מדריך: איך לגייס Data scientists?

לגייס Data scientists זו לא משימה קלה. העלייה המשמעותית במספר החברות שנכנסות לעולם ה-Machine Learning לצד כמות הסטארטפים שפועלים בתחום הגבירו את הביקוש ל-Data scientists, מה שיוצר קשיי גיוס רבים ללא מעט חברות. יש לציין, לפני שאנחנו צוללים פנימה, כי גם חברות גדולות ותאגידים גדולים מתקשים למצוא את האנשים המתאימים ולא מדובר על מכשול שקיים רק אצל חברות צעירות או גופים לא טכנולוגים.

בדיוק לשם כך, קיימתי לפני מספר שבועות אירוע מצומצם בו חלקתי חלק מהתובנות שיש לי בנושא, המתבססות על סקר הקהילה שעשינו ולוח המשרות העשיר שמנוהל באתר זה. נתונים אלה, בשילוב לאינספור שיחות שקיימתי עם עובדים בתחום וחברות שונות המגייסות, סייעו לי לגבש מספר מסקנות וטיפים שיוכלו לעזור לכל מי שרוצה לגייס Data scientist. בנוסף להרצאה שלי, לקח חלק באירוע גם Alfie Booker המשמש כמגייס טכני ב- Google UK בחמש השנים האחרונות. אלפי עסק בעיקר בתהליך הגיוס בגוגל וכיצד ניתן לבנות אותו בצורה חכמה מול המועמדים השונים.

עיקר החלק שלי מבוסס על המצגת שהעברתי במפגש עצמו והיא מצורפת כאן לשימושכם:

החלק הראשון של המצגת עוסק בסקר קהילה שקיימנו לפני מספר חודשים אשר ניסה לשפוך אור על התעשייה המקומית ועל השחקנים השונים בה. לא לחינם, התחלתי דווקא עם פילוח הנתונים שהגיעו מסקר זה מאחר והוא מבחינתי הבסיס הטוב ביותר להבין את האוכלוסייה אליה אנחנו פונים והוא מגלם בתוכו כמה תובנות מעניינות למדי. זה המקום גם לפרגן לעמרי גולדשטיין שלקח את כל הנתונים שעלו בסקר והצליח להפיק מהם מידע איכותי ותובנות של ממש. עמרי כתב על הסקר גם כתבה מפורטת באתר TheMarker בה הוא יורד לעומק הנתונים ומביא את הפרשנות שלו למידע שעולה מהם. מאחר ועמרי כבר כתב כתבה מצוינת, וכל הגרפים מצויים במצגת, אני לא ארחיב על החלק הזה, אלא אביא מספר נקודות שחשוב ללקט כאשר רוצים לגייס עובד חדש.

תחילה, נציין את הברור מאליו: מרבית המשיבים הם גברים (82.1%) שעובדים בגוש דן עם דגש גדול על העיר תל אביב בפרט. זהו נתון מאוד משמעותי עבור מי שרוצה לגייס אנשים בתחום ומחפש את האזור עם ההיצע הגדול ביותר. מדובר על שיקול שיכול להיות משמעותי בבחירת משרדים לחברה, מאחר ולפי הסקר מרבית המועמדים הרלוונטיים לא רק שעובדים באזור תל אביב אלא גם גרים באזור זה וככל הנראה יעדיפו לא לבצע נסיעות ארוכות. עוד עולה כי מרבית האנשים שגרים בירושלים או חיפה, עובדים באותן הערים, מה שמצד אחד מעודד את המעסיקים המקומיים, אך מצד שני אומר שהתחרות על אותו כוח אדם גדלה. עם זאת יש להבין כי אותם עובדים פחות צפויים לצאת מהערים המרכזיות בהן הם גרים ולכן חברה שפועלת בתל אביב ורוצה עובד מסוים מירושלים או חיפה אולי תתקשה בתהליך הגיוס שלו.

