Il Data Scientist in Netflix

Netflix è un’azienda di streaming multimediale con sede a Los Gatos, in California. Fondata nel 1997, ha iniziato come servizio di noleggio di DVD, per poi espandersi nel 2007 nel settore dello streaming. Attualmente Netflix conta oltre 200 milioni di abbonamenti a pagamento in tutto il mondo, compresi più di 60 milioni di utenti statunitensi. Nonostante la difficoltà che sta incontrando in questo momento con il calo degli abbonati, l’azienda è presente in 190 paesi e i suoi ricavi continuano a crescere.

La data science è nel DNA di Netflix, che la sfrutta per migliorare ogni aspetto dell’esperienza dell’utente. Nel corso degli anni, l’azienda ha sfruttato la data science per il suo motore di raccomandazione dei contenuti, per decidere quali film e programmi televisivi produrre e per migliorare l’esperienza degli utenti.

Il ruolo della Data Science in Netflix

Il ruolo di un data scientist in Netflix è fortemente determinato dal team. Tuttavia, il ruolo generale di data scientist in Netflix comprende la Business Analysis, la modellazione statistica, il Machine Learning e l’implementazione del Deep Learning. Una grande azienda in cui i data scientist lavorano in oltre 30 team diversi, tra cui quelli che si occupano di personalizzazione e algoritmi di raccomandazione, quelli che si occupano di analisi di marketing e quelli che si occupano di ricerca e strumenti di prodotto, con competenze che vanno dall’analisi di base agli algoritmi di Machine Learning.

Le competenze:

Netflix assume solitamente data scientist qualificati con almeno cinque anni di esperienza nel settore. I requisiti sono molto specifici e i recruiter assumono figure specifiche per ogni ruolo. È utile avere un’esperienza di settore specifica per il ruolo da ricoprire nel team.

Altre qualifiche rilevanti includono:

 -Laurea avanzata (Magistrale o PhD) in Statistica, Econometria, Informatica, Fisica o un campo quantitativo correlato.

-5 anni di esperienza nel settore con competenze nell’utilizzo di enormi quantità di dati per l’innovazione del prodotto.

-Esperienza con le tecnologie di elaborazione analitica distribuita (Spark, SQL) e forti capacità di programmazione in Python, R, Java.

-Esperienza nella creazione di modelli dii Machine Learning del mondo reale con un impatto dimostrato.

-Abilità statistiche utilizzate negli A/B test, nell’analisi dei dati delle osservazioni e nella modellazione.

-Esperienza nella visualizzazione e creazione di dashboard in Tableau.

Quali sono i team di data science di Netflix?

Il termine data science in Netflix comprende un’ampia gamma di campi e titoli legati alla data science. Il titolo di data scientist comprende ruoli e funzioni che spaziano dai data scientist focalizzati sull’analisi dei prodotti alle funzioni di ingegneria dei dati e al Machine Learning.

I team:

-Algoritmi di personalizzazione: collabora con i team di product e di ingegneri per valutare le prestazioni e ottimizzare gli algoritmi di personalizzazione utilizzati per suggerire film, serie e trailer agli utenti.

-Member UI data science and engineering: utilizzo di modelli di apprendimento automatico personalizzati per ottimizzare l’esperienza utente del prodotto.

-Ricerca sui prodotti: sviluppa e implementa metodi per far progredire la sperimentazione di Netflix su vasta scala. Ciò comporta lo sviluppo di framework di visualizzazione dei dati, strumenti e applicazioni di analisi che forniscono agli altri team informazioni sul comportamento degli utenti e sulle prestazioni dei prodotti.

– Growth Data Science and engineering: si concentra sull’accrescimento della base di abbonati costruendo e progettando pipeline di dati altamente scalabili e set di dati puliti intorno a metriche aziendali chiave.

– Marketing Data Science Engineering: crea pipeline di dati affidabili e distribuite e realizza data product intuitivi che forniscano alle parti interessate i mezzi per sfruttare i dati in tutti i settori in modo autonomo per tutti i team non tecnici.

Il processo del colloquio

Il colloquio per data science in Netflix è simile a quello di altre grandi aziende tech. Il processo inizia con un primo screening telefonico con un recruiter e poi con un breve screening con l’Hiring Manager prima di procedere a un colloquio tecnico. Dopo aver superato il colloquio tecnico verrà fissato un colloquio in loco, composto da due parti con 6 o 7 persone.

Screening iniziale

Lo screening iniziale di Netflix consiste in una telefonata di 30 minuti con un recruiter. I recruiter di Netflix sono altamente specializzati e molto tecnici. Il loro compito è quello di analizzare il curriculum e verificare se le esperienze passate, i progetti e le competenze sono all’altezza del ruolo. Il secondo punto di questa parte del colloquio è testare le capacità comunicative generali e spiegarvi il ruolo e il suo background.

