大学麦迪逊分校的助理教授. 麦克斯获得了M.S. 和Ph值.D. 康奈尔大学政策分析与管理硕士.A. 麦克马斯特大学经济学学士.A. 在加拿大里贾纳大学学习经济学.
友情链接: 1