Як стати науковцем даних

Якщо ви аналітично налаштовані і любите працювати з цифрами, стати науковцем даних може бути розумним кроком у кар’єрі. Хоча вони переважно зайняті у фінансовому секторі, їхні послуги стають все більш затребуваними у величезній кількості різних галузей та галузей.

Якщо ви розглядаєте цей шлях кар’єри, цей посібник може стати в нагоді!

1. Дослідження професії

Перш ніж зважитися на кар’єру, слід завжди ретельно досліджувати її. Це дозволить отримати більш чітку картину обраної професії, а також дасть вам уявлення про те, як долучитися.

Описання роботи

Оскільки цінність та важливість даних починає світитися для підприємств та організацій, науковцям даних необхідно використовувати алгоритми та статистичні прийоми, щоб перетворити ці дані в інформацію.

Це не лише випадок наявності технічного ноу-хау. Дослідники даних повинні мати знання галузі, в якій працюють, щоб вони могли осмислити цю інформацію та зрозуміти, що важливо, а що ні. А після цього вони повинні мати можливість чітко та ефективно пояснювати свої висновки іншим; спілкування - ключовий навик в галузі даних.

ключові обов'язки

Залежно від організації, в якій ви працюєте, ваша роль може дещо відрізнятися, але загалом обов'язки науковця даних такі:

  • Працюйте з іншими підрозділами вашої організації, щоб визначити проблеми та використовувати дані, щоб запропонувати ефективні рішення
  • Об’єднайте, керуйте та витягуйте дані, щоб створити спеціальні звіти для колег, клієнтів або широкої організації
  • Підтримуйте чітку комунікацію з організацією постійно, щоб забезпечити розуміння та задоволення потреб у даних
  • Використовуйте інструменти машинного навчання та статистичні методи, щоб забезпечити рішення за потребою
  • Створюйте чіткі та стислі звіти, які пропонують цінність для клієнтів чи бізнесу
  • Будьте в курсі новітніх технологій, прийомів та методів
  • Провести дослідження прототипів та доведення понять
  • Шукайте можливості використовувати розуміння, коди чи моделі, які могли б принести користь іншим функціям організації (наприклад, HR або маркетингу)
  • Сприяйте освіті науки про дані і заохочуйте інших в організації бачити переваги вашої роботи

Основні навички та якості

  • Дуже сильні комунікативні навички пояснювати складні поняття людям, які не мають робочих знань з механіки аналізу даних
  • Ретельна увага до деталей та вміння ефективно вирішувати проблеми
  • Досвід (або бажання вступити в боротьбу) з інструментами допиту та аналізу бази даних, такими як SQL
  • Самомотивація та здатність працювати без нагляду
  • Хороші організаторські та планувальні навички
  • Спільний підхід до обміну ідеями та пошуку рішень, оскільки вам потрібно буде працювати з іншими відділами

Час роботи та умови

Це залежатиме від організації, в якій ви працюєте, але з розумом можна розраховувати працювати нормально з понеділка по п’ятницю в офіс. Якщо у вас є терміни, вам можуть знадобитися працювати довші години або у вихідні дні.

Перспективи оплати праці

У Великобританії більшість позицій початкового рівня пропонують стартові зарплати в розмірі від 19 000 до 25 000 фунтів. Оскільки ви отримуєте більше досвіду та стажу, це може зрости в будь-якому місці від 30 000 до 50 000 фунтів стерлінгів, якщо науковці та консультанти високого рівня зможуть командувати зарплатою в будь-якому місці від 60 000 до понад 100 000 фунтів.

У США стартові зарплати становлять близько 65 000 доларів, цифра, яка може піднятися аж до 135 000 доларів. Середня зарплата становить близько 90 000 доларів.

Ці показники змінюються залежно від типу галузі, в якій ви працюєте (наприклад, фінансові фірми, як правило, виплачують більш високі зарплати) та місця, де ви працюєте.

2. Отримайте кваліфікацію

Зазвичай більшість компаній вимагають, щоб ви отримали науковий ступінь в галузі даних про дані або суміжній галузі, але це не обов'язково в комп'ютері або на науці. Сильні кількісні навички, безумовно, важливі, але більш здатними чинниками є можливість вирішити проблеми логічно та методично.

