De beste dataingeniørene sitter sjelden og venter på stillingsannonsen deres. De bygger plattformer, rydder i datakaos, setter opp pipelines som andre team er avhengige av og får henvendelser oftere enn de svarer på dem. Derfor starter spørsmålet om hvordan rekruttere dataingeniører effektivt på feil sted dersom svaret er «skriv en bedre annonse».
Dere trenger først å vite hvem dere faktisk trenger, hva markedet betaler og om rollen er attraktiv nok til at en erfaren kandidat vil lytte. Deretter kan dere begynne å rekruttere.
Dataingeniør er ikke én profil
«Vi trenger en dataingeniør» er like presist som «vi trenger en utvikler». Det kan bety alt fra en person som bygger batch-baserte dataløp i skyen, til en spesialist på streaming, datamodellering, analyseplattform eller datakvalitet. Kandidatene kan ha de samme verktøyene på CV-en og likevel løse helt ulike problemer.
Det første dere må avklare er hva som skal være annerledes om seks eller tolv måneder fordi denne personen er ansatt. Skal data bli mer tilgjengelig for analyse? Skal dere få kontroll på kvalitet, eierskap og definisjoner? Skal maskinlæring flyttes fra eksperiment til produksjon? Eller er utfordringen at teamet bruker for mye tid på manuelle uttrekk og feilretting?
Når svaret er konkret, blir kravene bedre. Da kan dere skille mellom det kandidaten må kunne fra første dag, det teamet kan lære bort, og det som bare er ønskelig. Mange prosesser mister gode folk fordi kravlisten beskriver tre roller samtidig: dataingeniør, dataarkitekt og analyseleder. Det er ikke ambisiøst. Det er utydelig.
Beskriv arbeidsoppgaven, ikke bare teknologistakken
En lang liste med Python, SQL, dbt, Databricks, Snowflake, Airflow, Kafka og Azure sier lite om hverdagen. Er kandidaten ansvarlig for å velge arkitektur, eller skal vedkommende forbedre en etablert plattform? Finnes det dataeiere i forretningen? Er det tilgang på analytikere, plattformkompetanse og en leder som forstår hvorfor datakvalitet tar tid?
Erfarne kandidater vurderer ikke bare om de kan få jobben. De vurderer om jobben lar dem gjøre godt arbeid. En rolle med moderne verktøy, men uten mandat, prioritering eller tilgang til beslutningstakere, er mindre attraktiv enn mange ledere tror.
Se markedet før dere publiserer
Den tradisjonelle prosessen er enkel: Publiser stillingen, vent på søknader og velg blant dem som dukket opp. Problemet er at søknadsbunken først og fremst forteller hvem som var tilgjengelig akkurat da. Den forteller ikke hvem som er best for rollen.
Dataingeniører med erfaring er ofte i jobb og relativt fornøyde. De bytter ikke fordi en annonse er ryddig formulert. De bytter når oppgaven er faglig interessant, rammene er troverdige og totalpakken gir mening.
Før dere setter i gang, bør dere derfor ha svar på tre spørsmål: Hvilke kandidater finnes i markedet nå? Hvilket lønnsnivå forventer de? Og hvor mange andre virksomheter konkurrerer om den samme kompetansen?
Dette er ikke detaljarbeid. Det avgjør om dere bør ansette én seniorprofil, bygge et team gradvis, justere ansvaret eller vente. Hvis lønnsbudsjettet ligger under medianen for nivået dere ber om, må dere enten endre budsjettet eller være ærlige om hva rollen faktisk er. Hvis dere konkurrerer med større miljøer om de samme kandidatene, må dere kunne forklare hva dere tilbyr som de ikke gjør.
Hos Mandag.ai starter Mandag Match med nettopp dette: Dere bruker ti minutter på å beskrive virksomheten og rollen. Deretter får dere fem konkrete, anonyme kandidater, lønnsinnsikt og en vurdering av hvor attraktiv arbeidsgiveren er i markedet. Før annonsen er publisert. Før dere har brukt penger. Det gir et bedre grunnlag for å velge strategi enn magefølelse etter tre uker med stillhet.
Hvordan rekruttere dataingeniører effektivt uten å snevre inn feltet
Effektiv rekruttering handler ikke om å bruke minst mulig tid på mennesker. Det handler om å bruke tiden der den faktisk sier noe.
