Cara Merekrut Data Scientist dan Data Analyst

Mengapa merekrut data scientist begitu sulit? 

Di antara banyak kesulitan yang dihadapi perusahaan saat merekrut data scientist dan analyst, ada tiga tren utama: ketidakseimbangan pasokan dan permintaan pekerjaan, kurangnya kekhususan pada lowongan data science, dan proses rekrutmen yang kurang tepat. Masalah ini pada dasarnya bermuara pada tiga faktor. 

1. Permintaan akan talenta data 

Pertama-tama, permintaan akan talenta data jauh melampaui pasokan kandidat yang berkualifikasi. Masalah ini merembet dan memicu banyak isu dalam proses perekrutan data. Ini adalah persoalan sederhana antara pasokan dan permintaan: tidak ada cukup kandidat untuk memenuhi jumlah pekerjaan data yang terus meningkat. Namun, ada banyak minat dan hype yang muncul di sekitar pekerjaan data. Misalnya, data scientist menempati peringkat ketiga dalam daftar “50 Pekerjaan Terbaik di Amerika untuk 2022” dari Glassdoor, dan insentif seperti gaji tinggi (rata-rata antara $75.000–120.000 untuk data analyst dan data scientist) menarik minat banyak orang. Namun, ini menimbulkan masalah berikutnya: perusahaan memilih dari kandidat yang tertarik pada peran tersebut, tetapi belum tentu kandidat yang tepat untuk data science. Kuantitas mengalahkan kualitas. 

2. Iklan lowongan yang tidak spesifik

Sekarang perusahaan memilih dari kumpulan pelamar yang besar, banyak di antaranya tidak cocok dengan peran yang ditawarkan. Namun, apakah perannya diiklankan dengan benar? Sering kali, tidak. Iklan yang tidak spesifik menarik kumpulan lamaran yang serupa. Mengapa ini terus terjadi? Iklan lowongan sering kali samar tentang peran data ini karena perusahaan di baliknya tidak sepenuhnya memahami apa itu data science, dan tidak dapat membedakan antara berbagai peran dan persyaratannya. Masih ada banyak ambiguitas seputar data science, jenis pekerjaan apa yang termasuk di dalamnya, dan pengalaman atau keterampilan seperti apa yang dibutuhkan untuk memenuhi peran tersebut. Manajer perekrutan dan perekrut harus mencari perpaduan keterampilan teknis dan bisnis yang tepat, yang masing-masing dibutuhkan oleh analyst dan scientist. Tanpa pemahaman yang memadai tentang peran yang hendak direkrut, bagaimana bisnis dapat merekrut tim data terbaik? 

3. Proses rekrutmen yang kurang tepat

Tanpa pemahaman mendasar tentang data science, proses rekrutmen sering kali meleset. Sebagai permulaan, perusahaan masih menggunakan LinkedIn messenger dan platform pesan lainnya sebagai alat utama untuk mengakses kandidat. Meskipun ini jalur umum untuk memburu calon karyawan, ini bukan cara paling efektif untuk mencari data scientist. Dengan begitu banyak peran yang perlu diisi, kandidat dibanjiri pesan serupa, dan kecil kemungkinan bisnis Anda akan menonjol di antara berbagai upaya pendekatan tersebut. 

Ini membawa kita ke masalah berikutnya: manajer perekrutan tidak tahu cara mengevaluasi data scientist. Mengukur pengalaman dalam data science tidak sesederhana kelihatannya, dan manajer perekrutan secara rutin berfokus pada satu jenis keterampilan dan mengabaikan yang lain. Latar belakang akademis lebih diagungkan daripada pengalaman langsung. Keterampilan sains dan matematika menjadi fokus, sementara pemecahan masalah dan soft skill, termasuk kecakapan bisnis, manajemen klien, dan data storytelling, diabaikan. Pengalaman dan keterampilan ini sangat penting dalam data science, namun diabaikan dalam proses seleksi. Ini juga berarti kandidat senior tidak dibedakan dari mereka yang jauh lebih sedikit pengalamannya. 

Cara Merekrut Data Scientist dan Data Analyst

Merekrut untuk peran data semakin menantang. Dengan kelangkaan talenta yang berkualifikasi dan proses penilaian yang memakan waktu, menemukan kandidat yang tepat bisa terasa seperti perjuangan berat. Pada bagian ini, kami akan membahas kondisi terkini perekrutan untuk peran data dan memberikan saran umum tentang cara meningkatkan strategi rekrutmen Anda.

1. Pahami ketidakseimbangan permintaan dan pasokan

Permintaan terhadap profesional data terus meningkat, didorong oleh peran data yang kian meluas di industri seperti keuangan, layanan kesehatan, dan hiburan. Menurut riset, pasar analitik big data global diproyeksikan mencapai $924,39 miliar pada 2032. Namun, pasokan data scientist dan data analyst yang berkualifikasi belum sejalan dengan permintaan ini. Perusahaan harus menyadari ketidakseimbangan ini dan menyesuaikan ekspektasi, memahami bahwa menemukan kandidat yang benar-benar tepat mungkin memerlukan waktu, upaya, dan solusi kreatif.

