Ana içeriğe atla
Kariyer Hizmetleri

Blog Özeti — 2022’de Veri Yeteneklerini İşe Almak ve Elde Tutmak

2022’de çalkantılı işe alım piyasasında, veri yeteneklerini bulmak ve elde tutmak hiç bu kadar önemli ve zor olmamıştı. Meenal Iyer ve Glenn Hofmann, veri ekipleri kurma ortamını anlattı ve FAANG ile nasıl rekabet edileceğine dair ipuçları sundu
Adel Nehme's photo
Adel Nehme
Güncel · 5 dk. oku

Yapay Zeka ile Keşfedin

ChatGPTClaudePerplexity

Ücretsiz Hesabınızı Oluşturun

Alıştırma and program your progress.

Google Ile Devam Edin
Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

Büyük istifa dalgasının başlaması, kırılgan ekonomik koşullar ve esnek çalışmanın yükselişiyle, veri ekiplerini işe almak ve elde tutmak hiç olmadığı kadar zor ve önemli hale geldi.

DataCamp Radar Konferansı kapsamında, Momentive.ai Veri Bilimi Başkan Yardımcısı Meenal Iyer ve New York Life Insurance Baş Analitik Sorumlusu Glenn Hofmann ile 2022’de Veri Yeteneklerini İşe Alma ve Elde Tutma konulu bir panel düzenledik. Panel, bugün birçok işe alım yöneticisinin gündemindeki hassas konuları ele aldı. Bu blog yazısında, oturumdan öne çıkan başlıca noktaları paylaşıyoruz. 

2022’de Veri Yeteneklerini İşe Alma ve Elde Tutma

Oturumun tamamını burada izleyin

2022’de Zorlu Bir İşe Alım Ortamında Yol Almak

Kuruluşlar bu yıl veri ekipleri kurmak için zorlu bir tabloyla karşı karşıya. Pandemi, büyük istifa dalgası ve ekonomik yavaşlama arka planında, sınırlı sayıdaki veri profesyoneli için yoğun rekabet varken veri ekipleri inşa etmek güçleşiyor. 

Meenal’ın belirttiği gibi, bugün piyasalar işverenden çok veri çalışanlarını kayırıyor. Talep gören veri profesyonelleri iş arayışlarında seçici davranabiliyor. Dolayısıyla, veri ekibi kurmak isteyen şirketler, en iyi yetenekleri cezbetmek için keyifli ve zorlayıcı çalışan deneyimleri oluşturmalı. 

Başvuranlar sıklıkla piyasa düzeyinde ücret, kapsamlı yan haklar, uzaktan çalışmada esneklik ve sağlıklı bir iş-yaşam dengesi tarafından cezbediliyor. Bununla birlikte, veri profesyonelleri şirket kültürü, pozisyonun kapsamı ve müşterilere sundukları değerle de iyi bir uyum arıyor. Bu nedenle, veri yeteneklerini kazanmak için şirketin güçlü bir işveren markasına sahip olması gerekiyor. 

“Veri profesyonellerinin sahip olduğu seçeneklerle birlikte, şirketin doğası, pozisyonun niteliği ve grubun kültürü çok daha fazla önem kazanıyor. Bugün adaylarla mülakat yaptığımda, “Çalışmam nasıl kullanılacak? Şirket müşterileri için ne yapıyor? Yürütülen işler benim değerlerimle nasıl örtüşüyor?” gibi çok daha fazla soru alıyorum. Bugün bu konulara çok daha fazla odaklanılıyor.” – Glenn Hofmann, New York Life Insurance Baş Analitik Sorumlusu

Glenn Hofmann, Chief Analytics Officer at New York Life Insurance

Meenal, mevcut çalışanları elde tutmanın önemini de vurguladı. Bunu yapmak için şirketler, mevcut ve yeni çalışanların ücret dengesini korumalı. Ayrıca mevcut çalışanların beceri setlerini güncel tutmak amacıyla yeniden beceri kazandırma, beceri geliştirme ve çapraz eğitim de sağlamalıdır. 

Zorlu piyasa koşullarında, veri ekipleri junior çalışanları işe almaya da açık olmalı. Meenal, işe alım yöneticilerine, bu adayları deneyim yılları yerine analitik ve düşünme becerileri temelinde adil biçimde değerlendirmelerini önerdi. Junior çalışanları işe almanın ön koşulu, Meenal’a göre, dik bir öğrenme eğrisinde yeni gelenlere rehberlik edecek yeterli sayıda mevcut veri uygulayıcısının bulunmasıdır.

Veri Yeteneklerinde FAANG ile Rekabet Etmek

Veri profesyonellerinin FAANG şirketlerindeki rollere sürekli ilgi gösterdiği bir sır değil. Peki bunu bilirken, bir şirket veri yeteneklerini nasıl çekebilir? Panel, Büyük Teknoloji’de rol arayan çalışanları elde tutmak için birkaç pratik ipucu sundu.

New York Life Insurance’taki Glenn’in ekibi, FAANG rekabetinden etkilenmiyor. Bunun nedeni, ekibin FAANG şirketlerinkine kıyaslanabilir teknik altyapı ve araçlara sahip olması. Böylece veri ekibi, kariyer gelişimlerine katkı sağlayan teknik olarak karmaşık projeler üzerinde çalışabiliyor.  

