Как войти в сферу науки о данных без опыта программирования
Многие люди стремятся перейти в область науки о данных. Для большинства нетехнических людей кодирование - одно из самых больших препятствий, и многие сдаются, даже не начав.
Этот образ поддерживается всеми чрезмерно пропорциональными публикациями в блогах о Python и продаже мечты о работе в технологической компании.
Да, это правда, что кодирование необходимо во многих областях науки о данных. Да, это правда, когда вы стремитесь присоединиться к команде специалистов по анализу данных, которая разрабатывает новые приложения, которые вам необходимо кодировать. Кроме того, после 20 лет работы в области науки о данных я (иногда) все еще кодирую и провожу анализ кода.
Но есть несколько компаний и позиций, к которым могут присоединиться люди с различными ролями в области науки о данных, и не все требуют совершенства в кодировании.
Моя цель - дать возможность людям с различным опытом, навыками и интересами перейти в сферу науки о данных и добиться успеха. В моей сегодняшней статье я представляю 7 потрясающих вакансий в области науки о данных, для которых вам не нужны навыки программирования.
Итак, где и как найти позицию в области науки о данных, на которой вы можете начать без опыта программирования или с очень небольшим опытом?
Отсутствие опыта программирования не означает, что вам не нужны знания в области науки о данных. Вам нужно много!
Вы должны изучить и понять большую часть учебной программы по науке о данных, за исключением того, что вы не программируете.
Когда вы переходите на такую работу, вы можете либо продолжить карьеру в области науки о данных, не связанную с кодированием, либо параллельно развивать навыки программирования, чтобы расширить потенциальные возможности работы и карьерного роста.
Итак, давайте посмотрим на вакансии.
1. Консультант по стратегии науки о данных
Большинство компаний даже не могут начать путь к данным и науке о данных. Им нужно знать о возможностях и преимуществах использования данных для бизнеса.
То, что сегодня является естественным мышлением технологических компаний, во многих других компаниях все еще находится в зачаточном состоянии. Переход в мир принятия решений на основе данных - сложная трансформация бизнеса.
Зачем нам нужна наука о данных? Как мы можем перейти в бизнес, основанный на данных? Что нам для этого нужно?
Компаниям нужна поддержка, чтобы ответить на эти вопросы и составить план видения и реализации. Им требуется помощь в создании возможностей и помощь в оценке инструментов и поставщиков.
Что наиболее важно, необходимо изменить культуру и образ мышления всех сотрудников. Как это изменить? Как включить сотрудников? И как создается успешная команда по анализу данных? Где он размещен в организации? А где они берут данные?
Консультант по стратегии data science разрабатывает решения для всех этих вопросов. Вы получаете полные знания специалиста по данным, а также стратегии и организационные навыки. Но кодить не нужно.
Если вы хотите заняться консалтингом, вы найдете исчерпывающую информацию в следующей статье.
2. Технический писатель по программному обеспечению для анализа данных
Процесс обработки данных включает множество проприетарных программ и платформ: системы управления основными данными, платформы аналитики или инструменты визуализации и бизнес-аналитики. И кто-то должен ознакомить пользователя со всеми техническими функциями и возможностями использования.
Все мы используем справочные функции и учебные пособия по инструментам и платформам. Документация по программному обеспечению, инструкции по эксплуатации и инструкции по эксплуатации описывают, как работает программное обеспечение и что можно сделать. В нем указано, как это должно быть интегрировано в существующую ИТ-архитектуру и процессы.
Работа технического писателя требовательна. Им необходимо разбираться в программном обеспечении и науке о данных. Они работают с разработчиками, пользователями и маркетологами. Необходимо разрабатывать и быть правильным не только содержание, но и дизайн, и, наконец, требования законодательства.
Технический писатель программного обеспечения для обработки и анализа данных должен от начала до конца понимать программное обеспечение, процессы и методы обработки данных, приложения, а также психологию и поведение пользователя. Пользовательский опыт решает или прерывает работу технического писателя.
Вы должны быть полноценным специалистом по данным с широким спектром взаимодействий и знаний, но вам не нужно писать код.
3. Рекрутер специалистов в области технологий и данных
В крупных организациях есть специализированные рекрутеры на должности в области технологий, искусственного интеллекта и обработки данных.
Эти рекрутеры должны понимать основы работы и процессов в области науки о данных, приложений и целей. Кроме того, им нужно много сочувствия и хорошие коммуникативные навыки.
Я много работал с ними, обсуждая не только резюме потенциальных членов команды, но и требования кандидатов, чтобы они могли разместить объявления о вакансиях и провести первую оценку кандидатов. Мы обсудили, как развивать команду по анализу данных, и они высказали свое мнение и предложения по типам навыков и кандидатов для достижения поставленных целей.
Эти рекрутеры обладают глубокими знаниями в области науки о данных и могут обнаруживать недостатки в резюме или надуманных навыках и опыте.
Многие из них также учатся программировать и позже переходят на более технические должности.
Это работа, которая объединяет коммуникативную, человеческую и техническую стороны.
4. Торговый представитель компании, занимающейся анализом данных (программное обеспечение и платформы)
Мы используем множество проприетарного программного обеспечения и платформ, включая управление данными, облако, инструменты анализа данных, а также средства визуализации и отчетности во время нашей работы в области анализа данных.
