Rekrutację na stanowisko data intelligence engineer zacznij od ustalenia, kto odpowiada za znaczenie odpowiedzi generowanej przez AI, jej weryfikację i dopuszczalne zastosowanie. Nazwę stanowiska wybierz dopiero później. Następnie daj kandydatom definicje biznesowe i syntetyczne dane oraz poproś o zbadanie wiarygodnie wyglądającej, błędnej odpowiedzi. Sprawdzisz w ten sposób, jak ustalają, czemu można zaufać.

Dział sprzedaży podaje jedną wartość przychodów powtarzalnych, a dział finansów inną. Asystent przedstawia przekonujące wyjaśnienie i zapytanie, które wykonuje się bez błędu. Brzmi znajomo? Ktoś nadal musi ustalić, czy zapytanie odpowiada na właściwe pytanie, czy wynik ma oparcie w danych i kto może zatwierdzić tę liczbę do prezentacji dla zarządu.

To konkretny problem rekrutacyjny. Nowa nazwa stanowiska może pomóc go opisać, ale sama go nie rozwiąże.

## Co oznacza tutaj „data intelligence engineer”?

Jordan Tigani proponuje taką rolę w [artykule MotherDuck z 11 listopada](https://motherduck.com/blog/the-data-intelligence-engineer/). Łączy w niej znajomość kontekstu biznesowego, modele danych, koordynację agentów, testy z wcześniej ustalonymi prawidłowymi odpowiedziami oraz odpowiedzialność za wyniki, które mają istotne konsekwencje. W podlinkowanym [proponowanym opisie stanowiska](https://motherduck.com/files/Job_Description_Data_Intelligence_Engineer_Google_Docs_84c1e77140.pdf) dopuszcza też powierzenie tej odpowiedzialności obecnym inżynierom danych, osobom na stanowiskach analytics engineer lub analitykom.

Potraktuj to jako propozycję dostawcy dotyczącą możliwych zmian w pracy z danymi. Może pomóc zaprojektować stanowisko, ale nie dowodzi, że powstał nowy, powszechnie uznany zawód. Ta nazwa pojawia się już w [innych ogłoszeniach o pracę](https://insightglobal.com/jobs/find_a_job/california/stockton/data-intelligence-engineer-i/job-516273/) z odmiennym zakresem obowiązków. Trzeba więc wyjaśnić, co oznacza w twojej firmie.

Najbardziej przydatne w argumentacji Tiganiego jest pytanie o odpowiedzialność. Agent potrafi wygenerować zapytanie i wyjaśnienie, ale zespół wciąż potrzebuje kogoś, kto powiąże je z definicją biznesową, znajdzie wyjątki i ustali sposób kontroli. To nasz wniosek rekrutacyjny z tej propozycji, a nie poparte pomiarami twierdzenie o tym, którzy kandydaci sprawdzą się w pracy.

Znana kandydatom nazwa może być lepszym wyborem. Możesz szukać osoby na stanowisko analytics engineer i wprost przypisać jej odpowiedzialność za odpowiedzi przygotowywane z pomocą AI. Możesz też powierzyć to obecnej osobie w zespole. Decyzja zależy od potrzebnej pracy i uprawnień, a nie od entuzjazmu wobec nowej nazwy.

## Określ odpowiedzialność, zanim otworzysz rekrutację

Zapisz, jakie decyzje ta osoba będzie podejmować samodzielnie, a z jakimi musi zwrócić się do innych. Ogólne hasło „odpowiedzialność za jakość danych” niewiele mówi kandydatom, za to pozwala każdemu recenzentowi wymyślić własne standardy. Zacznij od krótkiego zakresu odpowiedzialności:

