Contéstame esto, contéstame aquello, ¿por qué es dificil encontrar talento bueno?

¿Culpa del candidato, del reclutador o de la empresa?

Imagen de la película Batman Forever

¡Hola amigos!

Para entender este artículo, primero hagamos el ejercicio de leer este hilo de Twitter:

¿Listo? Ahora dime, ¿quién debe mejorar ahí?

a) El candidato

b) El reclutador

c) La empresa cliente que pide unicornios y paga como a gatitos

Recibo mensajes, tanto de los profesionales que buscan trabajo, como de los encargados de contratar o reclutar talentos. La verdad es que el tiempo no me alcanza para dar recomendaciones — encima gratuitas— a los 3 sobre lo que deben mejorar. Por eso este post; medio chiste, medio anécdota.

Recomendaciones para el candidato:

Afina tu CV de acuerdo a lo que esa empresa dice necesitar. Lo sé, muchas ofertas de trabajo piden cosas hasta por demás — ya tocaremos ese tema líneas más abajo— solo asegúrate de hacer énfasis en las tecnologías o conocimientos que requieren. Por ejemplo:

• X años de experiencia en visualización de datos con Power BI o similares.

Entonces tú debes colocar algo como:

• Empresa 1: utilicé Power BI para visualizar datos sobre ABC y poder evidenciar que debemos hacer XYZ…

Si no tienes experiencia con esa tecnología en específico dentro de alguna empresa, algo que puedes hacer es dar una charla o workshop en alguna comunidad explicando dicho tema.

Data Engineering Latam es la comunidad más grande de profesionales y entusiastas por los datos en Latinoamérica y siempre estamos recibiendo voluntarios para crear contenido en distintos formatos (artículos, workshops, etc).

Recomendaciones para el reclutador:

Aquí es necesario que hagamos una lista:

1. Infórmate sobre los diferentes roles.
2. Haz la diferencia entre developers y data practitioners. Evita mezclar papas con camotes. Incluso evita enfrascar a todos dentro de TI. TI — sorpresa—hace referencia al área de TI. Los que trabajamos en data podemos pasar a formar parte de un área funcional en específico como Marketing, Ventas, Campañas, Tarjetas de Crédito, Préstamos; o pertenecer a un área propia como Data o “Data & Analytics”. De hecho, muchas veces tenemos intereses en conflicto con el área de TI dado que estos no dejan trabajar. Pero ese es tema para otro artículo.
3. No le escribas un mensaje/correo a un posible candidato por Linkedin o WhatsApp diciendo “Tenemos una oferta para data engineer a la que creemos que puedes encajar”. Basta. Solo haces que todos perdamos tiempo así. Lista los detalles en el siguiente orden: ¿remoto o presencial?, ¿oportunidad válida para cualquier parte del mundo, solo Latam o solo algún país en específico? ¿Cuál es el tech stack?
4. No mandes a hacer pruebas técnicas sin haber aclarado el punto anterior.
5. No entrevistes ni pidas resolver retos de programación si no tienes ofertas reales. Es decir, no hagas eso tan solo para alimentar tu base de datos. ¡Mal recruiter! ¡Muy mal!

Lista los detalles en el siguiente orden: ¿remoto o presencial?, ¿oportunidad válida para cualquier parte del mundo, solo Latam o solo algún país en específico? ¿Cuál es el tech stack?

Recomendaciones para la empresa:

Candidatos con experiencia en ciertas tecnologías son difíciles de encontrar. Los avances tecnológicos están a la orden del día. En el mundo de data, pedirle a alguien que cuente con 10 años de experiencia en tecnología X es para atraer candidatos que estén desactualizados. Muy probablemente esa X se puede reemplazar por Y.

Por poner un ejemplo, Apache Hadoop y Apache Hive fueron la sensación de los años 2010s. Hoy en día, pedirle a alguien que nos haga algo con esas tecnologías es generar deuda técnica y el provocar el despido de todos (incluyendo tu puesto como jefe).

Pide ayuda a un experto para que te arme la descripción del puesto de trabajo (JD, en el argot popular).

Otro aspecto a considerar es la remuneración. Bajo la ley de oferta y demanda, el conocimiento escazo debe ser más valorado. Por poner unos ejemplos:

• ¿Cuántos programadores saben javascript y cuántos saben scala?
• ¿Cuantos ingenieros saben AWS y cuántos saben GCP?
• ¿Cuántos, además de ser buenos en la parte técnica, son buenos comunicadores y que, además, hablan inglés?

Habiendo dicho eso, hablemos ahora de las maestrías. ¿En serio necesitas a alguien con maestría, MBA o PhD? No es que esté mal tenerlos en nuestras filas, pero lo que pasa con los programas universitarios es que suelen estar años desfasados de los avances tecnológicos. En parte por la burocracia de estas instituciones y el tener que crear los materiales y cursos sobre temas de data y analytics. Al final todo lo novedoso se discute en las comunidades y redes sociales.

Al final todo lo novedoso se discute en las comunidades y redes sociales.

¿Entonces debo evitar a esos profesionales?

No tanto así. Si tu negocio tiene un componente fuertísimo de innovación, tener a alguien con PhD sí que te viene bien.

¡Gracias por leer! ¿Qué tal otro artículo?

Cuando tienes 22 puedes ser un idiota.

¿Quieres más?

Si presionas 50 veces el botón de 👏 algo maravilloso sucederá.

• Versión del post en inglés aquí.
• Sígueme (David Regalado) para más contenido.
• Sigue a Data Engineering Latam (Dataengineering Latam) para más contenido sobre Ingeniería de Datos, Ciencia de Datos y Gestión de los Datos.