Зачем мы создали еще одну платформу для хакатонов?

В 2020 мы, как и многие компании на рынке учились работать удаленно, в том числе мы трансформировали процесс поиска кандидатов на позиции data science. Мы стали уделять больше внимания способностям кандидатов работать и закрывать задачи самостоятельно удаленно. Для этого мы разработали «домашнее задание» на синтетических данных, но максимально приближенное к реальности, на котором кандидаты показывали способность решать наши задачи самостоятельно. Впоследствии это задание трансформировалось в платформу корпоративных соревнований по data science. В этом посте, мы хотим рассказать, зачем мы создали еще одну платформу для хакатонов.

Термин появился хакатон в 1999 году и стал синонимом условий для быстрой разработки нового продукта, генерации инновационных идей. Вот пример нескольких успешных историй родившихся на хакатонах:

Генерировать идеи — это задача для участников хакатона, собрать сгенерированные идеи, мобилизовать участников — это задача для организаторов для решения которых нужно хорошее решение.

Мы создали собственную легко масштабируемую платформу, которая в первую очередь позволяет нам быстро и с минимальными затратами запускать типовые соревнования, что очень полезно при проведении, локальных соревнований, например в рамках одной учебной группы университета при решении домашнего задания в виде хакатона. Периодически в рамках учебного процесса, мы читаем лекцию в ВУЗе, после нее даем домашнее задание студентам в виде хакатона, это повышает интерес, добавляет элемент геймификации и соревнования в учебный процесс, а нам позволяет быстрее и объективнее оценить решения студентов. В результате запуск типового хакатона занимает у нас не более часа.

Мы развиваем свой собственный внутренний бренд dsbattle, как провайдера data science соревнований внутри компании, одновременно с этим мы обеспечиваем полное брендирование хакатона под заказчика вплоть до white-label взаимодействия, когда соревнование проводится полностью под брендом и на серверах партнера. Гибкая архитектура и интеграция front-end и back-end через API позволяет нам безболезненно модифицировать фронтальную часть, с сохранением функциональности платформы.

Конечно же, в соревнованиях всегда используются синтетические либо публичные данные, на которых мы тренируемся и оцениваем навыки построения моделей моделей участников, но периодически мы проводим закрытие соревнования. Для того чтобы оценить знания у ограниченного числа участников. Собственная платформа позволяет контролировать доступ с соревнованиям и данных.

Одна из проблем, с которой мы сталкиваемся при поиске кандидатов на позиции junior data scientist в подразделение по управлению рисками — это отсутствие доменных знаний в области риск менеджмента. Как решение, мы создали образовательные курсы в виде хакатонов по разработке моделей оценки рисков, которые читаем в ведущих ВУЗах, в которых мы объясняем зачем нужна интерпретируемость, зачем делать калибровку “through the cycle” и “point in time” модели, что такое “out of sample” и “out of time” тестирование. Тем самым, мы развиваем у студентов доменные знания в области риск-моделирования и создаем сообщество в рамках которого ребята могут знакомиться и делиться опытом, лучших мы приглашаем на стажировку в блок Риски.

Для ранжирования студентов и определения лучших кандидатов на позиции junior data scientist в Сбер мы создали глобальный лидерборд в котором ребята получают очки за заполнение личного профиля и за достижение области data science, такие как, победы и участия в наших и других хакатонах, выступления на data science конференциях и публикации тематических статей. К примеру, за указание GitHub или LinkedIn аккаунта в своем профиле мы даем 1 балл, за вхождение в ТОР-10 в любом соревновании — 5 очков, а за победу — 15. Одни награды можно получить только один раз, но другие такие как публикации статей или участие в конференциях, можно получить несколько раз, один раз за каждое уникальное событие.

В течение 2020 года на провели на нашей платформе несколько внутренних корпоративных хакатонов и с уверенность можем сказать, что платформа — отличный дистанционный канал коммуникации с data science сообществом. Это очень удобно, так как наши участники находятся в различных городах России, вот три крупнейших города с точки зрения data science активности:

Платформа позволяет нам находить и объединять исследователей данных, укреплять и развивать data science сообщество в России. Участники приходят с различными целями, что-то за новыми знаниями, кто-то за поиском новой работы:

Среди участников большая часть пробует свои силы в хакатонах регулярно, но и тех, кто принял участие впервые не мало:

Многие технологичные компании, а также банки, периодически проводят хакатоны, потому что они приносит пользу. Вы также можете придать своей компании необходимый инновационный импульс, организовав внутренний корпоративный хакатон. И мы верим, что вы будете приятно удивлены результатом.

#сбербанк #сбер #хакатон #хакатоны #личныйопыт