| Obszar | Za co odpowiada ta osoba | Jaką granicę wyraźnie wskazać |
|---|---|---|
| Znaczenie wskaźników | Utrzymuje definicje i ujawnia rozbieżności | Sporną definicję zatwierdza osoba odpowiedzialna po stronie biznesu |
| Analiza problemu | Odtwarza drogę od danych źródłowych przez logikę zapytania do odpowiedzi | Dostęp obejmuje tylko zatwierdzone dane |
| Weryfikacja | Tworzy kontrole względem odpowiedzi ustalonych niezależnie | Pomyślne kontrole potwierdzają tylko objęte nimi przypadki |
| Wykorzystanie w pracy | Dokumentuje obsługę błędów i sposób wprowadzania korekt | Publikację o istotnych konsekwencjach zatwierdza wskazana osoba |
| Komunikacja | Wyjaśnia dowody, założenia i nierozstrzygnięte pytania | Pewność odpowiedzi nie zastępuje zatwierdzenia |

To punkt wyjścia do dostosowania, a nie standard branżowy. Jeśli za definicję przychodu odpowiada dział finansów, inżynier nie powinien zmieniać jej bez uzgodnienia tylko po to, by dashboard zgadzał się z liczbą działu sprzedaży. Powinien wskazać konflikt, wyjaśnić jego skutki i uzyskać decyzję właściwej osoby.

Potrzeba wspólnych definicji pojawiła się wcześniej niż agenci. Na przykład [dokumentacja Semantic Layer w dbt](https://docs.getdbt.com/docs/use-dbt-semantic-layer/setup-sl) opisuje centralne definiowanie wskaźników jako sposób na ograniczenie niespójnych obliczeń. Nie trzeba korzystać z tego produktu, żeby podjąć taką samą decyzję organizacyjną: ustalić obowiązującą definicję i wskazać, kto może ją zmieniać.

Oddziel umiejętności wymagane na starcie od tych, których zamierzasz nauczyć. Jeśli planujesz wdrożenie w firmowy model subskrypcji, podaj jego zasady w zadaniu. Jeśli diagnozowanie błędów SQL jest niezbędne od początku, poproś o jego zademonstrowanie.

Takie rozróżnienie między kompetencjami wymaganymi przy zatrudnieniu a rozwijanymi później opisują [wytyczne dotyczące próbek pracy](https://www.opm.gov/policy-data-oversight/assessment-and-selection/other-assessment-methods/work-samples-and-simulations/) amerykańskiego Office of Personnel Management. To federalne wytyczne dotyczące oceny kandydatów, a nie powszechny wymóg prawny ani potwierdzenie trafności poniższego zadania.

## Umieść w zadaniu próbnym jedną wiarygodnie wyglądającą, błędną odpowiedź

Daj kandydatom odpowiedź, którą warto zakwestionować, i wystarczający kontekst do jej zbadania. Niewielka rozbieżność może powiedzieć więcej o umiejętności weryfikacji niż otwarte polecenie zbudowania efektownego demonstratora analitycznego.

Poniższe zadanie jest fikcyjne. Wszystkie konta i kwoty są wymyślone, a definicje stanowią instrukcję do zadania, nie uniwersalne zasady rachunkowości.

W treści zadania określ, że miesięczny przychód powtarzalny, czyli MRR, to miesięczna kwota z subskrypcji cyklicznych aktywnych na wskazany koniec miesiąca. Trzeba wykluczyć jednorazowe opłaty wdrożeniowe oraz subskrypcje anulowane przed tą datą. Na potrzeby zadania roczny przychód powtarzalny, czyli ARR, jest równy MRR pomnożonemu przez dwanaście.

Udostępnij następujące dane syntetyczne:

| Konto | Cykliczna kwota miesięczna | Jednorazowa opłata wdrożeniowa | Status na wskazany koniec miesiąca |
|---|---:|---:|---|
| A | 100$ | 50$ | Aktywna subskrypcja |
| B | 200$ | 0$ | Subskrypcja anulowana przed końcem miesiąca |
| C | 300$ | 0$ | Aktywna subskrypcja |

Dołącz błędne wygenerowane zapytanie, które sumuje wszystkie kwoty cykliczne i opłaty wdrożeniowe bez filtrowania statusu subskrypcji. Zwraca ono MRR w wysokości 650$ i ARR w wysokości 7800$. Dodaj informację, że dział sprzedaży korzystał z tej wyższej wartości.