למרבה הצער, אנחנו רואים גם בתחום זה פער בשכר בין נשים לגברים כאשר האחרונים מרוויחים בממוצע כמה אלפי שקלים בודדים יותר. אנחנו רואים כי פער זה מצטמצם ככל שהנשים לומדות תארים מתקדמים יותר או צוברות ניסיון רב יותר. אך לא רק הנשים מופלות בשכר, על פי המידע שעולה מהסקר מסתמן כי גם אלו שעובדים מחוץ לגוש דן, משתכרים פחות מעמיתיהם מהמרכז. בסקר עולה כי ה-Data scientists מחיפה למשל מרוויחים פחות מאלו שבתל אביב, מה שאולי בראיה הרחבה יוכל להיות אלמנט משמעותי למגייסים הבונים עכשיו צוות גדול. נתון מרתק נוסף שעלה מניתוח המשכורות, הוא שהשכר הממוצע בתאגידים וסטארטפים הוא כמעט זהה ועומד על 30,000 שקל בממוצע. נראה כי החברות הקטנות מצליחות לעמוד ברף שיוצרות החברות הגדולות יותר ומנגד, אנחנו לא רואים "תגמול" עבור הסיכון בעבודה בסטארטאפ. יהיה מעניין לעקוב אחרי המגמה הזו בעתיד ולראות כיצד תשתנה, אם בכלל. למגייסים שקוראים שורות אלה, נתון זה בא להצביע על כך שהעוסקים בתחום מצפים לשכר הולם וגבוה לא משנה היכן הם עוסקים ונראה כי הרוב פשוט מתמחרים את עצמם בהתאם לסטנדרט קבוע מראש.

הנתונים מהסקר, והכתבה של עמרי, עוד מלאים בנתונים ומסקנות שונים בנוגע לתחום כולו בארץ. אני ממליץ לכם להמשיך לבחון את השקפים הנוספים בחלק הראשון וכמובן לקרוא את הכתבה שמציפה נושאים נוספים שעל סדר היום בקרב חברי הקהילה.

לוח משרות

החלק השני של כתבה זו מתייחס ללוח המשרות של הקהילה בו פורסמו מעל ל-100 משרות שונות שאליהן נשלחו יותר מ-550 קורות חיים עד כה. לוח משרות זה אפשר לי לקבל הצצה יותר קרובה לתהליכי הגיוס השונים של החברות השונות. כמו כן, האנליטיקות לגבי מספר המגישים לכל משרה עזר לי לגבש תובנות לגבי הטרנדים החזקים בשוק, התחומים המבוקשים ביותר וגם להבין את פיזור המשרות ביחס לבכירות המתבקשת (מג'וניור ועד לסניור). כפי שציינתי, כל הנתונים נגישים בצורה ברורה ופשוטה במצגת לכן אני אציף את התובנות העיקריות שעולות מהן.

התובנה העיקרית שעלתה היא שמרבית המשרות היו עבור אלו שעוסקים בראייה ממוחשבת (Computer vision) לעומת מקביליהם מעולם עיבוד השפה (NLP). נראה שהתעניינות ב-CV גדולה כמעט פי 2 מאשר ב-NLP. בשטח ניכר כי ישנן הרבה יותר חברות וסטארטפים שעוסקים בתחום הנ"ל בהיבטים שונים (רכב אוטונומי, מדיקל ועוד). מגמה ברורה נוספת היא הביקוש של אנשי מקצוע בחברות סטארטפ לעומת תאגידים גדולים. בלוח המשרות מודגשת הנוכחות הגדולה של סטארטפים על פני חברות גדולות, אך בפועל לא רואים הבדל משמעותי באחוזים במספר מגישי קורות החיים ביחס לכמות המשרות.

