Dzisiejsze organizacje borykają się z tym, jak nadać sens nadmiernej ilości rozbieżnych danych.

Zdolność do przekształcenia morza danych w praktyczne spostrzeżenia może mieć głęboki wpływ - od przewidywania najlepszego nowego leczenia cukrzycy po identyfikację i udaremnianie zagrożeń bezpieczeństwa narodowego. Dlatego firmy i agencje rządowe spieszą się, aby zatrudnić specjalistów ds. analizy danych, którzy mogą w tym pomóc.

Ekstrapolując i udostępniając te spostrzeżenia, naukowcy zajmujący się danymi pomagają organizacjom w rozwiązywaniu irytujących problemów. Połączenie informatyki, modelowania, statystyki, analityki i umiejętności matematycznych - wraz z rozsądkiem biznesowym - naukowcy zajmujący się danymi odkrywają odpowiedzi na główne pytania, które pomagają organizacjom podejmować obiektywne decyzje.

Rola i obowiązki analityka danych

Naukowcy zajmujący się danymi ściśle współpracują z interesariuszami biznesowymi, aby zrozumieć ich cele i określić, w jaki sposób dane można wykorzystać do osiągnięcia tych celów. Projektują procesy modelowania danych, tworzą algorytmy i modele predykcyjne w celu wyodrębnienia danych potrzebnych biznesowi, a także pomagają analizować dane i udostępniać spostrzeżenia współpracownikom. Chociaż każdy projekt jest inny, proces gromadzenia i analizowania danych zasadniczo przebiega zgodnie z poniższą ścieżką:

1. Zadaj właściwe pytania, aby rozpocząć proces odkrywania
2. Pozyskaj dane
3. Przetwórz i wyczyść dane
4. Integracja i przechowywanie danych
5. Wstępne badanie danych i eksploracyjna analiza danych
6. Wybór jednego lub więcej potencjalnych modeli i algorytmów
7. Zastosowanie techniki nauki o danych, takie jak uczenie maszynowe, modelowanie statystyczne i sztuczna inteligencja
8. Mierz i poprawiaj wyniki
9. Przedstaw końcowy wynik interesariuszom
10. Wprowadź poprawki na podstawie informacji zwrotnych
11. Powtórz ten proces, aby rozwiązać nowy problem

Popularne stanowiska pracy Data Scientist

Najbardziej powszechne kariery w nauce o danych obejmują następujące role:

Naukowcy zajmujący się danymi [Data Scientists]: projektują procesy modelowania danych w celu tworzenia algorytmów i modeli predykcyjnych oraz wykonywania niestandardowych analiz

Analitycy danych [Data Analysts] : manipulują dużymi zbiorami danych i wykorzystują je do identyfikowania trendów i wyciągania znaczących wniosków w celu podejmowania strategicznych decyzji biznesowych

Inżynierowie danych [Data Engineers]: czyść, agreguj i organizuj dane z różnych źródeł i przesyłaj je do hurtowni danych.

Specjaliści Business Intelligence [Business Intelligence Speialists]: identyfikuj trendy w zestawach danych

Architekci danych [Data Architects] : projektuj, twórz i zarządzaj architekturą danych organizacji

Chociaż role naukowców i analityków danych są często ze sobą powiązane, ich obowiązki są w rzeczywistości zupełnie inne. Mówiąc prościej, naukowcy zajmujący się danymi opracowują procesy modelowania danych, podczas gdy analitycy danych analizują zestawy danych, aby identyfikować trendy i wyciągać wnioski. Ze względu na to rozróżnienie i bardziej techniczny charakter nauki o danych, często uważa się, że rola naukowca zajmującego się danymi jest wyższa niż rola analityka danych; jednak oba stanowiska mogą być osiągalne z podobnym wykształceniem.

Niezbędne umiejętności do nauki o danych

Większość analityków danych wykorzystuje w swojej codziennej pracy następujące podstawowe umiejętności:

Analiza statystyczna: identyfikacja wzorców w danych. Obejmuje to posiadanie dobrego wyczucia wykrywania wzorców i wykrywania anomalii.

Uczenie maszynowe: wdrażaj algorytmy i modele statystyczne, aby umożliwić komputerowi automatyczne uczenie się na podstawie danych.

Informatyka: zastosuj zasady sztucznej inteligencji, systemów baz danych, interakcji człowiek / komputer, analizy numerycznej i inżynierii oprogramowania.

Programowanie: pisz programy komputerowe i analizuj duże zbiory danych, aby znaleźć odpowiedzi na złożone problemy. Naukowcy zajmujący się danymi muszą umieć pisać kod pracujący w różnych językach, takich jak Java, R, Python i SQL.

Narracja danych: przekazuj przydatne informacje za pomocą danych, często dla odbiorców nietechnicznych.

Naukowcy zajmujący się danymi odgrywają kluczową rolę w pomaganiu organizacjom w podejmowaniu rozsądnych decyzji. W związku z tym potrzebują "umiejętności miękkich" w następujących obszarach.

Intuicja biznesowa: łącz się z interesariuszami, aby w pełni zrozumieć problemy, które chcą rozwiązać. Myślenie analityczne. Znajdź analityczne rozwiązania abstrakcyjnych problemów biznesowych.

Krytyczne myślenie: zastosuj obiektywną analizę faktów przed wyciągnięciem wniosków.

Dociekliwość: wyjrzyj poza to, co jest na powierzchni, aby odkryć wzorce i rozwiązania w danych.

Umiejętności interpersonalne: komunikuj się z różnymi odbiorcami na wszystkich poziomach organizacji.

Analiza danych a nauka o danych: podział

Podczas gdy analitycy danych i naukowcy zajmujący się danymi pracują z danymi, główna różnica polega na tym, co z nimi robią. Analitycy danych analizują duże zbiory danych, aby identyfikować trendy, opracowywać wykresy i tworzyć prezentacje wizualne, aby pomóc firmom w podejmowaniu bardziej strategicznych decyzji. Z drugiej strony naukowcy zajmujący się danymi projektują i konstruują nowe procesy modelowania i produkcji danych przy użyciu prototypów, algorytmów, modeli predykcyjnych i niestandardowych analiz.

Praca w analizie danych

Odpowiedzialność analityków danych może być różna w różnych branżach i firmach, ale zasadniczo analitycy danych wykorzystują dane do wyciągania znaczących spostrzeżeń i rozwiązywania problemów. Analizują dobrze zdefiniowane zbiory danych za pomocą arsenału różnych narzędzi, aby odpowiedzieć na konkretne potrzeby biznesowe: np. dlaczego sprzedaż spadła w danym kwartale, dlaczego kampania marketingowa wypadła lepiej w niektórych regionach, jak ubytek wewnętrzny wpływa na przychody itp.

Analitycy danych mają szereg dziedzin i tytułów, w tym (między innymi) analityk baz danych, analityk biznesowy, analityk badań rynku, analityk sprzedaży, analityk finansowy, analityk marketingowy, analityk reklamy, analityk sukcesu klienta, analityk operacyjny, analityk cen i analityk ds. strategii międzynarodowej. Najlepsi analitycy danych mają zarówno wiedzę techniczną, jak i zdolność do przekazywania wyników ilościowych współpracownikom lub klientom bez wykształcenia technicznego.

Typowe tło

Analitycy danych mogą mieć doświadczenie w matematyce i statystyce lub mogą uzupełniać wiedzę nieilościową, ucząc się narzędzi potrzebnych do podejmowania decyzji za pomocą liczb. Niektórzy analitycy danych decydują się na zdobycie wyższego stopnia, na przykład magistra analityki, aby rozwijać swoją karierę.

Umiejętności i narzędzia

Najważniejsze umiejętności analityka danych obejmują eksplorację danych / hurtownię danych, modelowanie danych, R lub SAS, SQL, analizę statystyczną, zarządzanie bazami danych i raportowanie oraz analizę danych.

Role i obowiązki

Analitycy danych są często odpowiedzialni za projektowanie i utrzymywanie systemów danych i baz danych, używanie narzędzi statystycznych do interpretowania zbiorów danych oraz przygotowywanie raportów, które skutecznie komunikują trendy, wzorce i prognozy na podstawie odpowiednich ustaleń.

Praca w Data Science

Z drugiej strony naukowcy zajmujący się danymi szacują nieznane, zadając pytania, pisząc algorytmy i budując modele statystyczne. Główną różnicą między analitykiem danych a naukowcem zajmującym się danymi jest intensywne kodowanie. Naukowcy zajmujący się danymi mogą porządkować niezdefiniowane zestawy danych przy użyciu wielu narzędzi jednocześnie i budować własne systemy i struktury automatyzacji.

Typowe tło

Drew Conway, ekspert w dziedzinie nauk o danych i założyciel Alluvium, opisuje analityka danych jako osobę posiadającą wiedzę matematyczną i statystyczną, umiejętności hakerskie i merytoryczną wiedzę. W związku z tym wielu analityków danych posiada stopnie naukowe, takie jak magister nauk o danych.

Umiejętności i narzędzia

Należą do nich uczenie maszynowe, tworzenie oprogramowania, Hadoop, Java, eksploracja danych / hurtownia danych, analiza danych, Python i programowanie obiektowe

Role i obowiązki

Naukowcy zajmujący się danymi mają zwykle za zadanie projektowanie procesów modelowania danych, a także tworzenie algorytmów i modeli predykcyjnych w celu wyodrębnienia informacji potrzebnych organizacji do rozwiązywania złożonych problemów.

Wybór między analizą danych a karierą w naukach o danych

Kiedy już dobrze zrozumiesz różnice między analityką danych a nauką o danych - i będziesz w stanie określić, na czym polega każda kariera - możesz zacząć oceniać, która ścieżka jest dla Ciebie odpowiednia. Aby określić, która ścieżka najlepiej odpowiada Twoim osobistym i zawodowym celom, należy wziąć pod uwagę trzy kluczowe czynniki.

1. Weź pod uwagę swoje osobiste pochodzenie.

Chociaż analitycy danych i naukowcy zajmujący się danymi są pod wieloma względami podobni, ich różnice są zakorzenione w ich doświadczeniu zawodowym i edukacyjnym. Jak wspomniano powyżej, analitycy danych analizują duże zbiory danych, aby identyfikować trendy, opracowywać wykresy i tworzyć prezentacje wizualne, aby pomóc firmom podejmować bardziej strategiczne decyzje. Aby dostosować swoją edukację do tych zadań, analitycy zazwyczaj zdobywają tytuł licencjata na specjalności nauk ścisłych, technologii, inżynierii lub matematyki (STEM), a czasem nawet stopień zaawansowany w dziedzinie analityki lub pokrewnej dziedziny. Poszukują również doświadczenia w matematyce , nauka, programowanie, bazy danych, modelowanie i analityka predykcyjna.

Z drugiej strony naukowcy zajmujący się danymi są bardziej skoncentrowani na projektowaniu i konstruowaniu nowych procesów modelowania i produkcji danych. Ponieważ używają różnych technik, takich jak eksploracja danych i uczenie maszynowe, aby przeczesywać dane, zaawansowany stopień, taki jak magister nauk o danych, jest niezbędny do awansu zawodowego. "Naukowcy zajmujący się danymi są… o wiele bardziej techniczni i matematyczni [niż analitycy danych]". Wymaga to również "większego doświadczenia w informatyce".

Rozważając, która ścieżka kariery jest dla Ciebie odpowiednia, ważne jest, aby przejrzeć te wymagania edukacyjne. Jeśli już podjąłeś decyzję o zainwestowaniu w swoją karierę z wyższym stopniem naukowym, prawdopodobnie będziesz miał wykształcenie i doświadczenie, aby podążać dowolną ścieżką. Z drugiej strony, jeśli nadal jesteś w trakcie podejmowania decyzji, czy powrót do szkoły jest dla Ciebie odpowiedni, możesz być bardziej skłonny trzymać się roli analityka danych, ponieważ pracodawcy są bardziej skłonni do rozważania kandydatów bez tytułu magistra na te stanowiska.

