Voorbereiding op je data science-sollicitatie

Gefeliciteerd, je bent uitgenodigd voor een sollicitatiegesprek als data scientist! Al je harde werk met leren, het bouwen van een portfolio en het solliciteren naar banen heeft zijn vruchten afgeworpen—nu is het tijd om het gesprek te rocken. Dat is niet eenvoudig, en je hebt vast veel vragen:

• Moet ik vooronderzoek doen? Hoeveel tijd moet ik erin steken?
• Hoe zit het met verschillende soorten gesprekken? Zijn die echt zo anders?
• Welke skills moet ik bijspijkeren voor het gesprek?

Voorbereiden op een data science-sollicitatie bestaat uit meerdere stappen, en we lopen ze allemaal door. Na het lezen van dit artikel heb je een complete toolkit om elk data-gericht sollicitatiegesprek te knallen.

Hoe bereid je je voor op een data science-sollicitatie: achtergrondonderzoek

Doe allereerst je huiswerk en verdiep je in het bedrijf, de branche en je interviewers. Dit advies geldt voor elk sollicitatiegesprek, maar is extra belangrijk in een competitieve datamarkt. Dit zijn stappen die je kunt nemen om je toekomstige werkgever te leren kennen.

Bekijk de vacature opnieuw

Waarschijnlijk heb je op veel verschillende data science-functies gesolliciteerd, dus het is belangrijk om de details van de functie waarvoor je nu op gesprek mag nog eens door te nemen. Denk aan de eisen, benodigde vaardigheden en bedrijfsdetails, zodat alles weer helder op je netvlies staat. 

Bezoek hun website

Kijk welke producten of diensten ze aanbieden. Kies er twee en bedenk hoe je hun functionaliteit kunt verbeteren met jouw data science-vaardigheden. Deel je ideeën gerust tijdens het gesprek. Bied een paar concrete manieren waarop jouw skillset het bedrijf competitiever maakt. Door je waarde te "verkopen", vergroot je je kans op een aanbieding aanzienlijk.

Bestudeer hun concurrenten

Onderzoek andere spelers in de branche. Wat bieden zij? Wat onderscheidt hen van het bedrijf waar jij solliciteert? Het is mooi als je met een sterk idee kunt komen om de concurrentie te overtreffen en dit tijdens het gesprek kunt pitchen.

Check de waarden en cultuur van het bedrijf

Sluiten jouw waarden daarbij aan? Spreekt de cultuur je aan? Wanneer je jezelf kort voorstelt, beschrijf dan subtiel je principes. Wees eerlijk en kies alleen waarden waar je echt in gelooft, zodat je de juiste indruk maakt.

Zoek recente successen van het bedrijf op

Hebben ze het aantal klanten flink verhoogd? Deden ze mee aan een belangrijk congres? Gebruik de website en sociale media zoals LinkedIn, Twitter en Facebook. Maak aantekeningen en noem je bevindingen tijdens het gesprek. Mensen vinden het prettig als je aandacht hebt voor wat zij of hun bedrijf hebben bereikt.

Onderzoek je interviewer

Als je al weet wie je spreekt, google die persoon en zoek op LinkedIn. Wat voor type is het? Doet diegene veel aan open source? Vrijwilligerswerk? Misschien zaten jullie op dezelfde opleiding? Deze kennis helpt je om de beste communicatiestrategie te kiezen.

Voorbereiden op data science-sollicitaties: gesprekstypen

Een data science-sollicitatie kraken betekent klaar zijn voor elk type gesprek. Een gesprek kan telefonisch, via video of fysiek zijn, en met verschillende mensen: HR, management of dataprofessionals.