Prawidłową odpowiedź zachowaj w materiałach dla osoby oceniającej: według podanych zasad MRR wynosi 400$, a ARR 4800$. Rozbieżność wynika z doliczenia opłaty wdrożeniowej konta A i anulowanej subskrypcji konta B. Rozwiązanie zadania nie powinno zależeć od odgadnięcia nieujawnionej zasady stosowanej przez finanse.

Poproś kandydata o poprawne obliczenie, krótkie wyjaśnienie błędu, kontrole wykrywające jego ponowne wystąpienie oraz notatkę wskazującą, czy odpowiedź jest gotowa do wykorzystania. Powinien odróżnić fakty wynikające z materiałów od pytań wymagających decyzji biznesowej. To, że dział sprzedaży woli wyższą liczbę, nie zmienia zatwierdzonej definicji.

Na stanowisko techniczne przygotuj niewielki zbiór danych i zapytanie, które można uruchomić w znanym środowisku SQL. Z góry określ, czy wymagana jest znajomość konkretnego dialektu. Jeśli najważniejsza jest odpowiedzialność za analizy, zdecyduj, czy implementacja w SQL jest konieczna, czy wystarczy wyjaśnienie pozwalające odtworzyć wynik. Oceniaj umiejętności potrzebne na oferowanym stanowisku.

Wyjaśnij również zasady korzystania z narzędzi. Jeśli dopuszczasz pomoc AI, zapewnij porównywalny dostęp lub sposób wykonania zadania bez prywatnej płatnej subskrypcji. Zapytaj, co kandydat sprawdził po użyciu AI. Liczy się to, jak przetestował wynik, w tym czy drugie wygenerowane wyjaśnienie nie powtórzyło po prostu pierwszego błędu.

## Ustal kryteria oceny dowodów, zanim zaczniesz przeglądać prace

Oprzyj ocenę na zachowaniach, które można zaobserwować. Zarówno przekonujący opis, jak i poprawny wynik końcowy są przydatne, ale żaden z nich nie wyjaśnia sam w sobie, jak kandydat doszedł do odpowiedzi. Uzgodnij kryteria przed przeprowadzeniem zadania:

| Wymiar | Jakich dowodów szukać | Co warto zbadać dokładniej |
|---|---|---|
| Stosowanie definicji | Stosuje podane zasady dotyczące końca miesiąca i opłat cyklicznych | Bez wyjaśnienia zastępuje je inną definicją przychodu |
| Analiza problemu | Łączy każdą rozbieżność z rekordem lub operacją w zapytaniu | Zmienia zapytanie, aż suma zacznie wyglądać wiarygodnie |
| Weryfikacja | Sprawdza przypadki anulowania i opłat jednorazowych względem oczekiwanych wyników | Traktuje zapewnienie asystenta jako kontrolę |
| Uprawnienia | Wskazuje, kto musi zatwierdzić sporny wskaźnik lub jego publikację | Zakłada, że poprawienie zapytania daje prawo do publikacji |
| Komunikacja | Przedstawia wyjaśnienie pozwalające odtworzyć wynik i wskazuje pozostałe ograniczenia | Podaje liczbę bez wahania, lecz nie wyjaśnia założeń |

To proponowane punkty odniesienia do oceny, a nie zweryfikowane narzędzie doboru pracowników. Przetestuj zadanie z osobami, które rozumieją rzeczywistą pracę. Sprawdź, czy instrukcja jest jednoznaczna, nakład pracy rozsądny, a wymagane umiejętności zgodne ze stanowiskiem.