Однак, важливо мати певні технічні навички. Знання мов програмування - особливо Python - абсолютно необхідне, оскільки ви будете обробляти величезну кількість даних, і реально більшість компаній шукають знайомства з іншими мовами кодування та програмними програмами.

Якщо ви змінюєте кар’єру, навчання для післядипломної кваліфікації у відповідній галузі може допомогти, але це не обов'язково вимоги. Деякі хороші теми, на яких слід зосередитися, були б:

  • MSc Data Science
  • MSc Business Analytics
  • MSc Science Science and Analytics
  • MSc Big Data

3. Отримайте свою першу роботу

Наука даних є на сьогодні надзвичайно затребуваною професією, оскільки організації починають усвідомлювати важливість використання своїх даних для прийняття обґрунтованих рішень. Як результат, компанії в усіх галузях шукають талановитих та знаючих новобранців, і бізнес змагається один з одним за те, щоб забезпечити найкращі таланти.

Якщо вам потрібен більший досвід, багато великих компаній пропонують стажування та програми тінізації роботи, де ви зможете застосувати свої знання на практиці та створити професійну мережу контактів.

Існують також онлайн-змагання, на які можна брати участь, наприклад, організатори Kaggle, Topcoder та Laboratory Defense Science Technology (DSTL), де наймачі найчастіше шукають нових та нових талантів.

Деякі з найвизначніших галузей, в яких ви могли б працювати:

  • Фінанси
  • Академія
  • Наукові дослідження
  • Роздрібна торгівля
  • Інформаційні технології
  • Електронна комерція

Цей список не є вичерпним. В останні роки вчені з даних стали цінним надбанням телекомунікаційних, транспортних та енергетичних компаній - фактично будь-якої галузі, де компанії генерують дані.

Оскільки робочі місця користуються таким високим попитом, слідкуйте за сайтами з переліком робочих місць або, якщо ви хочете працювати в певній галузі, досліджуйте компанії в цій галузі і регулярно перевіряйте їх веб-сайти на наявність позицій. Можна також спробувати ці веб-сайти:

  • Дані вченого
  • KD Nuggets (головним чином роботи в США)
  • Згорнути

4. Розвивайте свою кар’єру

Щодо професійного розвитку, то немає реальної акредитації чи сертифікації. Вас можуть попросити відвідати спеціальні навчальні курси, щоб розширити або розширити свої знання, а також заохочувати бути в курсі нових тенденцій та розробок у галузі наукових даних.

Що стосується кар’єрного розвитку, то багато залежить від того, скільки часу вам потрібно буде засвоїти необхідні навички для аналізу великих наборів даних та ефективного представлення своїх результатів. На сходах просування є кілька кроків, оскільки більшість компаній мають вищих науковців даних; у цій ролі ви б взяли на себе додаткові завдання управління та відповідали за невелику групу молодших науковців.

Оскільки навички, які ви будете вивчати та володіти, не обмежуються однією конкретною галуззю, переходити до різних компаній або працювати за кордоном порівняно просто.

Прогноз роботи

Прогноз роботи для науковців є надзвичайно позитивним. Уряд Великої Британії стверджує, що до 2020 року щороку буде створено 56000 робочих місць для вчених, що займаються інформацією, а експерти з консультацій з управління McKinsey & Co прогнозують, що в 2018 році не буде заповнено 140 000 - 190 000 посад в галузі даних. Маючи талант у такому нестачі, компанії все більше готові платити найвищу ціну, щоб забезпечити потрібні набори навичок.

У США попит схожий. Harvard Business Review (HBR) стверджують, що дефіцит науковців стає "серйозним обмеженням" у деяких секторах, оголосивши науку про дані як "найсексуальнішу роботу 21 століття". Крім того, він був визнаний найкращою роботою за 2017 рік на сайті кар’єри Glassdoor, із середнім рейтингом 4, 8 з 5 - справді висока оцінка.

Це, мабуть, золотий вік для науковців даних, оскільки вони безумовно діють на ринку покупців. Маючи моркву з високими стимулами та гнучким та стійким набором навичок, що забезпечує міцну безпеку роботи, зараз ніколи не було кращого часу продовжувати кар’єру.

Ви працюєте в науці даних? Якщо так, то повідомте про ваш досвід у коментарях ...

Залиште Свій Коментар

Please enter your comment!
Please enter your name here