¿Por qué muchos científicos de datos de LinkedIn se fueron después de la reorganización?

No puedo hablar por ninguno de los científicos de datos que se fueron. Hubiera sido agradable si el autor del artículo de VentureBeat los hubiera entrevistado y presentado su punto de vista en lugar de solo especular sobre por qué podrían estar insatisfechos.

La reorganización no me trató bien y no voy a fingir que puedo darle una visión neutral, pero diré algo muy breve. La reorganización disolvió efectivamente el equipo de ciencia de datos y distribuyó a los miembros del equipo en organizaciones de ingeniería y análisis.

A corto plazo, muchos científicos de datos continuaron su trabajo diario sin cambios después de la reorganización. Pero desde mi punto de vista, el acto de disolver el equipo transmitió el mensaje de que la ciencia de datos había perdido su posición como disciplina en LinkedIn: hay científicos de datos, pero están haciendo “ingeniería” o “análisis”.

Desde mi punto de vista, hay aspectos importantes de la ciencia de datos que no encajan perfectamente en ninguna de estas áreas. En ese sentido, la reorganización no es solo una reorganización, sino una pérdida. Otros pueden estar de acuerdo.

No trabajo en LinkedIn; Trabajo en otra empresa de Fortune 500 que se encuentra en medio de una reorganización masiva. Justo cuando los informes de Michael Hochster ocurrieron en LI, nuestra compañía disolvió el grupo de ciencias de datos y nos reasignó. Y, nuevamente, como dice Michael, tiene el efecto de comunicar a los científicos de datos que no tienen suficiente confianza o el modelo comercial adecuado para tener un equipo dedicado de DS. Y así, cada dos semanas, otro científico de datos se va (estoy buscando un trabajo yo mismo, de ahí el anonimato).

Hay toneladas de artículos por ahí que aconsejan a los empleadores que si tienes buenos científicos de datos, será mejor que hagas todo lo posible para conservarlos. Y, sin embargo, las empresas continúan sin entender esto. Mi empleador en particular no se da cuenta de que el éxodo actual tendrá un impacto muy negativo en una de sus principales ofertas en el futuro cercano.

¡Supongo que fue una combinación de personas que terminaron su tenencia corporativa (4 años), plumas de una bandada de pájaros juntas y, en muy poco, el tiempo de recuperación!

Fui pasante en ese equipo durante el verano de 2014 y los conozco a todos (excepto Zachary Cain, quien dejó LinkedIn en septiembre de 2013 de acuerdo con su perfil de Linkedin, que fue mucho antes de la reorganización). Todos son personas fabulosas e increíblemente talentosas. Todos menos uno formaban parte del mismo equipo de ciencia de datos que Gloria Lau logró. Pasaron la mayor parte de su tiempo trabajando o de otra manera juntos (Teníamos una mesa en el Food Court de LinkedIn donde nos reuníamos para almorzar todos los días 🙂)

PD: No sé la respuesta real, esta es mi mejor suposición.

More Interesting

¿Qué empresas se están transformando para volverse más basadas en datos?

¿Cómo manejan los científicos de datos las situaciones en las que es difícil obtener resultados verídicos?

¿Por qué tantos datos se vuelven 'oscuros'?

¿Cómo es trabajar en proyectos de aprendizaje automático en la industria del software?

¿Vale la pena un Master en Business Analytics para convertirse en un Data Scientist o los bootcamps son tan efectivos para conseguir un trabajo para alguien sin experiencia?

¿Tiene 36 años para emprender una carrera en ciencia de datos?

¿Qué es una tubería de análisis de datos?

¿Cómo elegir un filamento ABS de alta calidad? ¿Cómo entiendo los datos técnicos relevantes?

¿Cuál es la mejor manera de medir la acción para impactar en el análisis de datos?

¿Cuáles son las desventajas de las notebooks iPython para el análisis de datos? ¿Hay algún trabajo de investigación disponible que hable sobre la rigidez y la linealidad del portátil?

¿Cuál es la mejor arquitectura de chispa (big data) crees que para este caso de uso?

¿Hay alguna manera de recopilar datos de Facebook de una página de la competencia con fines analíticos?

¿Cuáles son algunos de los mejores recursos / estudios de caso sobre análisis de datos / prácticas de segmentación de clientes / métricas en las startups?

¿Cuál es la diferencia entre el curso de MSc Business Analytics y MSc Data Science en UCL? ¿Cuál es más adecuado para convertirse en un científico de datos?

¿Los grandes datos están afectando nuestra privacidad?