Типичными продуктами являются Dataiku, TIBCO, IBM Watson Studio, Azure ML Studio, Domino Data Lab, Alteryx или SAS, и это лишь некоторые из них.
Продавец отвечает за поиск потенциальных клиентов, согласование условий с потенциальным клиентом, заключение контрактов, закрытие сделки и обеспечение послепродажного обслуживания.
Программное обеспечение и платформа не продаются в презентациях PowerPoint. Вы должны продемонстрировать пользователям ценность и функциональные возможности продукта.
Итак, вы знаете особенности и применения продукта и платформы. Вы знаете методы и способы решения проблем. Необходимы технические знания всего процесса обработки и анализа данных и способность общаться с специалистами по обработке данных и деловыми людьми.
Вы специалист по данным, обладающий способностями к продажам и коммуникациям.
5. Менеджер проекта по науке о данных
Люди, занимающиеся наукой о данных, не обязательно являются хорошими руководителями проектов. Таким образом, особенно в крупных проектах или проектах, которые являются частью трансформации бизнеса, руководитель проекта должен не обращать внимания на весь проект и координировать все вовлеченные заинтересованные стороны.
Менеджер проекта по науке о данных планирует, проектирует и реализует решения в области науки о данных. Вы измеряете прогресс проекта и оцениваете риски. Когда возникают проблемы, вы должны обострить их и решить. И вы должны убедиться, что в проекте задействованы нужные люди.
Итак, вам необходимы знания в области бизнеса, сквозные навыки работы с данными, структурированный подход к управлению проектами и способность управлять людьми. Это очень разносторонняя работа. Но вам не обязательно (обязательно) быть экспертом по кодированию.
6. Эксперт по визуализации данных и бизнес-аналитике (BI)
В бизнес-среде результаты науки о данных должны быть представлены или включены в отчет. Аудитория - это деловые люди, обладающие лишь небольшими знаниями в области науки о данных.
Настроить релевантную и понятную отчетность и отличную визуализацию данных, которая расскажет нетехническим людям всю историю, - это искусство. Итак, во всех группах по обработке и анализу данных крупных корпораций вы найдете специалистов, отвечающих за разработку и поддержание надлежащей отчетности и визуализации.
Кроме того, у большинства консалтинговых фирм есть такая команда экспертов, которая помогает своим клиентам в этом.
Компании используют в основном Tableau, Qlik Sense / QlikView, MicroStrategy, ThoughtSpot или Power BI. При поиске такой работы ищите эти инструменты и «Эксперт по бизнес-аналитике». Затем убедитесь, что он находится в тесном сотрудничестве с командой специалистов по анализу данных.
Вам не нужен опыт программирования для этих инструментов, даже если вы разрабатываете информационные панели, визуализации и отчеты бизнес-аналитики. Но вам нужны знания в области науки о данных, чтобы прямо передавать информацию и сообщения в отчеты.
7. Специалист по данным, работающий с инструментами без кода
Наконец, на рынке появляется все больше продвинутых платформ и инструментов, не требующих навыков программирования.
Бурное развитие этих платформ, с одной стороны, связано с нехваткой специалистов по данным, обладающих соответствующими знаниями в области кодирования, и позволяет менее техническим специалистам выполнять сложное моделирование науки о данных.
Но, с другой стороны, это также уменьшает источник ошибок и частоту ошибок в кодах и ускоряет разработку прогнозных и предписывающих моделей. Это экономит многие расходы и увеличивает скорость вывода на рынок, что становится все более и более важным в современном деловом мире.
Наиболее известными инструментами и платформами являются RapidMiner, KNIME, Google Cloud Auto ML, Google ML Kit, Microsoft Azure Automated Machine Learning, Очевидно AI, Create ML, Teachable Machine, Fritz AI или Data Robot (список неполный). Это ключевые слова, которые вы должны искать на рабочих местах.
Процессы, анализ и моделирование выполняются перетаскиванием или щелчком и выбором.
Работа с этими платформами требует полных знаний специалистов по данным. Вы выполняете точно такую же работу, начиная с подготовки данных, очистки данных, разработки данных, описательного, прогнозного и предписывающего моделирования, разработки функций, тестирования и развертывания моделей на практике, как и ваши товарищи по кодированию, но с инструментами без кода.
Соберите все вместе
Существует миф о том, что для того, чтобы стать специалистом по обработке данных, необходимы глубокие навыки программирования. Хотя это верно для одной части рабочих мест в области обработки данных, существует множество рабочих мест в области обработки данных, где навыки программирования практически не требуются.
Существует также знаменитый культ, согласно которому только специалист по данным, обладающий глубокими навыками кодирования, может быть настоящим специалистом по данным. Обладая более чем 20-летним опытом работы в области науки о данных, я могу сказать вам, что не те, кто обладает лучшими навыками кодирования, а те, кто понимает весь процесс от определения бизнес-проблемы, ее преобразования в надлежащую аналитическую проблему и решения Работа с данными, выбор моделей и подходов и, наконец, коммуникация, рассказывание историй и развертывание - это лучшие специалисты в области данных - независимо от навыков кодирования.
Самым важным для входа в область науки о данных является правильное исследование. Это исследование всех существующих профессий, а также задач и требований к ним.
Мой единственный совет - расширить кругозор на многие аспекты работы в области науки о данных и посмотреть за пределы технологической индустрии. Тогда откроется большой мир с множеством возможностей для ваших конкретных навыков.
