Zbirke

Što tvrtke traže prilikom zapošljavanja znanstvenika podataka

Što tvrtke traže prilikom zapošljavanja znanstvenika podataka

Danas je znanost podataka u središtu gotovo svakog poslovanja i organizacije. Narastajuća potreba za ne samo prikupljanjem podataka već i prebiranjem kroz njih i njihovo analiziranje kako bi se izravno odlučivalo potaknula je veliku potražnju za kvalificiranim znanstvenicima za podatke.

Karijera znanstvenika podataka privlači one koji ne samo da traže traženu poziciju već onu koja nudi visok potencijal zarade i veliko zadovoljstvo poslom. To je najbolji posao za 2019. godinu u Americi na Glassdooru s medijanom osnovne plaće od $108,000 i rang 4,3 od 5 za zadovoljstvo poslom.

Da biste pojasnili razlike između znanstvenika podataka i analitičara podataka, pogledajte sljedeći videozapis:

Što je potrebno da biste bili znanstvenik podataka? Očito su bitne jake tehničke vještine. Ali pitanje je koje specifične vještine mora svladati da bi ih postavilo na ovom određenom putu karijere?

POVEZANO: EVOLUCIJA RAČUNALNIH JEZIKA PREKO 136 GODINA

Morate imati vještine

Odgovor na pitanje bitnih vještina za znanstvenike podataka nastavlja se mijenjati i razvijati se, što dokazuje široko citirani članak o toj temi KD Nuggets, 9 Morate imati vještine koje su vam potrebne da biste postali znanstvenik podataka, ažurirano. "Ažurirano" je dodano naslovu jer je broj vještina s popisa s godinama rastao.

Kako sada stoji, 13 vještina na popisu KD Nuggets su sljedeće:

  1. Obrazovanje
  2. R programiranje
  3. Python kodiranje
  4. Hadoop platforma
  5. SQL baza podataka / kodiranje
  6. Apache iskra
  7. Strojno učenje i AI
  8. Vizualizacija podataka
  9. Nestrukturirani podaci
  10. Intelektualna znatiželja
  11. Poslovna pronicljivost
  12. Komunikacijske vještine
  13. Timski rad

Iako neke vještine ne iznenađuju, jer biste očekivali da će znanstvenik podataka svladati jezike i tehničke vještine koje se koriste u znanosti o podacima, neke su stavke malo općenitije. I to zato što znanost podataka nije stvar pukog izvlačenja brojeva već smisla svega toga u kontekstu poslovnih ciljeva.

Ne samo znanost već i umjetnost

Zato je prije nekoliko godinaVenture Beat sugerirao je da bi "data artist" mogao biti precizniji naslov posla: "Možda ti znanstvenici nisu Einsteini i Edisoni već Van Goghsi i Picassovi iz revolucije velikih podataka." Poanta je prepoznati da znanstvenici podataka ne samo promatraju i kvantificiraju, već smišljaju kreativne pristupe izvlačenju uvida i vrijednosti iz podataka.

Uspješan znanstvenik podataka nije samo netko tko je provjerio popis tvrdih vještina; on mora imati sposobnost razmišljanja o tome kako pristupiti problemu na nov način koji otvara put ka rješenju, a zatim učinkovito komunicirati što je radilo i zašto. Daleko više od pukog kvanta, uspješni znanstvenik podataka kreativan je mislilac i rješava problem s razumijevanjem domene.

Intervju dokaz tvrde i meke vještine

Ova kombinacija vještina proizlazi iz popisa na kojem Roger Huang predstavljaSvaki intervju za znanost o podacima svodio se na pet osnovnih pitanja. Tih pet pitanja uspijeva riješiti 60% tvrde vještine, 20% meke vještine i 20% sposobnost primjene znanja na situaciju.

Teške vještine tvore tri pitanja: jedno o matematici, drugo o kodiranju i drugo o statistici. Meke vještine dolaze u obzir u pružanju odgovora na ono što Huang naziva "bihevioralnim pitanjima" koja procjenjuju podnositeljevu sposobnost za kulturu tvrtke. Zatim postoji ono što on naziva "scenarijskim pitanjem", ono koje izaziva podnositelje zahtjeva da pokažu svoju sposobnost primjene naučenog u određenoj situaciji i ocrtaju pristup koji bi mogao funkcionirati.

Vidjevši širu sliku

Budući da je jedna od prepoznatljivih značajki znanstvenika podataka intelektualna znatiželja koja tjera osobu da slijedi stvarno razumijevanje, očekuje se da će ta osoba učiniti više od pukog krčenja brojeva. Kao Wall Street Journal članak, Što je uopće znanstvenik podataka? izjavio je, "učinkoviti znanstvenik podataka ... ima sposobnost vidjeti kako pojedine podskupine podataka mogu biti korisnije od ostalih i koji se zaključci iz njih mogu izvući."

