Heute ist Data Science das Herzstück fast aller Unternehmen und Organisationen. Das wachsende Bedürfnis, Daten nicht nur zu sammeln, sondern zu sichten und zu analysieren, um direkte Entscheidungen zu treffen, hat zu einer enormen Nachfrage nach qualifizierten Datenwissenschaftlern geführt.
Eine Karriere als Datenwissenschaftler ist sehr attraktiv für diejenigen, die nicht nur eine gefragte Position finden, sondern auch ein hohes Verdienstpotenzial und eine hohe Arbeitszufriedenheit bieten. gilt als bester Job für 2019 in Amerika Glastür mit einem mittleren Grundgehalt von 108.000 USD und ein Rang von 4,3 von 5 für die Arbeitszufriedenheit.
Um Klarheit über die Unterschiede zwischen einem Datenwissenschaftler und einem Datenanalysten zu erhalten, sehen Sie sich das folgende Video an :
Was braucht es, um ein Datenwissenschaftler zu sein? Offensichtlich sind starke technische Fähigkeiten unerlässlich. Aber t Die Frage ist, welche spezifischen Fähigkeiten man beherrschen muss, um diesen bestimmten Karriereweg einzuschlagen?
VERBINDUNG: DIE ENTWICKLUNG VON COMPUTERSPRACHEN ÜBER 136 JAHRE
Die Fähigkeiten, die man haben muss
Die Antwort auf die Frage nach den wesentlichen Fähigkeiten für Datenwissenschaftler ändert sich weiter und entwickelt sich weiter, wie ein viel zitierter Artikel von KD Nuggets zu diesem Thema belegt. 9 Kenntnisse, die Sie benötigen, um Data Scientist zu werden, aktualisiert . Das "Aktualisierte" wurde dem Titel hinzugefügt, da die Anzahl der Fähigkeiten auf der Liste im Laufe der Jahre gestiegen ist.
Derzeit sind die 13 Fertigkeiten auf der KD Nuggets-Liste die folgenden :
- Bildung
- R-Programmierung
- Python-Codierung
- Hadoop-Plattform
- SQL-Datenbank / Codierung
- Apache Spark
- Maschinelles Lernen und KI
- Datenvisualisierung
- Unstrukturierte Daten
- Intellektuelle Neugier
- Geschäftssinn
- Kommunikationsfähigkeiten
- Teamarbeit
Während einige der Fähigkeiten keine Überraschung sind, erwarten Sie von einem Datenwissenschaftler, dass er die in der Datenwissenschaft verwendeten Sprachen und technischen Fähigkeiten beherrscht, sind einige der Elemente etwas allgemeiner. Und das liegt daran, dass die Datenwissenschaft dies nicht istes geht nur darum, Zahlen zu extrahieren, aber alles im Kontext der Geschäftsziele zu verstehen.
Nicht nur eine Wissenschaft, sondern eine Kunst
Deshalb vor einigen Jahren Venture Beat vermutet, dass „Datenkünstler“ eine genauere Berufsbezeichnung sein könnte: „Vielleicht sind diese Wissenschaftler nicht die Einsteins und Edisons, sondern die Van Goghs und Picassos der Big-Data-Revolution.“ Es geht darum zu erkennen, dass Datenwissenschaftler dies nicht tunlediglich beobachten und quantifizieren, aber kreative Ansätze entwickeln, um Erkenntnisse und Werte aus Daten zu gewinnen.
Ein erfolgreicher Datenwissenschaftler ist nicht nur jemand, der die Liste der harten Fähigkeiten abgehakt hat. Er oder sie muss in der Lage sein, darüber nachzudenken, wie ein Problem auf eine neue Art und Weise angegangen werden kann, die den Weg zu einer Lösung und dann effektiv eröffnetkommunizieren, was funktioniert hat und warum. Der erfolgreiche Datenwissenschaftler ist weit mehr als nur ein Quant, er ist ein kreativer Denker und Problemlöser mit Domänenverständnis.
Der Interviewnachweis für Hard- und Soft Skills
Diese Mischung von Fähigkeiten ergibt sich aus der Liste, in der Roger Huang präsentiert Jedes Data Science-Interview besteht aus fünf grundlegenden Fragen . Diese fünf Fragen funktionieren zu 60% harte Fähigkeiten, 20% Soft Skills und 20% Fähigkeit, Wissen auf die Situation anzuwenden.
Die harten Fähigkeiten machen drei der Fragen aus: eine zur Mathematik, eine zur Codierung und eine zur Statistik. Soft Skills spielen eine Rolle bei der Beantwortung der von Huang als „Verhaltensfragen“ bezeichneten Fragen, die die Eignung des Bewerbers für das Unternehmen bewertenKultur. Dann gibt es das, was er die „Szenario-Frage“ nennt, die Bewerber dazu auffordert, ihre Fähigkeit zu demonstrieren, das Gelernte auf eine bestimmte Situation anzuwenden und einen Ansatz zu skizzieren, der funktionieren könnte.
Das größere Bild sehen
Da eines der Unterscheidungsmerkmale des Datenwissenschaftlers die intellektuelle Neugier ist, die eine Person zu einem echten Verständnis veranlasst, wird erwartet, dass die Person mehr als nur Zahlen knackt. Als a Wall Street Journal Artikel, Was ist überhaupt ein Data Scientist? erklärt: „Ein effektiver Datenwissenschaftler… kann erkennen, wie bestimmte Teilmengen von Daten nützlicher sein können als andere und welche Schlussfolgerungen daraus gezogen werden können.“
Es ist auch wichtig, sich für das Gesamtbild der Organisation und die für ihre Ziele relevanten Ergebnisse zu interessieren. Dies steht im Einklang mit dem, was Dr. John Maiden, Datenwissenschaftler bei JP Morgan Chases Digital Intelligence, in a Blog der NYC Data Science Academy .