2. Spesifik dalam deskripsi pekerjaan

Salah satu kesalahan terbesar yang dilakukan perusahaan adalah memasang deskripsi pekerjaan yang samar sehingga menarik banyak kandidat yang tidak memenuhi syarat. Untuk menghindarinya, definisikan dengan jelas keterampilan dan pengalaman yang dibutuhkan untuk peran tersebut. Bedakan antara berbagai peran data—seperti data scientist, data analyst, data engineer, dan machine learning engineer—dan sesuaikan lowongan Anda. Kekhususan ini akan membantu menarik kandidat yang benar-benar cocok dengan posisi tersebut. Lihat panduan kami tentang deskripsi pekerjaan data analyst dan deskripsi pekerjaan data scientist.

3. Sederhanakan proses rekrutmen Anda

Proses rekrutmen untuk peran data sering kali meleset karena kurangnya pemahaman tentang keterampilan yang dibutuhkan. Hindari hanya mengandalkan saluran rekrutmen tradisional seperti LinkedIn, karena mungkin tidak efektif menjangkau kandidat terbaik. Pertimbangkan untuk menggunakan platform khusus atau bekerja sama dengan perekrut yang memiliki pemahaman mendalam tentang bidang data science. Selain itu, pastikan proses evaluasi Anda menyeimbangkan keterampilan teknis dengan soft skill seperti pemecahan masalah, kecakapan bisnis, dan data storytelling.

4. Utamakan pengalaman praktis

Saat mengevaluasi kandidat, utamakan mereka yang memiliki pengalaman langsung dibandingkan latar belakang akademis semata. Data science adalah bidang yang praktis, dan keterampilan pemecahan masalah di dunia nyata sering kali lebih berharga daripada pengetahuan teoretis. Cari kandidat yang telah menunjukkan kemampuannya melalui proyek, magang, atau kontribusi pada komunitas open-source.

Bagaimana DataCamp Dapat Membantu Selama Proses Rekrutmen?

Meski tantangan dalam merekrut data scientist dan data analyst bisa terasa berat, organisasi dapat mengambil langkah untuk menyederhanakan prosesnya dan memastikan mereka menemukan talenta yang tepat. Walaupun DataCamp saat ini belum menawarkan fitur perekrutan, platform ini tetap menyediakan alat yang kuat untuk meningkatkan strategi perekrutan Anda dengan berfokus pada peningkatan keterampilan dan pengembangan internal.

Investasikan pada peningkatan keterampilan tim yang ada

Permintaan terhadap profesional data sering kali melampaui ketersediaan talenta. Alih-alih hanya mengandalkan rekrutmen eksternal, pertimbangkan untuk memanfaatkan pustaka kursus dan proyek DataCamp yang luas untuk melatih ulang dan meningkatkan keterampilan karyawan Anda saat ini. Dengan mengembangkan keterampilan data science dan analitik dalam tim yang sudah ada, Anda dapat menjembatani kesenjangan talenta dan menciptakan jalur kandidat berkualifikasi dari dalam organisasi.

Sesuaikan pelatihan dengan peran data tertentu

Salah satu jebakan umum dalam perekrutan adalah kurangnya kejelasan tentang keterampilan spesifik yang dibutuhkan untuk peran data. DataCamp menawarkan jalur pembelajaran khusus yang dapat disesuaikan dengan kebutuhan bisnis Anda. Baik Anda ingin mengembangkan keahlian dalam analisis data, machine learning, atau rekayasa data, Anda dapat membuat program pelatihan yang disesuaikan agar tim Anda dibekali keterampilan yang tepat untuk perannya.

Sederhanakan evaluasi kandidat

Evaluasi kandidat untuk peran data bisa menantang, terutama saat menilai keterampilan teknis dan soft skill sekaligus. Dengan memanfaatkan platform pembelajaran DataCamp, Anda dapat menyiapkan asesmen dan proyek terarah yang meniru tugas dunia nyata. Ini memungkinkan Anda mengevaluasi kemampuan calon karyawan atau kandidat internal dengan lebih efektif, memastikan mereka memiliki perpaduan yang tepat antara kemahiran teknis dan kemampuan pemecahan masalah.

Manfaatkan program Sertifikasi DataCamp

Proses sertifikasi DataCamp yang ketat memastikan pembelajar siap menghadapi tuntutan peran data. Anda dapat memanfaatkan sertifikasi ini dengan memprioritaskan kandidat yang telah menyelesaikan kursus DataCamp. Sertifikasi ini menjadi indikator andal atas kompetensi kandidat di berbagai disiplin data, analitik, dan AI.

Bangun budaya belajar berkelanjutan

Bidang data science terus berkembang, dan untuk tetap unggul diperlukan pembelajaran berkelanjutan. Dorong tim Anda untuk terlibat dengan peluang belajar berkelanjutan di DataCamp, termasuk kursus baru, proyek, dan sumber daya komunitas. Komitmen terhadap pembelajaran sepanjang hayat ini tidak hanya meningkatkan kapabilitas tim Anda, tetapi juga membuat organisasi Anda lebih menarik bagi talenta terbaik yang menghargai pertumbuhan dan pengembangan.

Dengan berfokus pada peningkatan keterampilan dan membangun program pelatihan internal yang kuat bersama DataCamp, Anda dapat mengurangi tantangan perekrutan di pasar yang kompetitif. Berdayakan tim Anda untuk tumbuh dari dalam, dan ubah proses rekrutmen Anda dari reaksi sesaat menjadi keunggulan strategis. Mulai gratis hari ini.