Вице-президент LinkedIn Дип Нишар разрабатывает алгоритмы, показывающие, какие шаги нужно предпринять, чтобы стать CEO крупной корпорации
Дип Нишар проводит свои дни за скрупулезным изучением терабайтов информации, поступающей от 75 млн пользователей социальной сети LinkedIn. Он трудится над созданием «карт данных», которые помогут людям идентифицировать свои социальные связи и понять, что им нужно сделать, чтобы получить идеальную работу.
К примеру, если вы хотите стать финансовым директором компании со штатом 5000 человек, то вам, согласно этим «картам данных», необходимо получить степень MBA в течение девяти лет с момента старта карьеры. А обладатель университетского диплома по физике через два года после окончания учебы с 22-процентной вероятностью станет разработчиком программного обеспечения.
Нишар, чья должность называется «вице-президент по продуктам и компетенции пользователей», прочесывает карьерные истории, насчитывающие порой несколько десятков лет, и отслеживает возникающие между пользователями LInkedIn новые связи — а их каждую минуту появляется 2500. Это позволяет ему глубже понять историю экономики Америки (за период с 1970-го по 2000 год люди стали менять место работы почти в два раза чаще), особенности резюме и даже задуматься о предопределенности карьеры (похоже, есть тенденция к тому, что пост CEO чаще достается людям с короткими именами — типа Джек, Амир или Борис).
Дип Нишар, которому сейчас 41 год, вырос в Индии, получил степень MBA в Гарварде и в 2003 году устроился в Google. Там он получил «приз от основателей» за усовершенствование алгоритма размещения рекламы, после чего возглавил азиатское подразделение разработки продуктов. Сейчас из 700 сотрудников, состоящих в штате LinkedIn, 100 человек занимаются изучением данных. Люди, которые входят в эту группу исследователей, обладают опытом в таких сферах деятельности, как нейрохирургия, метеорология и поэзия.
«Им нравится заниматься данными, — рассказывает Нишар. — Конечно, трудно составлять синопсис чьей-то жизни или давать советы насчет карьеры. Но если изучить, где человек работал, с кем он знаком, в каких конференциях участвовал, то это можно сделать — и весьма успешно». «Машинные системы, подобные Google, не способны, как прежде, упорядочивать все данные, — говорит он. — Анализ же социальных сетей позволяет решать многие и важные проблемы».
Даже простое обобщение характеристик, которыми люди описывают себя, представляет собой сложную задачу. В LinkedIn, например, зафиксировали 6000 вариантов описания только одной профессии «разработчик программного обеспечения». «Если мы научимся правильно интерпретировать данные, — говорит Нишар, — мы сможем отыскать способы, позволяющие каждому развить свои навыки и найти им наилучшее применение».