Један дан у животу стручњака за податке

БраинСтатион-ов водич за каријеру Дата Сциентист може вам помоћи да направите прве кораке ка уносној каријери у науци о подацима. Читајте даље за преглед како научници података проводе дане на послу.

Постаните научник података

Разговарајте са саветником за учење да бисте сазнали више о томе како наши кампови и курсеви могу да вам помогну да постанете научник података.

Кликом на Пошаљи, прихватате наше Услови .

прихвати

Није могуће послати! Освежити страницу и покушати поново?

Сазнајте више о нашем кампу за обуку о науци о подацима

Хвала вам!

Ускоро ћемо бити у контакту.

Погледајте страницу Дата Сциенце Боотцамп

Један дан у животу стручњака за податке

Од свих дисциплина које се испитују у Браинстатион-овом истраживању о дигиталним вештинама, наука о подацима може да обухвати најшири спектар примена. Али иако наука о подацима постоји деценијама, тек је недавно дошла у пуни процват. Како се доступност података ширила, компаније су схватиле колико наука о подацима може бити важна, каже Бриана Бровнелл, оснивач и извршни директор Пуре Стратеги, и научник за податке већ 13 година. Свака компанија сада треба да се делимично фокусира на технологију. Само ове недеље, на пример, МцДоналд'с је платио процењених 300 милиона долара за куповину сопствене компаније за велике податке.

Стога није ни чудо што је конкуренција за научнике података невероватно велика. За само две године очекује се да ће потражња порасти за 28 одсто, што је еквивалентно око 2,7 милиона нових радних места. То је више радних места него што ће нови дипломци моћи да попуне - што значи да ће технички радници у другим областима морати да унапреде своје вештине и пређу у податке како би испунили ову потражњу.

У ствари, наша анкета сугерише да се то већ дешава. Отприлике четири од пет стручњака за податке започели су своју каријеру радећи нешто друго, а 65 процената свих научника за податке ради на терену пет година или мање. Овај огроман прилив нових умова има ефекат са две оштрице, каже Браунел; с једне стране, долази много нових идеја, каже она. Када погледам неке од садржаја који долазе из заједнице науке о подацима, изненађен сам колико има иновација. Друга страна је, међутим, тенденција да се поново измисли точак.

Велика потражња за научницима података је велика ако сте то (или размишљате о томе да то постанете), али за послодавце запошљавање може бити застрашујући изазов. Овде је преквалификација очигледно решење; можда би било исплативије преобучити тренутног запосленог у науци о подацима него тражити новог.

Али чак и ако планирате да ангажујете нови тим за науку о подацима, ваша организација у целини ће можда морати да поправи своју писменост података, упозорава Браунел. Сви желе да раде на нечему што утиче на њихово радно место, што чини животе људима бољим, каже она. Ако култура ваше компаније није таква да [ваши научници података] могу утицати, готово је немогуће запослити. Руководство мора бити способно не само да саопштава потенцијалним запосленима како ће моћи да допринесу – већ и да разуме предлоге које њихов тим за науку података на крају изнесе.

Нажалост, каже Браунел, неугодна већина су компаније које нису схватиле ствари. Наше истраживање то потврђује: већина испитаника (52 процента) описала је ниво писмености података у својим организацијама као основни, а средњи је следећи најчешћи одговор (31 проценат). Ово сугерише да би нека основна обука о науци о подацима могла бити корисна за велику већину компанија — посебно у лидерству.

Ова потреба за побољшаном писменошћу података—и комуникацијом—појачана је начином на који је већина тимова за науку података структурисана: као дискретни тим, обично са 10 људи или мање (према 71 одсто испитаника), а често пет или мање (38 процената). ). Ови блиско повезани тимови не могу себи приуштити да буду изоловани. Појединци који раде у већим компанијама обично су у оквиру мале групе специфичне за науку о подацима, а њихови клијенти су интерни — други делови организације, објашњава Браунел, тако да је то тим који мора да функционише у многим различитим областима организације.

Шта је заправо наука о подацима?

Уобичајена перцепција (да научници података крше бројке) није далеко од циља, каже Браунел. Постоји много скупова података за које је потребно открити увид из њих, а то укључује много корака попут изградње модела и чишћења података, па чак и само одлучивања који су вам подаци потребни. На крају крајева, овај напор је оријентисан ка циљу: у суштини, морате нешто да урадите са подацима.