Elk data science-gesprek

1. Neem je cv en motivatiebrief door, want je krijgt vragen over wat je daar hebt geschreven. Een snelle blik helpt je om vragen te voorspellen. 
2. Wees klaar om vragen te stellen over het bedrijf en de functie. Een gesprek is een dialoog: stel gerust vragen. Het toont initiatief als je relevante, doordachte vragen hebt.
3. Bereid je salariseisen voor. Of het nu je eerste datajob is of je al veel ervaring in data science hebt: weet wat je wilt vragen. Bekijk Data Science Salary Expectations in 2022 om te zien wat past bij jouw titel en skillset.
4. Bereid antwoorden voor op veelgestelde vragen, zoals: Waarom wil je hier werken? Wat verwacht je van je manager? Werk je liever zelfstandig of in nauwe samenwerking met het team? 
5. Doe een oefengesprek met een vriend(in). Het is niet hetzelfde als een echt gesprek, maar het helpt om blinde vlekken te ontdekken.
6. Kleed je netjes en comfortabel. Je wilt je prettig voelen en aansluiten bij de bedrijfscultuur. Bij een corporate rol kun je formeler gaan; bij een hip techbedrijf kan het wat informeler. 
7. Rust uit. Zorg dat je goed slaapt en niet uitgeput bent—dat schaadt je kansen flink.

Telefonisch gesprek

Een telefonische screening is vaak de eerste stap. Dat kan spannend zijn, maar met voorbereiding verlaag je de stress:

1. Zorg voor een goede en stabiele verbinding. Er mogen geen storingen of onderbrekingen zijn.
2. Zoek een stille plek en laat iedereen weten dat je het komende uur niet beschikbaar bent.
3. Laad je telefoon op. Het is cruciaal dat je batterij niet leegraakt halverwege het gesprek.

Videogesprek

Een videogesprek lijkt in sommige opzichten op een telefoongesprek, maar je ziet je gesprekspartners.

1. Zorg voor stabiel en snel internet. 
2. Installeer de benodigde software voor je videogesprek
3. Let op je omgeving; die moet netjes en professioneel zijn.
4. Zorg voor goede verlichting; test de videokwaliteit vooraf. Zet je webcam op een flatterende hoek.
5. Check webcam en microfoon; die moeten perfect werken.

Fysiek gesprek

Je start mogelijk met een telefoon- of videogesprek en gaat daarna op locatie. Of je hebt meerdere gesprekken op kantoor, afhankelijk van rol en bedrijf. Tips: 

1. Weet hoe je op de locatie komt. Plan je reis goed en check hoeveel tijd je nodig hebt.
2. Lichaamstaal is belangrijk bij face-to-face contact. Oefen vooraf. Kom vriendelijk en open over.
3. Kom niet te laat, maar ook niet veel te vroeg. Vijf à tien minuten van tevoren is meestal prima.

HR

Een gesprek met HR is vaak de eerste stap. De focus ligt meer op je persoonlijkheid en soft skills dan op techniek. Typische vragen zijn:

1. Wat zijn je sterke en zwakke punten? Klinkt simpel, maar het gaat ze om je zelfreflectie. Laat zien hoe je sterktes waarde toevoegen en hoe je aan je zwaktes werkt.
2. Vertel over je grootste fout; hoe loste je die op? Vertel een verhaal met een begin, climax en einde. Wat heb je geleerd en hoe heeft dat je skills verbeterd?
3. Hoe ga je om met negatieve feedback? Toon professionaliteit: leg uit hoe je ervan leert om je prestaties te verbeteren.

Voorbereiden op het technische data science-gesprek

Nu is het tijd voor het technische deel. Afhankelijk van de rol zijn verschillende skills nodig, zoals SQL, Python, R en machine learning. We behandelen een breed palet aan vaardigheden en reiken bronnen aan om ze te beheersen.

Basis coderen

Als data scientist schrijf je code, meestal in Python, R of SQL:

1. Python. Als je solliciteert op een data scientist-rol, bekijk snel de meest voorkomende codeervragen in Python en check onze lijst met 23 interviewvragen voor data scientists.
2. R. Oefen met Machine Learning Interview Questions in R. Het kan pittig zijn, maar je leert er veel van!
3. SQL. De Top 21 Data Engineering Interview Questions geven je een beeld van veelvoorkomende SQL-vragen, en bekijk ook onze SQL-cheat sheet. Leren datagedreven beslissen in SQL is ook cruciaal. We hebben bovendien specifieke bronnen over de top 80 SQL-interviewvragen en de top MySQL-interviewvragen. Je kunt ook onze webinar over het kraken van de SQL-sollicitatie en essentiële PostgreSQL-interviewvragen bekijken. 

