Наука О Данных — Это Пузырь?

Наука о данных — это пузырь?

Здесь, в SkillFactory, как школе, специализирующейся на подготовке ученых-данных и аналитиков данных, мы тщательно подходим к вопросу восприятия самой профессии как самими студентами, так и их работодателями.

Мы уже говорили о требованиях к профессии Data Analyst и путанице с вакансиями в этот материал , а теперь мы хотим поделиться с вами переводом статьи руководителя отдела интеллектуального принятия решений Google, в которой она рассказывает о перспективах позиции Data Scientist. О рисках компании при приеме на работу Data Scientist из-за разного понимания должности или из-за неопытности HR и как уберечь вас от ошибок в резюме.

Наука о данных — это пузырь? Вы будете удивлены, как часто мне задают этот вопрос.

Мой ответ?

Вероятно, нет, но должность Data Scientist может быть такой.

Позвольте мне объяснить, прежде чем сюда придет толпа вил.

Специалист по данным и определение науки о данных

Есть много мнений, но я предпочитаю следующее определение: « Наука о данных «это дисциплина, позволяющая сделать данные полезными».

Если вам не нравится мое определение, вам может понравиться четкое определение Харлана Харриса:

Наука о данных определяется тем, чем занимается специалист по данным, и то, что делает специалист по данным, очень хорошо освещено.
Но что такое специалист по данным, возможно, это более фундаментальный вопрос.

Отлично.

Кто мы тогда? Ну, это зависит от того, в каком клубе ты принадлежишь.

И здесь в игру вступает идея пузыря.

И против ИЛИ

Некоторым людям должность требует полной компетентности в трех специализациях (статистика, интеллектуальный анализ данных, машинное обучение).

Для других это означает, что навыки одного человека сочетаются с навыками других людей.

Такое различное понимание позиции может навредить вам в процессе найма.

Вариант первый.
Только достойные!

Есть те, кто мечтает лишить «подражателей» их должностей и ограничить священную профессию элитой, понимающей все, что касается данных.

Каково давать интервью таким людям? Они хотят видеть во мне чистокровного статистика со знанием машинного обучения, черным поясом по аналитике и портфолио прикладных проектов.

Они хотят знать, была ли моя аспирантура модной.

Они хотят проверить, каким я был руководителем и как решал бизнес-задачи.

О, и у меня лучше коммуникативные навыки.

Как насчет луны на палке? Если бы я не занимался данными с восьми лет, я был бы в ужасе.

Между тем, это забавный маленький клуб, к которому у меня глубоко противоречивые чувства.

Позвольте мне назвать это так: клуб я .

Участники должны быть компетентными статистиками, экспертами по машинному обучению и аналитиками с продвинутыми навыками программирования.

Обратите внимание, что попасть в этот клуб довольно сложно; Немногие люди являются экспертами во всем, что касается данных.

Эти люди никогда не смогут удовлетворить мировые потребности в специалистах.

Это печально, но такова природа спроса и предложения.

Вариант второй.
Двери открыты для всех!

Альтернативный и гораздо более многолюдный клуб - клуб ИЛИ .

В его состав входят люди, которые переименовали свою профессию, например, аналитик или статистик, в общий термин.

Звучит лучше, увеличивает занятость в области науки о данных, расширяет сообщество, привносит разнообразные навыки.

Все выигрывают. Верно? Почти.

Что мне нравится: подчеркивается командный, спортивный характер науки о данных, и этот подход позволяет большему количеству людей заниматься наукой о данных.

Большой! И некоторые области науки о данных не так уж сложны.

Интеллектуальный анализ данных, то есть сбор данных, — это то, в чем люди более опытны, чем они думают. Если вы думали, что для сбора данных требуется докторская степень, у меня есть хорошие новости.

Все, что вам нужно, — это понимание того, как анализировать наборы данных, умеренное смирение и здравый смысл.