Што се тога тиче, подаци нису увек бројеви. Док је већина испитаника (73 процента) навела да ради са нумеричким подацима, 61 проценат је рекао да ради и са текстом, 44 процената са структурираним подацима, 13 процената са сликама и 12 процената са графиком (а мале мањине раде чак и са видео и аудио —6 процената и 4 процента респективно). Ови резултати анкете наговештавају начине на које се наука о подацима шири далеко изван финансијских табела, ангажујући људе за такве пројекте као што су максимизирање задовољства купаца или стицање вредних увида из ватрогасног црева друштвених медија.

Као резултат тога, постоји огромна разноликост у области науке о подацима, каже Браунел. Свака индустрија има своје мишљење о томе на којим врстама података раде научници података, које врсте резултата очекују и како се то уклапа у лидерску структуру њихове компаније. У сваком случају, циљ је да се подаци искористе како би се помогло компанији да донесе боље одлуке. То би могло да буде побољшање производа, разумевање тржишта на које желе да уђу, задржавање више купаца, разумевање њихове употребе радне снаге, разумевање како да се добро запосле – све врсте различитих ствари.

Послови у науци о подацима

У неким областима технологије, постати генералиста може бити ваша најбоља нога на вратима - није тако са науком о подацима. Послодавци обично траже вештине специјализоване за њихову индустрију. Пошто наука о подацима долази у толико различитих укуса, наша анкета је истраживала дубље, испитујући пет главних категорија послова: аналитичар података, истраживач, пословни аналитичар, менаџер података и аналитике и сам научник података.

У свим овим називима послова, препуцавање података и чишћење одузимају већину нечијег времена – али у ком циљу? Најчешће је циљ оптимизација постојеће платформе, производа или система (45 одсто), или развој нових (42 одсто). Копајући дубље, открили смо да оптимизација постојећих решења обично пада на пословне аналитичаре и аналитичаре података, док развој нових решења чешће пада на научнике и истраживаче података.

Технике које користе научници података такође се разликују у зависности од специјализације. Линеарна регресија је била уобичајено средство у свим категоријама, навело је 54 процента испитаника, али било је неколико изненађења када смо погледали софтвер који људи користе.

Екцел – тај радни коњ за манипулацију скупом података – је практично свеприсутан, цитира га 81 одсто свих испитаника, и најпопуларнија је алатка у свакој категорији осим самих научника података (који се најчешће ослањају на Питхон – а такође је навео већи комплет алата од других категорија ). Шта Екцел чини тако неизбежним, чак и у 2019.

Оно што волим код Екцел-а је то како вам омогућава да видите податке и добијете интуитиван осећај за њих, објаснио је Браунел. Такође користимо много Питхон-а, и у том случају, када радите аналитику на датотеци са подацима, она је скривена; осим ако посебно не програмирате део свог кода да уради неку визуелизацију сирових података које анализирате, нећете га видети. Док је са Екцел-ом тачно испред вас. То има много предности. Понекад можете уочити проблеме са датотеком података. Не видим да је Екцел икада нестао из анализе.

Ипак, још увек постоји дуга листа других програма који се користе на терену - што није изненађујуће с обзиром на његову разноликост. СКЛ (43 процента) и Питхон (26 процената) воде у популарности, са Таблеауом (23 процента), Р (16 процената), Јупитер нотебоокс (14 процената) и неколицином других који бележе значајне бројке — да не помињемо огроман 32 процента испитаника који су навели друге алате, чак и с обзиром на ову већ дугу листу.

Каква је будућност науке о подацима?

На крају, питали смо који ће трендови обликовати дигитални пејзаж у наредних пет до 10 година. Машинско учење и вештачка интелигенција — од којих оба имају примену у науци о подацима — били су у великој мери развоји за које испитаници очекују да ће имати највећи утицај, са 80 процената, односно 79 процената. Ово упркос чињеници да мање од четвртине (23 процента) њих тренутно ради са АИ.

Вештачка интелигенција може апсолутно да трансформише науку о подацима, потврђује Браунел, чија компанија развија АИ производе. То је заиста слава метода учења без надзора. Имамо само толико времена да погледамо ове скупове података, а посебно са великим, веома је тешко учинити све. АИ алати могу помоћи да се открије нешто што можда не бисте ни помислили да тражите. Дефинитивно нам се то догодило.

Други трендови Дата Сциентистс очекују да ће доминирати у блиској будућности: Интернет ствари (51 одсто), блоцкцхаин (50 процената) и е-трговина (36 процената), проширена стварност и виртуелна стварност (38 процената и 27 процената), па чак и глас- заснована на искуствима (25 процената)—сви значајни резултати и све области у којима се наука о подацима може добро искористити.