מגמה נוספת שעולה מן הנתונים היא העדפה לאנשי Machine Learning על פני Deep Learning – פער שעתיד להצטמצמם בעתיד. הפרשנות שלי לכך היא שעדיין חברות רבות עובדות עם אלגוריתמים קלאסיים של ML בעוד שהמעבר ל-DL נעשה בתקופה זו, אך לחברות מסוימות עוד קשה לעשות את המעבר. אני מאמין כי מרבית הסטארטפים מחפשים אנשי DL, כאשר הם מקימים צוות חדש מאפס לעומת תאגידים שעוד דובקים בטכניקות היותר מוכרות.

מה לגבי מידת הבכירות של המועמדים השונים? כפי שניתן לדמיין, יש מעט מאוד משרות שפונות לג'וניורים בתחום ומרבית המשרות פונות דווקא לסיניורים. חברות מכוונות גבוה כדי להבטיח שהם מקבלות את המועמדים הטובים ביותר ומצד שני לרובן יש את הסכומים המתאימים כדי להתמודד עם דרישות השכר השונות (להוציא הצעות מקבילות של ענקיות הטכנולוגיה). נקודה חשובה לכל מי שבתהליך גיוס: דעו להגדיר היטב את האלמנטים השונים במשרה ולהבין אם אתם באמת צריכים מישהו כל כך בכיר. נכון, תמיד עדיף להשיג את הטוב ביותר שקיים, אך בזבוז הזמן בתהליך הזה יכול לקחת מכם הרבה משאבים ואנרגיות. ישנן לא מעט משימות שגם אנשים עם מעט ניסיון יוכלו לבצע, לכן שווה לבחון את האפיקים האלה גם.

חמישה טיפים לגיוס מוצלח

החלק השלישי מעלה מספר טיפים המגיעים "מהשטח" המתבססים על שיחות שקיימתי עם עובדים בתחום שהסכימו לחשוף כמה נקודות חשובות מאוד עבורם בכל תהליך הגיוס.

1. רושם ראשוני חזק – תדאגו שהאדם הראשון שמדבר עם מועמד פוטנציאלי ידע להבין את המונחים המקצועיים ואף יוכל להחזיק שיחה בנושא. במרבית הפעמים אנשי ה-HR לא מכירים מספיק את הטכנולוגיות השונות של החברה ולכן נוצר רושם לא מקצועי. האסטרטגיה הטובה ביותר לכך היא לקיים שיחה פותחת כללית עם ה-HR ואחר כך להעביר את השרביט (בשיחה אחרת) לראש צוות/CTO שיידע להמשיך את השיחה ולצלול לעומק. כמו כן, ניתן להכשיר גם את אנשי ה-HR שיכירו את עולם המונחים בצורה טובה יותר.
2. טופ טאלנט – לפעמים עדיף להשקיע בחוקר או עובד חזק ומוכר במיוחד שיוכל לסייע למשוך בקלות יחסית את שאר המצטיינים בתחום. צעד זה עלול להיות יקר יחסית, אך עתיד לחסוך לכם כסף רב ואנרגיות.
3. פה לאוזן –  אמצעי הגיוס הטוב ביותר הוא המלצות של העובדים שלך או מכרים אחרים מהתעשייה. דאגו ליצור רושם חזק המציב אתכם בקדמת הטכונלוגיה – אין לדעת מי פתאום צריך עבודה.
4. תהליך תקין –  אם כבר הצלחתם להביא גורם מוכשר באמת, תדאגו שהתהליך מולו יהיה רציני ושעובדי החברה שמראיינים אותו יהיו "ברמתו". צעד זה ישדר רצינות ויעניק למועמד גם גישה להתרשם מכוח אדם האיכותי שיש לכם בארגון.
5. מחקר – מרבית מהעוסקים בתחום מגיעים מהאקדמיה, בה הם היו רגילים לבצע מחקר או ליהנות מהנחייה של פרופסור מומחה בתחום. על אף שלא מדובר על רווח ישיר, אפשרו לעובדים שלכם לבצע גם מחקר שקשור למהות העשייה שלכם ובכך תשיגו עובדים מרוצים שיהפכו לשגרירים מצוינים עבורכם.