En dataplattform kan være virksomhetens viktigste motor, men den stopper sjelden med en smell. Den blir bare tregere. Tallene spriker. Rapportene kommer for sent. Produktteamet stoler mindre på dataene. Når dere står der, er ansettelse av data engineers ikke lenger en fin forbedring. Det er en beslutning som påvirker fart, kostnad og evnen til å ta gode valg.
Likevel begynner mange på samme måte: De skriver en annonse, publiserer den og håper at den riktige personen søker. Det er bakvendt. De beste data engineerne har som regel allerede en jobb, et team som trenger dem og flere muligheter enn de rekker å vurdere. Søknadsbunken forteller dere mest om hvem som er tilgjengelig akkurat nå. Ikke hvem som faktisk er best for rollen.
Ansettelse av data engineers starter før annonsen
Før dere diskuterer krav, teknologier og intervjuprosess, må dere kunne svare på noe enklere: Hva er det som ikke fungerer i dag? Det høres selvsagt ut, men det er her mange ansettelser sporer av.
Trenger dere en som kan bygge og eie datainfrastrukturen fra bunnen? En som rydder i eksisterende pipelines og gjør data tilgjengelig for analytikere? Eller en som kan jobbe tett med produkt og maskinlæring, slik at data faktisk kan brukes i tjenester kundene møter? Alle kan ha tittelen data engineer. Det betyr ikke at de løser samme problem.
En bred stillingsbeskrivelse med Snowflake, Databricks, dbt, Airflow, Python, SQL, Kafka og skyplattform i samme avsnitt gir sjelden et bedre treff. Den forteller ofte at dere ikke har prioritert. For kandidaten blir det uklart hva jobben faktisk er. For dere blir det vanskelig å skille relevant erfaring fra en lang liste med verktøy.
Start heller med mandatet. Hva skal være annerledes seks til tolv måneder etter at personen har begynt? Kanskje skal markedsteamet kunne stole på kundedataene sine. Kanskje skal produktutviklere få data uten å vente på et sentralt team. Kanskje skal dere slutte å betale for dårlige spørringer og dobbeltlagring. Et tydelig mandat gir en tydeligere profil.
Ikke ansett en data engineer når dere trenger noe annet
Grensene mellom data engineer, analytics engineer, data scientist og plattformutvikler er ikke alltid skarpe. Men de er skarpe nok til at feil forventning blir en dyr ansettelse.
Data engineeren bygger vanligvis grunnlaget: innhenting, modellering, kvalitet, tilgang og flyt. Analytics engineeren gjør dataene enklere å bruke for virksomheten, ofte tett på analysemodeller og forretningsspørsmål. Data scientisten utvikler analyser, modeller og prediksjoner. Plattformutvikleren kan være mer opptatt av generell utviklerinfrastruktur enn selve dataflyten.
I mindre selskaper kan én person dekke flere av disse områdene. Det kan være riktig. Men da må dere være ærlige om prioriteringen. Ingen kan samtidig rydde opp i fem års teknisk gjeld, bygge en moderne plattform, levere dashboards til hele organisasjonen og være intern rådgiver for alle avdelinger fra første måned.
Det er ikke kandidaten som har urealistiske forventninger når vedkommende spør hvem som eier datakvalitet, hvilke beslutninger rollen kan ta og om det finnes utviklingskapasitet rundt den. Det er et godt tegn. Dyktige fagfolk vurderer ikke bare teknologi. De vurderer om de får mulighet til å gjøre en ordentlig jobb.
Teknologistack er et signal, ikke en strategi
Dere trenger ikke finne kandidaten som har brukt nøyaktig samme stack som dere. SQL, datamodellering, versjonskontroll, testing og forståelse for dataflyt er ofte mer verdifullt enn eksakt erfaring med ett bestemt verktøy. En engineer som har bygget gode løsninger i én skyplattform, kan lære en annen. En som bare kjenner knappene i verktøyet dere bruker, er ikke nødvendigvis den som kan løse neste problem.
Det avhenger likevel av situasjonen. Har dere en plattform som må stabiliseres raskt, og et lite team uten kapasitet til opplæring, kan erfaring med sentrale verktøy være avgjørende. Bygger dere for de neste tre årene, bør dere vektlegge faglig dybde, evnen til å ta gode tekniske valg og viljen til å forklare dem.
Lønn og attraktivitet er en del av kravspesifikasjonen
Mange arbeidsgivere bruker mest tid på hva kandidaten skal kunne og minst tid på hva de selv tilbyr. Det er merkelig. En erfaren data engineer velger ikke bare en jobb. Vedkommende velger et teknisk miljø, et mandat, en leder og en hverdag.