Start med en kort og skarp rollebrief. Den bør forklare problemet kandidaten skal løse, hvilke beslutninger rollen kan påvirke, hvordan teamet samarbeider og hva som er realistisk å få til det første året. Ikke lov grønnere gress enn dere har. Kandidater som har jobbet med data lenge, oppdager raskt om «datadrevet» i praksis betyr at én person skal rydde opp i ti år med manglende struktur.
Deretter må dere prioritere kandidatdialogen. En henvendelse som bare gjengir stillingstittelen, blir ignorert. Fortell hvorfor akkurat denne personens erfaring er relevant. Vær konkret om mandatet, ikke bare om teknologien. En kandidat som har bygget dataplattform i et regulert miljø, kan være mer interessert i å høre om kompleksiteten dere skal løse enn om at dere tilbyr fleksibelt kontor.
Hastighet betyr også noe, men ikke forveksle raske svar med hastige vurderinger. De beste kandidatene er ofte i flere samtaler samtidig. Hvis det går to uker mellom hvert steg hos dere, kommuniserer dere enten lav prioritet eller dårlig beslutningsevne. Begge deler koster.
Test relevant arbeid på en rettferdig måte
Tekniske vurderinger bør ligne på jobben kandidaten faktisk skal gjøre. Be ikke en erfaren dataingeniør bruke en hel helg på en hjemmeoppgave for å bevise at vedkommende kan skrive kode. Det er en kostnad dere legger på kandidater som allerede har en jobb.
En bedre vurdering kan være en strukturert samtale om et reelt problem: Hvordan ville kandidaten undersøkt brudd i en pipeline? Hvordan prioriterer vedkommende mellom hastighet, kostnad og datakvalitet? Hvordan får man forretningen til å eie definisjonene sine? Be om resonnement, avveiinger og eksempler fra arbeid kandidaten kan snakke om.
Det betyr ikke at teknologi er uviktig. SQL, modellering, skyplattform, orkestrering og versjonskontroll må vurderes når rollen krever det. Men verktøy endres. Evnen til å forstå dataflyt, gjøre gode tekniske valg og samarbeide med folk som har andre mål enn deg, varer lenger.
Intervjuet skal avklare begge veier
Mange virksomheter bruker intervjuet som en eksamen kandidaten skal bestå. Det er bare halve jobben. Kandidaten vurderer dere med samme alvor.
La den ansettende lederen forklare hva som ikke fungerer i dag. La teamet beskrive hvordan de tar tekniske beslutninger. Vær ærlige om teknisk gjeld, uklare dataeiere eller manglende kapasitet. Det høres kanskje mindre selgende ut, men for den rette kandidaten kan det være selve oppgaven som gjør rollen interessant.
Samtidig trenger dere en sammenlignbar vurdering. Alle kandidater bør få de samme sentrale spørsmålene, knyttet til det rollen faktisk krever. Ellers blir intervjuet fort en konkurranse i kjemi med den som intervjuer, ikke en vurdering av hvem som kan lykkes.
Personlighet og samarbeidsevne hører hjemme i prosessen, men aldri som en svart boks. Kandidaten skal forstå hva dere vurderer og hvorfor. Ingen bør velges bort av en maskin, og ingen bør få en vag tilbakemelding som skjuler hva som faktisk ble lagt til grunn.
Tilbudet må tåle sammenligning
Når dere har funnet riktig kandidat, er det fristende å tro at tilbudet avgjør alt. Ofte er beslutningen tatt tidligere. Kandidaten har allerede kjent på om dere er tydelige, om prosessen respekterer tiden deres og om lederen virker i stand til å prioritere.
Likevel må tilbudet være på nivå med markedet. Lønn er ikke hele svaret, men den kan stoppe prosessen umiddelbart hvis den signaliserer at dere ikke forstår kompetansen dere vil kjøpe. Er budsjettet begrenset, må dere være åpne om det og tydelige på hva dere kan tilby i stedet: reelt ansvar, faglig utvikling, påvirkning, fleksibilitet eller en oppgave med synlig verdi.
Det avhenger av kandidaten. En person som vil inn i en større fagorganisasjon, lar seg ikke nødvendigvis overbevise av et lite team og stort mandat. En annen vil nettopp bort fra tunge strukturer. Poenget er ikke å vinne alle. Det er å være tydelig nok til at de riktige velger dere.
En god dataingeniørrekruttering begynner ikke med hvem som søker. Den begynner med et ærlig bilde av rollen, markedet og dere selv. Når dere tør å se det bildet før dere publiserer, slipper dere å bruke måneder på å håpe.