Il colloquio successivo è quello con l’Hiring Manager e si concentrerà maggiormente sulle esperienze passate e approfondirà la parte tecnica di ciò che è stato fatto nell’ambito della data science e del Machine Learning.

Si noti che Netflix punta molto sulla cultura e sui valori, e potrebbe esservi chiesto di scegliere un valore e di spiegare come vi si addice.

Screening tecnico

Dopo aver superato lo screening iniziale, lo screening tecnico è la fase successiva del colloquio. Questo colloquio dura di solito 45 minuti e prevede domande tecniche che spaziano dall’SQL alla sperimentazione e all’ab testing, fino alle domande tecniche sul Machine Learning.

Domande esemplificative:

-Cosa sapete dell’A/B testing nel contesto dello streaming?

-Quali sono le differenze tra la regolarizzazione L1 e L2, perché non si usa la regolarizzazione L0.5?

-Qual è la differenza tra online e batch gradient descent?

-Qual è il modo migliore per comunicare i risultati del ML alle parti interessate?

Colloquio in loco

Il colloquio in loco è l’ultima fase del processo di assunzione e consiste in due colloqui con una pausa pranzo nel mezzo.

Si tratta di colloqui individuali con 6 o 7 persone, tra cui membri di team di data science, team manager e un product manager. Il colloquio in loco di Netflix è una combinazione di product, Machine Learning e vari concetti analitici e comprenderà domande sul senso del prodotto, sulla statistica, su SQL e Python, e sulla rinomata cultura dell’azienda. Se il ruolo è più incentrato sull’ingegneria, aspettatevi un maggior numero di domande sul machine learning ed eventualmente sul deep learning.

Note e suggerimenti

-Ricordate che l’obiettivo del colloquio è valutare come potete applicare concetti analitici e algoritmi e modelli di apprendimento automatico per prevedere il valore degli utenti e dei contenuti. Ripassate le conoscenze di statistica e probabilità, di A/B testing e progettazione sperimentale e di concetti di modellazione di regressione e classificazione.

-Ricordatevi di leggere il documento sulla cultura di Netflix. La cultura è tutto in Netflix e ne hanno creato una unica e famosa, che hanno trascritto in un documento.

-La cultura di Netflix si basa essenzialmente sulla creazione di un team di professionisti di alto livello e sulla creazione di un ambiente che consenta loro di eccellere. Ciò è rappresentato da una buona dose di libertà e responsabilità, da un contesto forte fornito dai manager con un controllo limitato dall’alto verso il basso e da un sistema di retribuzione e promozione che premia i talenti

-In fase di negoziazione dell’offerta, occorre tenere presente che i pacchetti retributivi di Netflix sono estremamente elevati. I loro stipendi medi per le assunzioni tecniche superano i 300.000 dollari e spesso sono quasi sempre in contanti con l’opzione di convertirne una parte in azioni (RSU). Per questo motivo i colloqui sono difficili e la linea di base per l’assunzione è molto alta.

-Esercitatevi con le domande sui case study relativi al prodotto Netflix.

 Domande colloquio sul data science in Netflix

-Scrivere l’equazione per costruire un classificatore utilizzando la regressione logistica.

-Raccogliendo per un mese i dati di login di Netflix, come account_id, device_id e metadati relativi ai pagamenti, come si possono individuare le frodi sui pagamenti?

-Come progetteresti un esperimento per un nuovo modello di raccomandazione di contenuti che stiamo pensando di lanciare? Quali metriche sarebbero importanti?

-Scrivere una Query SQL per trovare una differenza di tempo tra due eventi.

-Come si costruisce e si testa una metrica per confrontare le liste di preferenze di due utenti per quanto riguarda film e serie?

-Come selezionare un campione rappresentativo di query di ricerca tra cinque milioni?

-Perché la ReLU è una buona funzione di attivazione? Se Netflix sta cercando di espandere la sua presenza in Asia, quali sono alcuni fattori che si possono utilizzare per valutare le dimensioni del mercato asiatico e cosa può fare Netflix per entrare in questo mercato?

-Come misuriamo il Modello di Attribuzione per misurare l’efficacia del marketing?

-Come si può stabilire se il prezzo di un abbonamento a Netflix è davvero il fattore decisivo per un consumatore?

Se tutte questi argomenti ti appassionano e questa ricerca della soluzione migliore ti entusiasma, è il momento di metterti alla prova.

Lasciati guidare dai migliori e fai application qui sotto per diventare Data Scientist!

Fai Application qui