No, no es la ronda “fácil”
En las entrevistas en mi empresa anterior, solía pensar que la parte conductual de la entrevista era la parte fácil. Que si alguien fuera técnicamente competente y pudiera sorprender a los entrevistadores con su mente analítica, sería el principal candidato para cualquier trabajo.
Luego fui testigo de cómo un solicitante con altas habilidades técnicas perdía frente a otro más competente socialmente.
No porque le faltara experiencia. Había hecho un buen trabajo y obviamente sabía lo que estaba haciendo. Simplemente no tenía idea de cómo contarnos lo que había hecho de una manera que aterrizara y cómo conectar su trabajo como científico de datos con las cosas que realmente le importaban a mi equipo: colaboración, comunicación y toma de decisiones en condiciones de incertidumbre.
Esto es lo que pasa específicamente con las entrevistas conductuales para roles de ciencia de datos: son diferentes de las entrevistas conductuales para otros campos. Las empresas no sólo comprueban si eres una buena persona. Están averiguando si se puede traducir el trabajo técnico en valor comercial, gestionar las relaciones con partes interesadas no técnicas y manejar situaciones en las que los datos no dan una respuesta clara.
Aquí hay tres consejos que le daría a cualquiera antes de una entrevista conductual.
1. Trate cada historia como un problema de comunicación de las partes interesadas
El mayor error que veo que cometen los científicos de datos en las entrevistas conductuales es contar la historia técnica cuando el entrevistador quiere la historia comercial.
Le preguntarán: “Hábleme de alguna vez en la que tuvo un proyecto difícil”. Se lanza a una explicación detallada de su enfoque de validación cruzada, el ajuste de hiperparámetros que realizó y la compensación de recuperación de precisión que navegó.
Los ojos del entrevistador se ponen vidriosos.
Esto es lo que he aprendido, tanto de mis propias entrevistas como de observar a otros científicos de datos navegar sus carreras: en la mayoría de las empresas, el científico de datos que puede explicar el impacto comercial de su modelo en un lenguaje sencillo es más valioso que el que puede explicar mejor las matemáticas. Su entrevistador no necesita un análisis técnico profundo. Necesitan saber:
¿Cuál fue el problema? ¿Qué hiciste? ¿Por qué importaba?
Escribí sobre este desafío exacto en mi artículo sobre cómo trabajar con las partes interesadas: Una guía para las partes interesadas del científico de datos.
Antes de la entrevista, practique enmarcar sus historias utilizando esta estructura:
¿Cuál fue el problema empresarial (no el problema técnico)? ¿Quién fue afectado o involucrado? ¿Cuál fue tu contribución, en lenguaje sencillo? ¿Cuál fue el resultado mensurable?
En lugar de decir: “Construí un modelo de pronóstico de series de tiempo utilizando funciones de retraso y Random Forest que redujo el RMSE en un 40%”, intente: “Tuvimos un problema recurrente en el que nuestro equipo estaba solicitando recursos energéticos en exceso por un amplio margen cada mes, lo que tenía implicaciones de costos reales. Creé un modelo de pronóstico que nos dio una predicción más precisa con una semana de anticipación, lo que redujo directamente nuestros costos excedentes”.
2. Haz tu investigación
Recomiendo comenzar con una búsqueda básica en Google: “[Company Name] Preguntas de entrevistas de comportamiento”. Puede encontrar información en Glassdoor, Reddit y otros sitios web más pequeños. Especialmente para las empresas más grandes, a menudo encontrará hilos en los que los candidatos anteriores comparten las preguntas reales que les hicieron, cómo era el formato y cómo se sintió el proceso. Tenga en cuenta que los equipos cambian sus preguntas con el tiempo, así que no trate las reseñas antiguas como si fueran un evangelio, pero aun así le darán una idea clara de lo que la empresa valora y cómo les gusta investigarlo.
También puede buscar una lista general de preguntas de entrevista conductuales para su función específica (científico de datos, ingeniero de datos, analista de datos). A un científico de datos se le podrían preguntar más sobre proyectos ambiguos y compensaciones de modelos. Un analista de datos podría enfrentar más preguntas sobre cómo comunicar los hallazgos al liderazgo.
Busque videos en YouTube de entrevistas simuladas de comportamiento o de personas que hayan realizado muchas rondas de entrevistas sobre ciencia de datos. Ver cómo responde otra persona le enseñará más que leer una lista de consejos. Presta atención a:
Qué situaciones mencionó el candidato y en qué situaciones similares ha estado usted. Las expresiones faciales y el comportamiento general del candidato.