А что насчет другой стороны? Наука о данных известна своими высокими требованиями и длительным погружением в обучение.

Я сочувствую бедным растерянным менеджерам по найму, которые думают, что нанимают специалиста широкого профиля, но в конечном итоге привлекают кого-то гораздо менее квалифицированного.

Ложная реклама причиняет вред. Совет: если вы хотите быть полностью уверены в том, что не преувеличиваете в своем резюме, должность аналитика данных — самый безопасный вариант.

Ложная реклама

Скажу честно — каждый раз, когда я становился «Data Scientist», я выполнял ту же работу, что и раньше, на должностях, которые назывались по-другому.

Когда «эффективные менеджеры» в очередной раз сменили название должности, мои обязанности не изменились ни в малейшей степени.

Я не исключение.

В моем кругу общения много бывших.

статистики, инженеры по поддержке принятия решений, количественные аналитики, преподаватели математики, специалисты по большим данным, эксперты по бизнес-аналитике, старшие аналитики, ученые-исследователи, инженеры-программисты, доктора наук.

все гордые современные учёные.

Когда я стал Data Scientist, мои обязанности совершенно не изменились.

Друзья, я не осуждаю.

Хорошо управлять своим личным брендом.

Но хотелось бы отметить, что определение науки о данных, основанное на понятии «Data Scientist», не очень точное, учитывая, насколько разнообразную публику привлекает это название.

Достигая предела, мы получаем набор слов, тщательно составленных так, чтобы сказать как можно меньше.

Это отражается на том, как видят ученых, работающих с данными.

Недавно я почувствовал прилив давления, когда менеджер по найму специалистов по обработке и анализу данных опубликовал что-то вроде: «Есть докторская степень? Тогда вы, вероятно, специалист по данным» .

Перефразировано для защиты невиновных.

Использование названий должностей для определения науки о данных — опасная игра.

Опытные специалисты по данным уже знают, что они ищут, и могут найти хорошего, кхм, специалиста по данным, даже если в названии должности указано: космический пришелец .

Меня беспокоят менее опытные менеджеры по найму.

Многие компании, начинающие заниматься наукой о данных, не имеют опыта, который мог бы им помочь.

Их план? Наймите Data Scientist, и все будет хорошо.

Предостережение для тех, кто платит

Поставьте себя на место нового рекрутера: вы много прочитали и решили, что вам нужно навыки в области статистики, интеллектуального анализа данных и машинного обучения для вашего проекта.

Вы можете нанять трех человек.

Теперь посмотрим на кандидатов: 10 резюме с надписью «Data Scientist».

Если это люди клуб я , вы можете выбрать любые три резюме.

Каждый кандидат обладает необходимыми навыками.

К сожалению, этот клуб небольшой (читай: очень дорого нанимать ), поэтому существует высокая вероятность того, что эти 10 человек не являются членами Клуба I. Менеджеру по найму может быть сложно определить, в какой части науки о данных кандидат действительно хорош.

Если это люди ИЛИ (что более вероятно в сегодняшних условиях), вам следует тщательно опросить их, чтобы выяснить, для чего они на самом деле подходят. Вам понадобятся три разных набора навыков.

У людей перед вами может быть только один человек, но у них также есть все стимулы убедить вас в том, что они являются универсалами.

Они могут иметь минимальные знания во всех трех областях (статистика, интеллектуальный анализ данных, машинное обучение).

Это может быть опасно как для вашего проекта, так и для вашего персонала.

Вам нужно выяснить, в чем они на самом деле хороши, что может быть сложно, если вы не опытный специалист по данным с разнообразным опытом.

Результат? Ошибки при приеме на работу.
Модные словечки в резюме не являются гарантией реальных навыков.

Я видел, как во многих командах случайно оказалось несколько аналитиков данных вместо разнообразной команды.

Но это не просто проблема науки о данных.

Оказывается, модные словечки в резюме не обязательно сопровождаются гарантиями квалификации.