Statistiek 

Statistiek is vrijwel overal vereist. Je hoeft geen master in statistiek te hebben, maar je moet de basis goed beheersen. Denk aan: gemiddelde, mediaan, standaarddeviatie, variantie, normale verdeling, statistische modellen, kansen, Bayesiaanse statistiek en toetsen van hypothesen. Test je statistische skills in Practicing Statistics Interview Questions in Python en Practicing Statistics Interview Questions in R. Bekijk ook onze gids met de Top 35 statistiek-interviewvragen en -antwoorden.

Data opschonen 

Echte data is ongestructureerd en rommelig, dus voordat je gaat analyseren, moet je schoonmaken. Voor elke datarol is het essentieel dat je fouten en onnauwkeurigheden kunt herkennen en data kunt voorbereiden voor analyse en visualisatie. Fris je data wrangling-vaardigheden op met onze cursussen Cleaning Data in Python en Cleaning Data in R. Solliciteer je meer richting data-analist, bekijk dan onze 22 interviewvragen voor data-analisten. 

Machine learning

Afhankelijk van je functiebeschrijving kan machine learning nodig zijn. Herhaal de meest gebruikte ML-algoritmen: lineaire en logistische regressie, decision tree, random forest, K-Nearest Neighbors, en pas je skills toe met vragen in Practicing Machine Learning Interview Questions in Python en R. Bekijk daarnaast de top machine learning-interviewvragen.

Voor meer diepgang is onze cursus Lineaire algebra voor data science in R een goede basis.

Datavisualisatie

Datavisualisatie is misschien wel een van de belangrijkste skills voor een data scientist. Je moet je werk helder en begrijpelijk kunnen presenteren aan zowel technische als niet-technische doelgroepen. Als je met klanten praat, wordt dit nog belangrijker. Wees voorbereid om de meest effectieve grafieken voor verschillende datatypen te bespreken. Bekijk deze cursussen over de datavisualisatiebibliotheek ggplot2 voor R en matplotlib voor Python. Leer daarnaast hoe je datainsights effectief communiceert.

Tips en tricks voor data science-sollicitaties

Tot slot een paar tips en tricks die je helpen om je gesprek te kraken:

Niemand verwacht dat je alles weet 

Het is normaal om een specifieke skill te missen. Als het bedrijf om een oplossing in R vraagt, maar jij kunt het alleen in Python, laat dan zien hoe je het in Python oplost en toon je bereidheid om R te leren.

Denk na voordat je antwoordt

Vraag om extra tijd als de vraag dat vereist. Dat laat zien dat je het serieus neemt. Doe dit alleen niet bij elke vraag.

Leg de rol van een data scientist uit

Soms, zeker bij kleinere bedrijven, is niet helemaal duidelijk waarom ze een data scientist nodig hebben. Leg dan uit hoe jij de zichtbaarheid en winst kunt vergroten door bestaande producten te verbeteren of nieuwe oplossingen te bouwen.

Sectoren verschillen

Werken als data scientist kan per domein sterk uiteenlopen. Een biotechbedrijf is anders dan een cloudprovider. Verdiep je in de sector van het bedrijf en laat zien dat je wilt leren. Fundamenteler gezien werkt iedereen met data, en data kun je in veel opzichten op vergelijkbare manieren benaderen—ongeacht de sector.

Omgaan met afwijzingen

Dat is de realiteit van de huidige competitieve arbeidsmarkt. Leer van fouten, blijf nieuwe skills leren en schaaf bestaande bij. Vraag advies aan senior collega’s, zeker als ze in data science werken. Je kunt de interviewer ook om feedback vragen als je het niet geworden bent. 

Tot slot

Je weet nu hoe je je voorbereidt op een data science-sollicitatie! Laten we samenvatten:

• Doe achtergrondonderzoek naar het bedrijf, de branche en de interviewers.
• Bereid je verschillend voor op diverse typen gesprekken: telefoon, video, fysiek, met HR, management of dataprofessionals.
• Toch lijken gesprekken in veel opzichten op elkaar. Maak de voorgestelde stappen onderdeel van je routine.
• Er zijn talloze data science-bronnen om je op technische vragen voor te bereiden. Check ze regelmatig!
• Bekijk zeker onze gids met de top interviewvragen voor data scientists op alle niveaus.