现在，企业对数据科学项目的关注度越来越高，但是随着越来越多的企业开始考虑聘请新员工来开发和运行高级分析应用程序，新的问题也浮出水面，那就是如何聘请数据科学家。人们在这个问题上产生了一些困惑，对于应该优先考虑何种技能也产生了不同的意见。

美国波士顿一家在线家具零售商Wayfair公司的数据科学总监Frank Lo认为：“现在数据科学虽然是个热词，但我觉得在人们对数据科学的认识和企业真正需要的数据科学之间的出入还是很大的。对于‘什么是好的数据科学家’，人们的争议也很大。”

在美国波士顿2015大数据创新峰会上，Lo和其他的演讲者都表示，在面试数据科学家求职者的时候，他们更关注软技巧，而不是具体的技术能力。比如，Lo现在管理的团队由18名数据科学家组成，他说他必须认真思考他和公司的业务究竟需要从这些员工中得到什么。最终，他选择了对知识的好奇心作为他物色新人时最看重的能力。

但是这实行起来可就难了，传统面试流程很难考察到求职者是否有对知识的好奇心， 不过Lo还是找到了方法，让问题迎刃而解。比如，他会要求求职者描述一下他在学校或之前的工作中做过的数据分析项目，如果求职者谈到用分析数据解决问题时能够很有激情，那他就是Lo要找的数据科学家，因为Lo相信，这种激情能够转变为学术和职业责任。

Lo说道：“有些东西是你在简历或学历中无法发现的。因为在数据科学领域，看重的是推断能力。我要找的不是只愿意回答问题的人，而是能够自主提出问题的人。”

Lo介绍到，曾经有些求职者列出了很多令人印象深刻的技术技能，但Lo还是拒绝了他们，因为他们骨子里缺乏好奇心。不过，这并不意味着在Lo聘请数据科学家的时候，技术能力不重要。Lo表示，如果有人连最基本的Python或Java编程技巧都不会的话，他是得不到Wayfair的工作的。不过Lo并不坚持要求求职者要有使用Hadoop的某些技巧，因为应用于分布式处理框架的SQL界面是很常见的。据Lo所言，今天，人们不需要知道如何在MapReduce里面编程，就可以分析Hadoop数据了。

新员工需要了解业务

国际旅行房屋租赁社区空中食宿网站（Airbnb）的数据科学负责人Riley Newman表示，在他招聘数据科学家的时候，软分析技巧也是他优先考虑的因素之一。具体来讲，他需要的是很强的沟通技巧和商业敏锐度。在一次大数据会议的演讲中，Newman表示：“我们希望找到的人才，除了擅于使用Python和R语言，还要具有高效的沟通能力。”

目前，Newman管理的分析团队有70名数据科学家，他们又分成更小的组，嵌入到不同的业务部门。各小组定期轮岗，加入其他业务线，迎接新的挑战。Newman表示，这种方法能够保持数据科学家对他们手头工作的兴趣，但它要求对处理新的业务问题的高度的灵活性。

这也就解释了为什么Airbnb在聘请被寄予厚望的数据科学家时要采用相当全面的面试流程：首先是一对一的面试；其次求职者要在家完成关于编程和数据分析技巧的多项测试；之后求职者要来到公司，和正式员工一起使用给出的数据，解决业务问题；最后他们必须用一段演示阐明他们的分析结果，这样才算完成了整个流程。

这是一项复杂的流程，但Newman认为这覆盖了一个新员工必须要完成的所有关键任务。他表示：“这不只是看聘请的人是否足够聪明，我们首先必须考虑到，我们要解决什么问题，以及人们如何向这些领域推进。”

千万别丢了西瓜捡芝麻

在上文提到的Wayfair公司的Lo的案例中，数据科学家需要什么技术技能是一个不可回避的问题。当然，他们需要了解如何获取、掌控和分析数据，而且通常来讲是大规模的数据集。但是，在聘请数据科学家的时候，如果企业坚持要求求职者在所有现存的系统和分析工具方面都有丰富的经验的话，很可能会错失人才。

美国在线食品分销网站OrderUp的首席数据官Scott Sokoloff在一次会议演讲中说道：“如果你聘请的人足够聪明，并且非常合适，那么他们可以在三个月内学会企业所需的大多数技巧。”

Sokoloff认为，对数据科学家的职位描述读上去总像是一份技术规格清单。很多公司都希望它们新聘请的员工能够直接上手现有的工具。但对Sokoloff而言，过分强调对某些工具的使用，会加大痛失“潜力股”的风险。

他表示：“聘请数据科学家要考虑的不是技术，也不是对某种软件或解决方案的使用，而是你想要解决什么业务问题。”