Мой совет Data Juniors и Professional
Опасность воспроизведения названия в аналитике данных
В гугле ваше название не имеет значения. Ваша работа делает!
«Вы аналитик данных, почему вы занимаетесь машинным обучением?»
- спросил меня свежий выпускник. По его мнению, для меня было действительно странно назвать себя аналитиком данных. В конце концов, он специалист по данным / инженер по машинному обучению в большом стартапе в области электронной коммерции. Два названия, которые в настоящее время пользуются авторитетом в области анализа данных.
Однако в Google заголовок не имеет значения. Неважно, являетесь ли вы аналитиком данных или инженером-программистом. Они ожидают, что вы воспользуетесь машинным обучением, если этого требует ваша повседневная работа. Несмотря на то, что я называю себя аналитиком, я все же занимал техническую должность. Я обнаруживаю фишинговые атаки с помощью компьютерного зрения, распознавания изображений и машинного обучения из Gmail и Chrome в качестве источников данных.
Согласно общепринятому определению, я был бы специалистом по данным полного цикла, который извлекает данные, а затем генерирует идеи / модели с производственным поддерживаемым кодом.
Общепринятое определение аналитиков данных и специалистов по анализу данных.
Когда я начал свой путь в науке о данных, я стажировался в Lazada в качестве специалиста по данным. В Lazada есть 2 типа специалистов по данным:
- Специалисты по обработке данных, использующие Excel или инструмент визуализации информационных панелей для создания диаграмм и бизнес-аналитики.
- Специалисты по обработке данных, использующие машинное обучение и строгую статистику для анализа данных и открытия новых идей.
Оба они называются специалистами по данным и работают с данными, но по сути их роли разные. По определению Skillfin, они назвали бы номер 1 аналитиками данных и номером 2 как исследователями данных. Некоторые стартапы называют номер 1 младшими специалистами по данным. Конечно, последнее - это то, над чем вы обычно рассчитываете работать как специалист по данным.
Грязное воспроизведение названия
Злоупотребление титулом «специалист по данным»
Похоже, что по мере того, как звание специалистов по данным продолжает развиваться, оно становится все более насыщенным. 5 лет назад в Сингапуре звания специалистов по данным не были заметны. Однако по мере того, как тенденция к данным становилась все больше, многие исследователи, консультанты и преподаватели подхватили эту тенденцию и взяли на себя роль специалистов по данным.
Это привело к тому, что многие стартапы злоупотребили титулом специалист по данным. В результате термин специалист по данным стал использоваться все чаще и чаще. В настоящее время мы можем видеть, что некоторые специалисты по обработке данных переименовали себя в инженеров по машинному обучению или ученых-исследователей.
Как люди, мы прирожденные редукционисты, мы всегда хотим упростить вещи, чтобы их было намного проще понять. В настоящее время многие компании разделяют свои должностные инструкции с учеными, занимающимися данными о титулах. Основная идея состоит в том, что аналитики данных создают информационные панели и предварительный анализ, а затем специалисты по данным создают модели машинного обучения.
Когда я сказал об этом коллеге, который перешел из стартапа в Google, он сказал мне:
Совсем недавно 10 моих коллег изменили свое звание с специалистов по обработке данных на инженеров по машинному обучению. Затем они спросили меня: «Почему тебя понизили до аналитика данных?» Им я просто ответил: «Мне все равно, мне платят больше».
Причина
Почему происходит этот заглавный розыгрыш? Просто потому, что новое название привлечет больше людей и повысит престиж. Многие стартапы будут корректировать свои названия и должностные инструкции, чтобы соответствовать тенденциям и иметь больше выпускников и профессионалов, обращающихся в их компанию.
Вспомните свежего выпускника, который обратился ко мне в начале этой истории. Он сказал мне, что был очень счастлив сменить звание с специалиста по обработке данных на инженера по машинному обучению. Для него это сделало его более ценным и достойным.
В итоге многие разочаровались. Менеджеры по найму были разочарованы, они думали, что наняли хорошего специалиста по данным, но в итоге получили парня, который знает только, как реализовать библиотеки, без объяснения причин. Их должностная инструкция не соответствует названию должности.
С другой стороны, рабочие тоже были разочарованы. У меня есть несколько друзей, которые работали практикантами в области Data Scientist, но были глубоко разочарованы тем, что они вводили метки данных только вручную.
Отсюда мы узнаем, что если вы не проанализируете внимательно заголовок, он укусит вас в будущем.
Что действительно важно: решите проблему с менеджером по найму
Основываясь на моих интервью с несколькими специалистами / специалистами по данным, я понял, что важно только то, что вы должны сосредоточиться на своем опыте и своих навыках. Как педагог, я всегда говорю своим младшим: сосредоточьтесь на ценности, которую вы приносите.