Ligger lønnen under det markedet betaler for den erfaringen dere ber om, bør dere vite det før dere begynner. Ikke etter at dere har brukt seks uker på intervjuer og mister finalekandidaten. Det samme gjelder konkurransen. Hvis ti selskaper i deres område rekrutterer fra den samme gruppen, må dere kunne forklare hvorfor akkurat deres rolle er verdt å bytte til.
Attraktivitet handler heller ikke bare om frynsegoder og hjemmekontor. En data engineer vil ofte vite om ledelsen faktisk prioriterer datakvalitet når det koster tid. Om data brukes i beslutninger, eller bare omtales som viktig i presentasjoner. Om rollen får påvirke arkitektur, eller bare får reparere konsekvensene av andres valg.
Et ærlig svar slår en glatt formulering. Har dere lav teknisk modenhet, men et reelt mandat til å bygge den opp, kan det være svært attraktivt for rett person. Har dere begrenset budsjett, men en konkret plan for ansvar og utvikling, si det. Kandidater tåler sannheten. Det de ikke gidder, er overraskelser sent i prosessen.
Se kandidatmarkedet før dere konkurrerer i det
Tradisjonell rekruttering ber dere satse først og lære etterpå. Dere publiserer annonsen, venter på respons og justerer når markedet ikke svarer. Da har dere allerede tapt tid, og de beste kandidatene har ikke nødvendigvis sett stillingen.
En bedre prosess begynner med innsikt. Hvilke profiler finnes? Hva tjener de? Hvor mange andre arbeidsgivere ser etter det samme? Og hvordan oppfatter kandidatene dere som arbeidsgiver?
I Mandag Match bruker kunden ti minutter på å beskrive selskapet og rollen. Deretter får dere fem konkrete, anonyme kandidater, lønnstall for rollen og innsikt i hvor mange lignende selskaper som jakter samme profil. Før annonsen er publisert. Før dere har brukt penger. Det flytter samtalen fra håp til valg.
Fem kandidater er ikke en garanti for en ansettelse. Det ville vært useriøst å påstå. Men det er et langt bedre utgangspunkt enn en tom annonse og en tidsplan basert på magefølelse. Kanskje ser dere at rollen er lett å fylle. Kanskje oppdager dere at kravene må spisses, lønnen må opp eller mandatet må bli mer attraktivt. Begge deler er verdifull kunnskap før prosessen er låst.
Intervjuet må teste arbeidet, ikke selvtilliten
Data engineers er vant til komplekse problemer. Et godt intervju lar dere forstå hvordan kandidaten angriper dem. Ikke bare om vedkommende kan gjenta navn på teknologier.
Be kandidaten forklare en løsning de faktisk har bygget. Hva var problemet? Hvilke avveininger gjorde de? Hva gikk galt? Hvordan oppdaget de det? Svarene viser ofte mer enn en teoretisk test. En erfaren engineer snakker ikke bare om resultatet, men om datakvalitet, eierskap, kostnader, sikkerhet og hva teamet lærte underveis.
En praktisk oppgave kan fungere, men bare når den respekterer kandidatens tid. En omfattende hjemmeoppgave favoriserer dem som kan bruke hele helgen gratis. Den måler ikke nødvendigvis evne bedre. Bruk heller en kort, relevant case i samtalen, eller la kandidaten diskutere et anonymisert problem fra deres egen hverdag.
Og gi kandidaten innsyn i prosessen. Fortell hva dere vurderer, hvem som tar beslutningen og når svaret kommer. Ingen skal bli sittende igjen i stillhet etter å ha brukt tid og kompetanse på dere. Dere vurderer kandidaten, men kandidaten vurderer dere like nøye.
Den rette ansettelsen gjør teamet mindre avhengig av enkeltpersoner
Det beste utfallet er ikke at dere får inn en teknisk helt som redder alt alene. Det er at dere ansetter en person som gjør dataarbeidet tydeligere, tryggere og mer nyttig for flere. En som dokumenterer, deler kunnskap og bygger løsninger teamet kan leve med også når kravene endrer seg.
Derfor bør dere ikke spørre bare hvem som kan begynne raskest. Spør hvem som kan gjøre dere bedre om ett år. Få et ærlig bilde av markedet først. Se menneskene før annonsen. Da blir ansettelsen mindre et lotteri og mer det den burde være: en beslutning dere kan stå for.