Eines der wichtigsten Dinge, nach denen sie bei der Finanzfirma suchen, ist die Fähigkeit, „Lösungen für große, unordentliche Probleme in der realen Welt anzuwenden“. Er erklärt, dass der Job weniger mit „unkomplizierter Datenanalyse“ als mit „Wrangling“ verbunden istunordentliche Datensätze zur Verfügung zu stellen umsetzbare Erkenntnisse. ”
Die Cs sind Schlüssel
Im folgenden Video spricht Bernard Ong, AVP, leitender Datenwissenschaftler bei Advanced Analytics bei der Lincoln Financial Group, über seinen eigenen Karriereweg und darüber, wonach er bei Kandidaten für sein Team sucht. Zusätzlich zu den Codierungs- und Mathematikkenntnissen, sagt er, er will Kandidaten, die das besitzen, was er die "3 Cs" nennt. Diese stehen für Neugier, Kreativität und kritisches Denken.
Ong erklärte, warum ein guter Datenwissenschaftler über diese Fähigkeiten verfügen muss, um „nicht nur die Modellierung und prädiktive Analyse zu verstehen, sondern auch, welche Art von geschäftlichen Herausforderungen wir angehen wollen“. Hier ist es wichtig, darüber nachzudenken, wie die Dinge zusammenpassen.
„Es beginnt damit, die richtigen Fragen zu stellen, was aus Neugierde resultiert. Es setzt sich mit kritischem Denken fort, um das Problem zu bewerten, und schreitet mit Kreativität voran, um innovative Lösungen zu finden und die Vision dem Unternehmensende so zu vermitteln, wie sie es verstehen.“hinzugefügt Ong.
Erzählen der Datengeschichte, die Entscheidungen antreibt
Wenn es darum geht, diese Vision zu kommunizieren, schneiden „Fachbegriffe“ einfach nicht ab. Vielmehr muss man „in der Lage sein, die Geschichte hinter den Daten zu erzählen“, betont Ong.
Das Ausarbeiten solcher Bewegungen innerhalb eines Unternehmens erfordert sicherlich die Nutzung von Soft Skills, aber sie sind auch für diejenigen von entscheidender Bedeutung, die in der Rolle des Datenwissenschaftlers bleiben. Maiden betont, wie wichtig es ist, gut kommunizieren zu können, um umsetzbare Ratschläge für das Fahren zu gebenEntscheidungsfindung. “Dies erfordert nicht nur mündliche und schriftliche Kommunikation, sondern auch Datenvisualisierung, um die richtigen Diagramme und Grafiken zu finden, um die Datengeschichte so zu erzählen, dass sie auch für diejenigen verständlich ist, die nicht in Datenanalyse geschult sind.
Da die Menschen stark auf visuelle Beweise reagieren, vermittelt die grafische Darstellung der Korrelationen und Ursachen, die durch die Datenanalyse auftauchen, die Beziehungen auf viel überzeugendere Weise als bloßer Text. Bei der Datenvisualisierung kommen mathematische Quantifizierung und kreative Kunst zum selben Zweck zusammendatengetriebene Entscheidungen zu fördern.
KD Nuggets geht auf denselben Punkt ein und betont, wie wichtig es ist, ein „solides Verständnis der Grundlagen der Branche und der Unternehmensziele“ zu entwickeln, damit der Datenwissenschaftler „technische Fähigkeiten nutzen kann, um einen Unterschied in der Branche zu bewirkenauf lange Sicht. “Es ist von noch größerem Interesse für Datenwissenschaftler, deren Karriereziele die Verlagerung in eine Rolle innerhalb der C-Suite beinhalten.
Kreative Ansätze lösen Datenprobleme
In gleicher Weise sagt Ong, dass Sie den größeren Kontext verstehen müssen, um sicherzugehen, dass Sie mit den Daten arbeiten, die zur Lösung des Problems erforderlich sind :
“ Eine der Herausforderungen besteht darin, die richtigen Daten zu erhalten, um die erforderlichen Antworten zu finden. Sie können große Datenmengen kuratieren und dennoch feststellen, dass sie nicht die gewünschten Informationen enthalten. ”
Hier kommt kreatives Denken bei der Erarbeitung der „Datenfusion“ ins Spiel. Bei diesem Ansatz werden „verschiedene Datenquellen zu neuen Kombinationen kombiniert, die die richtige Art von Daten liefern können.“
„Hier hilft Kreativität dem Datenwissenschaftler, neue Entdeckungen zu machen und Lösungen zu erarbeiten“, erklärt Ong.
Letztendlich erfordert die effektive Arbeit mit Big Data die effektive Nutzung sowohl der Kreativität als auch der methodischen Prozesse in einer idealen Kombination, die Einstein als Ideal der Wissenschaft bezeichnet :
„Die bloße Formulierung eines Problems ist weitaus wichtiger als seine Lösung, die lediglich eine Frage mathematischer oder experimenteller Fähigkeiten sein kann. Um neue Fragen zu stellen, neue Möglichkeiten, alte Probleme aus einem neuen Blickwinkel zu betrachten, sind kreative Vorstellungskraft und Noten erforderlichechte Fortschritte in der Wissenschaft. ”