Glenn, kişi-örgüt uyumunu dikkate almadan FAANG için körlemesine mülakat yapma konusunda veri profesyonellerini uyardı. FAANG’de veri profesyonelleri çoğu zaman tek bir spesifik probleme odaklanır; bu da ideal iş tanımınıza uymayabilir. Örneğin, Meta’daki veri bilimcileri reklam optimizasyonuna yoğunlaşabilir ve diğer alanları keşfetme fırsatı bulamayabilir. İş arayanlar, FAANG şirketleriyle görüşürken bu tür ödünleşmelerin farkında olmalı.

“Gidin ve küçük göldeki büyük balık olun. Her şeyi öğrenin. Daha küçük ekiplere katılmanın güzel yanı, fonksiyonlar arası bakış açısı kazanma imkânıdır; bu da FAANG’e gittiğinizde olduğundan çok daha verimli bir mühendis ya da veri bilimci olmanızı sağlayabilir.” — Meenal Iyer, Momentive.ai Veri Başkan Yardımcısı

Meenal Iyer, VP of Data at Momentive.ai

Meenal, FAANG dışındaki bir şirketlerde çalışan veri profesyonellerinin deneyimini “küçük göldeki büyük balık olmak” olarak nitelendirdi. FAANG dışındaki yapılarda, çalışanlar etkili projeleri hayata geçirmek için fonksiyonlar arası ekiplerde çalışma olasılığı daha yüksektir. Bu da çalışanın öğrenmesini ve kariyer gelişimini hızlandırır.

2022’de Veri Yeteneklerini İşe Almak ve Elde Tutmak

Kapanıştan önce, panel 2022’de veri yeteneklerini işe almak ve elde tutmak için bazı temel iyi uygulamaların altını çizdi. 

Piyasa düzeyinde ücret sunmanın yanı sıra, Meenal mevcut çalışanları elde tutmak için yeniden beceri kazandırma, beceri geliştirme ve çapraz eğitimin önemini vurguladı. Bu eğitimler teknik (ör. kodlama) ve teknik olmayan (ör. iletişim) becerileri içerebilir. Bu tür girişimler, ekip içindeki beceri açıklarını kapatmakla kalmaz, çalışanlara mevcut sorumluluklarının ötesinde beceriler öğrenme fırsatı da sunar. 

Glenn, anlamlı iş fırsatlarının iş tatmini için kilit önemde olduğunu gördüğünü belirtti. Bu fırsatlar uzun vadeli projeler veya ad-hoc görevler olabilir. Örneğin, junior çalışanlara mentorluk yapmayı anlamlı bulan çalışanlara bu imkân tanınmalıdır. Elbette, bu fırsatlar çalışanın ilgi alanlarıyla uyumlu olmalıdır. Bu nedenle, veri liderlerine ekipleriyle gerçek kariyer sohbetleri yapma ve ilgili fırsatları yaratma sorumluluğu düşer.

“Onlarla gerçek kariyer sohbetleri yapın. Bu, harika bir elde tutma önlemidir. Bir sonraki adımınız ne? Ne başarmak istiyorsunuz? Sizin için nasıl bir yol haritası çizebiliriz? Yapmak istediğiniz türde işlere nasıl ulaşabiliriz?“– Glenn Hofmann, New York Life Insurance Baş Analitik Sorumlusu

Glenn Hofmann, Chief Analytics Officer at New York Life Insurance

Ayrıca, Meenal ve Glenn her ikisi de olumlu bir çalışma kültürünün önemini vurguladı. Çalışma kültürü, aktif öğrenmeyi ve gelişim odaklı bir zihniyeti teşvik etmelidir. Dahası, herkesin katkısının takdir edildiği bir ortam olmalıdır. Olumlu bir çalışma kültürü inşa etmek için Glenn, uzaktan çalışmanın tekdüzeliğini düzenli, yüz yüze ekip kaynaştırma oturumlarıyla kırmayı önerdi. 

Daha Fazlası İçin Oturumun Tamamını İzleyin


2022’de veri ekiplerini nasıl elde tutup geliştireceğinizi daha iyi anlamakla ilgileniyorsanız, oturumun tamamına buradan göz atın. Ayrıca, kendi veri ekibinizi kurmayı düşünüyorsanız, DataCamp Recruit’e bakın.

Konular
Kariyer Hizmetleri
İlgili

blog

2026’da En Popüler 40 Yazılım Mühendisi Mülakat Sorusu

Algoritmalar, sistem tasarımı ve davranışsal senaryoları kapsayan bu temel sorularla teknik mülakat sürecine hakim olun. Uzman cevapları, kod örnekleri ve kanıtlanmış hazırlık stratejileri edinin.
Dario Radečić's photo

Dario Radečić

15 dk.

blog

Hızlı Sevkiyat İçin Pratik Vibe Kodlama Teknoloji Yığını

Ön uç, arka uç, veritabanları, kimlik doğrulama, depolama, e-posta, test, dağıtım ve izleme için en iyi araçları keşfedin.
Abid Ali Awan's photo

Abid Ali Awan

14 dk.

Eğitim

.gitignore Nasıl Kullanılır: Örneklerle Pratik Bir Giriş

Git deponuzu temiz tutmak için .gitignore’u nasıl kullanacağınızı öğrenin. Bu eğitim; temelleri, yaygın kullanım durumlarını ve başlamanıza yardımcı olacak pratik örnekleri kapsar!
Kurtis Pykes 's photo

Kurtis Pykes

8 dk.

Eğitim

Python'da Listeyi String'e Nasıl Dönüştürürsünüz

Bu hızlı eğitimde, Python'da bir listeyi string'e nasıl dönüştüreceğinizi öğrenin.
Adel Nehme's photo

Adel Nehme

Devamını Gör