Чем горячее модное словечко, тем больше оно распространяется.

Это конец аналитики данных?

Лично я отношусь к названиям должностей с недоверием.

Важно, чтобы навыки соответствовали всем потребностям компании.

Если название должности не является хорошим показателем, то опытные менеджеры по найму научатся искать в резюме что-то еще.

Думая об этом, я даже могу предвидеть историю клуба.

ИЛИ .

Название, возможно, просто вышло из моды, но я не из тех, кто ему следует.

Так является ли Data Science пузырем или нет?

Больше данных в мире означает больший спрос на три основные профессии в области науки о данных — статистические выводы, машинное обучение и аналитику/извлечение данных — поэтому эти навыки останутся очень актуальными, несмотря на их названия, которые могут измениться.

Всегда есть способ заработать на жизнь, извлекая ценность из данных.

С другой стороны, команды, которые были наняты на обмане и так и не научились сосредотачиваться на том, что ценно для бизнеса, могут обнаружить, что их время на исходе.

Несколько лет назад мой друг, технический директор, работающий в сфере технологий, жаловался на своих бесполезных специалистов по обработке данных.

«Я думаю, вы могли бы нанять специалистов по обработке данных, как наркобарон покупает тигра для своего поместья», — сказал я ему.

«Вы не знаете, чего хотите от тигра, но он есть у всех остальных наркобаронов».

Я не знаю настоящих наркобаронов (или тигров), поэтому не знаю, что у них в поместьях.

Но вы поняли мою точку зрения.

Хотя наука о данных звучит как пузырь, на самом деле я настроен оптимистично.

Рост данных означает рост возможностей.

Все это требует хорошего управления.

Мой друг, например, решил многие свои проблемы, осознав с помощью аналитиков данных, что часть его организации нуждается в обучении.

С тех пор его команды стали более внимательно относиться к распределению работы.

Великие дела начались.

Обучение лиц, принимающих решения о том, как использовать науку о данных, спасло положение!

Убедитесь, что лица, принимающие решения, обладают необходимыми навыками для выполнения этой работы.
Если пузырь существует, это может быть его корнем.

Задача для сегодняшних лидеров в области науки о данных — помочь лицам, принимающим решения, пройти аналогичное обучение.

Это создаст больше людей, которые смогут направить технический талант специалиста по данным в ценные направления.

Читать далее Здесь .

Как только ученые, работающие с данными, приносят пользу, контент становится необходимостью, а не модой.

Сможем ли мы справиться с проблемами раньше должность Data Scientist потеряет популярность и ребрендинг не начнется?

На наших курсах мы постоянно анализируем рынок и даем студентам те реальные навыки, которые позволят им оставаться профессионально востребованными в течение длительного времени.

И чтобы правильно представить полученные навыки, мы работаем с резюме и портфолио выпускника.

Обучение профессии Data Science с нуля (12 месяцев)

Онлайн-курс по аналитике данных (5 недель)

Онлайн-курс по науке о данных (14 недель)

Больше курсов
Профессия аналитика на любом стартовом уровне (18 месяцев)

Курс анализа данных (6 месяцев)

Курс машинного обучения (12 недель)

Курс «Математика и машинное обучение для науки о данных» (20 недель)

Продвинутый курс «Машинное обучение Pro + Deep Learning» (20 недель)

Профессия Веб-разработчик (8 месяцев)

Курс «Python для веб-разработки» (9 месяцев)

Курс DevOps (12 месяцев)

Профессия Java-разработчик с нуля.
(18 месяцев)

Курс JavaScript (12 месяцев)

Профессия UX дизайнер с нуля (9 месяцев)

Профессия Веб-дизайнер (7 месяцев)

Теги: #Карьера в ИТ-индустрии #карьера #Управление персоналом #наука о данных #Инженерия данных #SkillFactory

Последнее изменение: 2024-10-19 21:10:22

Вместе с данным постом часто просматривают: