Вы должны стать специалистом по анализу данных. Вот почему.

Мнение

Вы должны стать специалистом по анализу данных. Вот почему.

Причины стать аналитиком данных на постоянно меняющемся рынке

Вступление

За последние 10 лет наука о данных стала лидером на рынке труда. В то время как некоторые статьи стремятся списать науку о данных как карьеру, в которую больше не нужно инвестировать, я здесь, чтобы сказать вам обратное. В последнее время наука о данных не только приобрела множество форм, но и оказалась очень удовлетворенной работой. Кроме того, эта область может быть весьма прибыльной при средней базовой зарплате 107 801 доллар США [2]. Эта цифра без бонусов, акций или других стимулов, которые могут добавить к этой и без того высокой базовой заработной плате. В целом, с высокой средней базовой зарплатой, огромным удовлетворением от работы и многочисленными вакансиями, наука о данных действительно является карьерой и областью, в которую нужно инвестировать и развивать. Ниже я подробно остановлюсь на рассуждениях, а также предоставлю некоторые полезные идеи.

Специалист по данным

Прежде чем мы углубимся в рассуждения более подробно, давайте сначала определим карьеру. По опыту, специалист по данным - это тот, кто решает бизнес-задачи с помощью автоматизированной статистики и алгоритмов. Общий порядок работы типичного специалиста по данным можно описать следующим образом:

формулировка бизнес-задачи (встреча с заинтересованными сторонами)
разработка набора данных (SQL для извлечения данных и очистки данных)
исследовательский анализ данных (отсутствующие значения, нормальность, маркировка)
построение базовой модели (без учителя / под наблюдением, регрессия / классификация)
создание модели (например, случайный лес с настройкой гиперпараметров)
интерпретация результатов (объясните результат заинтересованным сторонам)
развертывание модели (обычно передается инженеру по машинному обучению)

Хотя этот порядок работы и конкретные шаги могут меняться в разных компаниях, описания должностей специалистов по данным и повседневная работа в целом обычно следуют этому формату. Теперь, когда мы знаем, что обычно составляет тип работы, выполняемой специалистом по анализу данных, мы рассмотрим причины, по которым зачем стать специалистом по анализу данных.

Рассуждение

У специалиста по данным есть несколько преимуществ, а у некоторых - не стать специалистом по данным (более подробно остановимся на этом позже в этой статье). Основные причины можно резюмировать по удовлетворенности работой, открывающимся вакансиям, заработной плате, а также приобретенным инструментам и навыкам:

Удовлетворенность работой - авторитетный источник Glassdoor опубликовал «Лучшие рабочие места в Америке 2020» [2], заняв третье место в рейтинге специалистов по данным. . Однако стратификация должностей фактически занимает второе место в этом списке после должности менеджера по стратегии. Этот рейтинг выставлен по шкале от 1,0 до 5,0, а оценка 4,0 позволяет специалистам по обработке данных быть счастливыми в своей повседневной работе.

Вакансии. Хотя вакансии не занимают первое место в списке, их все еще довольно много - 6 542 [2]. Поскольку существует ограниченное количество степеней, которые вы можете получить в области науки о данных по сравнению с другими профессиями, которые имеют более высокие вакансии, например, у инженера-программиста, вероятность того, что вы получите должность ученого по данным, все еще высока.

Заработная плата - только две позиции превышают базовую зарплату аналитика данных в 10 лучших должностях в Америке. При онлайн-обучении такая высокая зарплата может стоить инвестирования. Чтобы узнать больше о том, как стать специалистом по анализу данных онлайн, я написал другую статью, в которой освещаются аргументы, лежащие в основе онлайн-обучения [5]:

Да, вы можете стать специалистом по анализу данных в Интернете. Вот как это сделать.
Руководство по началу вашей карьеры в области науки о данных из дома от профессионального специалиста по данным, который изучал данные в Интернете todatascience.com

Что произойдет, если вы станете специалистом по обработке данных и не получите работу в области науки о данных?

Изученные инструменты и навыки - вот где этот аспект рассуждения становится важным. Изучая науку о данных, вы хорошо разбираетесь в навыках, которые частично совпадают и в других областях. Многие из них также включены в список 10 лучших вакансий. Эти похожие должности и их соответствующий ранг включают [2]:

Менеджер по продукту - 4
DevOps Engineer - 5
Инженер по данным - 6
Инженер-программист - 7
Менеджер по стратегии - 9
Менеджер по развитию бизнеса - 10

Возможно, самый ценный навык, приобретенный во время работы в области науки о данных, - это решение проблем. Итак, если вам не удается найти подходящую для вас должность в области науки о данных, существует большое количество должностей, похожих на науку о данных, которые можно получить с помощью уже приобретенных вами навыков. Перекрывающиеся навыки включают, помимо прочего, SQL, Python, управление продуктами и бизнес-аналитику. Другие позиции, которые, возможно, можно было бы занять, перечислены в « 100 лучших вакансиях » из U.S. News & World Report [6]:

- Machine Learning Engineer
- Statistician
- Mathematician
- Data Analyst

Хотя некоторые из этих позиций сопоставимы, есть также важные различия, которые я также выделил в другой статье [7]:

Наука о данных против машинного обучения. Вот в чем разница.
В чем основные различия и сходства между специалистами по обработке данных и инженерами по машинному обучению? Читайте ниже о… todatascience.com

Резюме

It can be scary investing time and money into a career, data science should not be one of them.

Как объясняется в этой статье, есть множество причин, по которым вам следует стать специалистом по обработке данных. Ищете ли вы свой следующий большой карьерный рост или задаетесь вопросом о шумихе, стоящей за увлечением наукой о данных, я надеюсь, что эта статья оказалась для вас интересной и ценной. Спасибо за чтение!