3. Prepare algunas situaciones con anticipación
Muchos consejos de preparación para una entrevista conductual se centran en el conflicto: “Cuénteme sobre una ocasión en la que no estuvo de acuerdo con un colega” o “Describa una situación en la que fracasó”. Esas preguntas son importantes, pero para los roles de ciencia de datos, la categoría más difícil es la ambigüedad.
“Cuéntame de alguna vez en la que tuviste que tomar una decisión sin tener toda la información que necesitabas”. “Describe un proyecto en el que los requisitos cambiaron a mitad de camino”. “¿Cómo se manejan situaciones en las que los datos no respaldan una respuesta clara?”
Estas preguntas están diseñadas específicamente para evaluar algo que es muy importante en la ciencia de datos: su tolerancia a la incertidumbre y su capacidad para avanzar sin información perfecta.
La mejor manera de planificarlos es utilizando el método STAR.
ESTRELLA significa:
Situación: ¿Cuál fue el contexto/antecedentes? Tarea: ¿Qué se te asignó específicamente hacer/resolver? Acción: ¿Qué pasos tomaste para resolver el problema? Resultado: ¿Cuál fue el resultado?
Veamos un ejemplo específico del método STAR: “Cuénteme sobre una ocasión en la que tuvo que tomar una decisión sin tener toda la información que necesitaba”.
Situación: A mitad de un proyecto de pronóstico, descubrí que dos meses de datos históricos de consumo de energía se habían registrado incorrectamente debido a un error en el medidor en medio de la ventana de capacitación que planeaba usar.
Tarea: Mis partes interesadas necesitaban un modelo de trabajo entregado al final del sprint. Tuve que decidir si retrasar el proyecto para investigar más a fondo el problema de los datos o proceder con un enfoque modificado y señalar el riesgo.
Acción: Recorté la ventana afectada del conjunto de entrenamiento, volví a entrenarme con los datos más limpios y realicé un análisis rápido para cuantificar cuánto poder predictivo probablemente estaba perdiendo. Le presenté ambas opciones a mi parte interesada (retrasar con mayor certeza o entregar a tiempo con advertencias documentadas) y les dejé hacer la llamada con información completa.
Resultado: pudimos implementar el modelo a tiempo. Logramos una reducción del 12 % en el error absoluto medio en comparación con la línea de base existente, y nuestros pronósticos semanales fueron lo suficientemente precisos como para reducir el exceso de pedidos de energía en aproximadamente un 18 % en el primer mes de implementación. Más tarde, la parte interesada me dijo que la transparencia sobre la cuestión de los datos en realidad aumentó su confianza en los resultados, y no al revés.
Tómese el tiempo para escribir algunas notas sobre estos ejemplos (y más) en un papel. De esa manera, cuando surja una pregunta, no lo tomarán desprevenido. Incluso si se trata de una pregunta diferente a los escenarios que planeaste originalmente, tener algunos escenarios adyacentes de los que puedas sacar provecho es mucho mejor que tener la mente en blanco en este momento.
Conclusión + Consejo adicional
En mi primer año como científico de datos, aprendí que el trabajo rara vez consiste en encontrar la respuesta perfecta. Se trata de encontrar uno defendible, lo suficientemente rápido como para que sea útil. Las partes interesadas no esperan a obtener datos perfectos. Las decisiones comerciales tienen plazos. La capacidad de decir “esto es lo que respaldan los datos en este momento y estas son las suposiciones que hice” es una habilidad en sí misma.
Entonces, antes de tu entrevista, piensa en momentos en los que:
Entregó una recomendación antes de que el modelo fuera perfecto. Identificó que un proyecto había cambiado de alcance y se había adaptado. Tomó una decisión y asumió las consecuencias. Comunicó la incertidumbre claramente en lugar de ocultarla.
Y anote algunas de estas situaciones antes de la entrevista. De esa manera, los tendrás frescos en tu mente.
Aquí tienes un último consejo adicional: recuerda sonreír, mantener la sonrisa ligera y tener una buena actitud. Esto puede marcar una diferencia mucho mayor en su entrevista de lo que cree. Intente entablar una pequeña charla con sus entrevistadores. Encuentra algo que tengas en común con ellos. No tengas miedo de hacer un chiste ligero. Te sorprendería lo lejos que esto puede llevarte y hacerte destacar por encima de otros candidatos.