Каждое интервью преследует одну простую цель
Как вы решаете проблему интервьюера?
Вам нужно будет оценить, какие активы у вас есть и которые ценны для вас и ваших интервьюеров. Независимо от того, сколько пустых и «великолепных» слов вы добавите в свое резюме, вы не добьетесь успеха, если не ответите «как вы решите проблему интервьюера».
В Google интервьюеры проверит ваш предыдущий опыт и то, как вы подходите и учитесь в этой роли. Каждый интервьюер подаст анонимный пакет документов в комитет по найму. Это означает, что комитет по найму не знает имени, пола и даже расы каждого собеседника. Тогда они будут делать выбор исключительно на основе того, что говорится в пакете о ваших заслугах. Ваш титул будет иметь в этом небольшую роль.
Собеседования также будут проводить по структурированным интервью. Это означает, что они будут спрашивать много гипотетических (что, если…) и поведенческих (что есть…). Оба эти вопроса имеют первостепенное значение для определения вашей ценности компанией Google. У меня есть дополнительная информация о прохождении вашего интервью по аналитике данных, которое соответствует этим описаниям.
Затем после того, как вас устроят на работу. Это время, когда вам нужно сосредоточиться на развитии своих навыков и достижении успеха. О важности этого я написал из этой своей статьи.
Еще одна ссылка - Глубокая работа Кэла Ньюпорта, где автор учит вас методам развития ваших навыков в ограниченное время, чтобы вы могли учиться и быть ценными в сегодняшнем отвлеченном мире. Отсюда я научился группировать свою работу и сосредоточиться на том, чтобы окунуться в сложный мир анализа данных и машинного обучения.
Вывод: сосредоточьтесь на работе, а не на названии
В заключение, вас не судят по титулу и чуши. Но по отдаче от работы, которую вы делаете. Решите проблемы своего интервьюера и менеджера по найму, и все будет в порядке. Подумайте, как вы можете развить необходимые ценности и навыки, чтобы подготовиться к будущей карьере.
Что касается меня, я всегда использую свое свободное время для ведения побочных проектов и красиво упаковываю их в Github или другие блоги. Затем я развернул бы эти приложения и написал их, чтобы они принесли пользу моим младшим специалистам и другим практикам в области данных. В течение нескольких месяцев мой LinkedIn был рекомендован моим профилем для Google HR, чтобы связаться со мной. Он нашел мой профиль, когда набрал «Интеллектуальный анализ данных» и «Анализ данных» в поиске LinkedIn. Какой чудесный сюрприз!
Таким образом, запомните эти действенные планы:
- С осторожностью относитесь к своему титулу и описанию работы. Возможно, это не то, что вы ищете.
- Сосредоточьтесь на ценности, которую вы привносите в свое резюме и собеседование. Вот как вы выигрываете на собеседовании.
- Превосходите, развивая и привнося свои навыки. Затем поработайте над тем, чтобы внести больше ценностей.
Если вы принесете другим много ценностей своей работы, вы получите много возможностей. Вот как вы должны двигаться в своей карьере.
Наконец-то…
Я действительно надеюсь, что это было отличное чтение и источник вдохновения для вас, чтобы развиваться и вводить новшества.
Пожалуйста, оставьте комментарий ниже, чтобы получить предложения и отзывы. Как и вы, я все еще учусь, как стать лучшим специалистом по анализу данных и инженером. Пожалуйста, помогите мне стать лучше, чтобы я мог лучше помогать вам в моих последующих выпусках статей.
Спасибо и удачного кодирования :)
об авторе
Винсент Татан - энтузиаст данных и технологий с соответствующим опытом работы в Google LLC, Visa Inc. и Lazada по реализации микросервисных архитектур, бизнес-аналитики и проектов конвейерной аналитики .
Винсент - индонезиец по рождению, за плечами которого успехи в решении проблем, а также сильные стороны в разработке полного стека, аналитике данных и стратегическом планировании.
Он активно консультировал SMU BI & Analytics Club, консультировал начинающих специалистов по обработке данных и инженеров с разным опытом, а также делился своим опытом с компаниями для разработки своих продуктов.
Винсент также открывает свои услуги наставничества один на один на BestTop и 10to8, чтобы научить вас, как получить работу специалиста по данным / инженера своей мечты в Google, Visa или других крупных технологических компаниях. Запишитесь на прием к нему здесь, если вы ищете наставничества.
Наконец, свяжитесь с Винсентом через LinkedIn, Medium или Youtube Channel.