Podaj kandydatom przewidywany nakład pracy, format odpowiedzi i sposób ubiegania się o dostosowanie warunków zadania do ich potrzeb. Jeśli zadanie wymaga znacznego wysiłku, rozważ jego zmianę lub wynagrodzenie kandydatów, odpowiednio do waszego procesu.

Niech recenzenci zapiszą obserwacje niezależnie, zanim omówią kandydata. „Wykluczył B, ponieważ subskrypcja została anulowana przed końcem miesiąca” daje zespołowi konkretny materiał do analizy. „Dobre wyczucie biznesowe” pozostawia wszystkich z domysłami.

W dalszej rozmowie zbadaj granice odpowiedzi. Zapytaj, co zmienia anulowanie skuteczne dopiero w kolejnym miesiącu, jak objąć kontrolami nowy rodzaj opłaty lub co zrobić, gdy dział finansów zakwestionuje definicję. Każdemu kandydatowi przedstaw te same podstawowe warunki dalszych pytań. Sprawdzasz, jak dostosowuje rozumowanie, a nie kto odgadnie ukryty wyjątek wymyślony przez prowadzącego rozmowę.

Wynik punktowy powinien pomóc uporządkować tę dyskusję. Nie powinien stać się niewyjaśnioną regułą zatrudnienia lub odrzucenia. Zapisz, co pozostaje niepewne i czy można to wyjaśnić kolejnym pytaniem związanym z pracą.

## Ustal, kto odpowiada za wynik po zatrudnieniu

Oprócz kompetentnej osoby potrzebne są odpowiednie warunki pracy. Ktoś musi zatwierdzać definicje, przyznawać właściwy dostęp, rozstrzygać przekazane problemy i decydować, kiedy można wykorzystać odpowiedź.

Jeszcze przed złożeniem oferty wyjaśnij, jak będzie wyglądać ta współpraca. Kto rozstrzyga spór sprzedaży z finansami? Kto może wstrzymać cykliczny raport? Kto poprawia liczbę, którą już rozesłano? Co się dzieje, gdy kontrola wykrywa błąd pod nieobecność odpowiedzialnej osoby?

Zadanie może sprawdzić, czy kandydat zauważa te pytania, ale nie zastąpi odpowiedzi, których nie ustaliła organizacja. Niewielki syntetyczny zbiór danych nie dowiedzie też, że ktoś potrafi zarządzać całym firmowym systemem danych. Potraktuj go jako jeden dowód o ograniczonym zakresie, obok odpowiedniego doświadczenia i uporządkowanej rozmowy.

## Zachowaj materiały do oceny kandydatów w Kit

Przełóż zakres odpowiedzialności na opis stanowiska, etapy rozmów i kryteria oceny, z których zespół będzie faktycznie korzystać. [Profile idealnych kandydatów](/docs/building-ideal-candidate-profiles) w Kit pomagają powiązać oczekiwane rezultaty i kompetencje z oceną. [Konfiguracja szablonów procesu](/docs/process-template-configuration) obejmuje etapy zadań próbnych z treścią zadania, pracami kandydatów i przydzielonymi ocenami wykonywanymi przez ludzi.

Zachowaj w tych materiałach warunki zadania i uzasadnienia poszczególnych recenzentów, aby móc do nich wrócić przy omawianiu kandydatów. Kit porządkuje proces. Osoby oceniające nadal ustalają oczekiwaną odpowiedź, analizują pracę i decydują, jakie wnioski można z niej wyciągnąć. Kit nie rozstrzyga za nie, czy analiza jest poprawna.

Zacznij od jednej odpowiedzi o istotnych konsekwencjach, na której firma musi móc polegać. Określ definicję, kontrole i osobę odpowiedzialną za decyzję. Otrzymasz jaśniejszy opis stanowiska i bardziej przydatną rozmowę, niezależnie od tego, czy wybierzesz nazwę data intelligence engineer, czy inną, znaną już kandydatom.