Bez względu na to, którą ścieżkę wybierzesz, przemyślenie obecnego i pożądanego poziomu wykształcenia i doświadczenia powinno pomóc ci zawęzić opcje. Jeśli zdecydujesz się na studia magisterskie, aby rozpocząć karierę, pamiętaj, aby znaleźć program, który pomoże Ci osiągnąć Twoje cele.

2. Weź pod uwagę swoje zainteresowania.

Fascynują Cię liczby i statystyki, czy też Twoja pasja obejmuje informatykę i biznes?

Analitycy danych uwielbiają liczby, statystyki i programowanie. Jako strażnicy danych swojej organizacji pracują prawie wyłącznie w bazach danych, aby odkrywać punkty danych ze złożonych i często odmiennych źródeł. Analitycy danych powinni również mieć kompleksową wiedzę na temat branży, w której pracują. Jeśli to brzmi jak Ty, to rola analityka danych może być najlepszym profesjonalistą dopasowanym do Twoich zainteresowań.

Naukowcy zajmujący się danymi muszą łączyć matematykę, statystykę i informatykę, a także interesować się światem biznesu i mieć o nim wiedzę. Jeśli ten opis lepiej pasuje do Twojego wykształcenia i doświadczenia, być może rola naukowca danych jest dla Ciebie właściwym wyborem.

Tak czy inaczej, zrozumienie, która kariera pasuje do twoich osobistych zainteresowań, pomoże ci lepiej zrozumieć rodzaj pracy, którą będziesz się cieszyć i w której prawdopodobnie będziesz się wyróżniać. Poświęć trochę czasu i przemyśl tę część równania, ponieważ dostosowanie pracy do twoich zainteresowań może w dużym stopniu zapewnić ci satysfakcję z kariery na nadchodzące lata.

3. Rozważ pożądaną pensję i ścieżkę kariery.

Od naukowców i analityków danych wymagane są różne poziomy doświadczenia, co skutkuje różnymi poziomami wynagrodzenia za te role.

Według Przewodnika po wynagrodzeniach Robert Half Technology (RHT) na rok 2020 analitycy danych mieli potencjał zarobkowy na poziomie od 83 750 do 142 500 USD. Ponieważ jednak specjaliści ci pracują głównie w bazach danych, są w stanie zwiększyć swoje zarobki, ucząc się dodatkowych umiejętności programistycznych, takich jak R i Python.

Jednak według PayScale analitycy danych z ponad 10-letnim doświadczeniem często maksymalizują swój potencjał zarobkowy i przechodzą do innych zawodów.

Naukowcy zajmujący się danymi - którzy zazwyczaj mają tytuł magistra, mają zaawansowane umiejętności i często są bardziej doświadczeni - są uważani za starszych niż analitycy danych. W związku z tym często otrzymują lepsze wynagrodzenie za swoją pracę. Według RHT naukowcy zajmujący się danymi zarabiają średnio od 105 750 do 180 250 USD rocznie.

Trajektoria kariery dla profesjonalistów w dziedzinie nauki o danych jest również pozytywna, z wieloma możliwościami awansu na wyższe stanowiska, takie jak architekt danych lub inżynier danych.

Co jest odpowiednie dla Ciebie?

Analitycy danych i naukowcy zajmujący się danymi mają stanowiska, które są pozornie podobne, biorąc pod uwagę wiele różnic w obowiązkach, wymaganiach edukacyjnych i ścieżce kariery. Jednak bez względu na to, jak na to spojrzeć, osoby wykwalifikowane do kariery skoncentrowanej na danych są bardzo pożądane na dzisiejszym rynku pracy, dzięki silnej potrzebie firm, aby zrozumieć i wykorzystać swoje dane.

Po rozważeniu takich czynników, jak pochodzenie, zainteresowania osobiste i pożądane wynagrodzenie, możesz zdecydować, która kariera będzie dla Ciebie odpowiednia i rozpocząć drogę do sukcesu.

IV Rewolucja Przemysłowa

"Czwarta rewolucja przemysłowa : uogólniająca koncepcja odnosząca się do pojęcia "rewolucji przemysłowej" w związku ze współczesnym wzajemnym wykorzystywaniem automatyzacji, przetwarzania i wymiany danych oraz technik wytwórczych."  (Wikipedia)