Također je važno zainteresirati se za široku sliku organizacije i koji su ishodi relevantni za njene ciljeve. To je u skladu s onim što je dr. John Maiden, znanstvenik za podatke iz JP Morgan Chase's Digital Intelligence opisao na blogu aNYC Data Science Academy.

Jedna od ključnih stvari koju traže u financijskoj tvrtki je sposobnost da "primijene rješenja za velike, neuredne probleme iz stvarnog svijeta". Objašnjava da je to zato što posao podrazumijeva manje sudjelovanja u "izravnoj analizi podataka" nego u "premetanju neurednih skupova podataka kako bi se dobio uvid u djelo".

C su ključni

U videozapisu u nastavku Bernard Ong, AVP, vodeći znanstvenik za podatke, Advanced Analytics u Lincoln Financial Group, govori o vlastitom putu karijere i onome što traži kod kandidata prilikom zapošljavanja za svoj tim. Uz kodiranje i matematičke vještine, kaže, želi kandidate koji posjeduju ono što on naziva "3 C". To su znatiželja, kreativnost i kritičko razmišljanje.

Ong je objasnio zašto dobar podatkovni znanstvenik mora imati te mogućnosti kako bi "ne samo razumio modeliranje i prediktivnu analizu, već i kakve poslovne izazove pokušavamo riješiti." Ovdje je važno razmišljati o tome kako se stvari slažu.

„Sve započinje postavljanjem pravih pitanja koja proizlaze iz znatiželje. Kritičkim razmišljanjem nastavlja se s procjenom problema, a kreativnošću se napreduje u iznalaženju inovativnih rješenja i prenošenju vizije do kraja poslovanja u smislu koji razumiju ", dodao je Ong.

Ispričavanje priče o podacima koja pokreće odluke

Što se tiče priopćavanja ove vizije, "tehnički pojmovi" jednostavno je ne režu. Umjesto toga, "morate znati ispričati priču iza podataka", ističe Ong.

Razvijanje takvih kretanja u tvrtki zasigurno zahtijeva kapitaliziranje mekih vještina, ali oni su presudni čak i za one koji ostaju u ulozi znanstvenika podataka. Maiden naglašava važnost dobre komunikacije "kako bi se pružili djelotvorni savjeti za vođenje odluka". To zahtijeva ne samo usmenu i pismenu komunikaciju, već i vizualizaciju podataka, pronalaženje pravih grafikona i grafikona koji će priču ispričati na način koji će je učiniti razumljivom čak i za one koji nisu školovani u analitici podataka.

Kako ljudi snažno reagiraju na vizualni dokaz, grafički predstavljajući korelacije i uzročno-posljedične veze koje se pojavljuju analizom podataka, odnose prenose na puno uvjerljiviji način od pukog teksta. Vizualizacija podataka zapravo je mjesto gdje se matematička kvantifikacija i kreativna umjetnost udružuju na isti kraj promoviranja odluka na temelju podataka.

KD Nuggets dotiče se te iste točke naglašavajući koliko je važno razviti "čvrsto razumijevanje osnova industrije i ciljeva tvrtke" kako bi znanstvenik podataka mogao iskoristiti "tehničke sposobnosti kako bi dugoročno promijenio . " To je još vitalnije zanimanje za znanstvenike podataka čije težnje za karijerom uključuju prelazak u ulogu unutar C-Suitea.

Kreativni pristupi rješavaju probleme s podacima

U istom smislu, Ong kaže da morate razumjeti širi kontekst kako biste bili sigurni da radite s podacima potrebnim za rješavanje problema:

„Jedan od izazova je prikupljanje pravih podataka za pronalaženje potrebnih odgovora. Možete kurirati velike količine podataka i dalje utvrditi da oni ne pružaju informacije koje tražite. "

Tu kreativno razmišljanje dolazi do izražaja u razradi "spajanja podataka". Taj je pristup kombiniranje "različitih izvora podataka u nove kombinacije koje bi mogle pružiti pravu vrstu podataka."

"Tu kreativnost pomaže znanstveniku podataka da dođe do novih otkrića i razvije rješenja", izjavljuje Ong.

U konačnici, rad s Big Dataom učinkovito zahtijeva korištenje kreativnosti i metodičkih procesa u idealnoj kombinaciji koja je Einstein opisala kao ideal znanosti:

„Sama formulacija problema mnogo je važnija od njegova rješenja, što može biti samo stvar matematičkih ili eksperimentalnih vještina. Za postavljanje novih pitanja, novih mogućnosti, sagledavanja starih problema iz novog kuta potrebna je kreativna mašta i obilježava stvarni napredak u znanosti. "


Gledaj video: Baze podataka (Siječanj 2022).