Clever Geek Handbook

Ist Data Science eine Blase?



Bei SkillFactory, einer Schule, die sich auf die Ausbildung von Datenwissenschaftlern und Datenanalysten spezialisiert hat, widmen wir uns der Frage der Wahrnehmung des Berufs selbst, sowohl von den Schülern selbst als auch von ihren Arbeitgebern. Wir haben bereits über die Anforderungen für den Data Analyst-Beruf und die Verwirrung bei offenen Stellen in diesem Material gesprochen , und jetzt möchten wir Ihnen die Übersetzung eines Artikels der Leiterin der Abteilung für intelligente Entscheidungsfindung bei Google mitteilen, in dem sie über die Aussichten für die Position als Data Scientist spricht. Über die Risiken des Unternehmens bei der Einstellung eines Data Scientist aufgrund eines unterschiedlichen Verständnisses der Position oder aufgrund unerfahrener Personalabteilung und wie Sie vor Fehlern in Ihrem Lebenslauf geschützt werden können.





Ist Data Science eine Blase? Sie wären überrascht, wie oft mir diese Frage gestellt wird. Meine Antwort?



Wahrscheinlich nicht, aber die Position des Data Scientist kann sein.



Lassen Sie mich mich erklären, bevor die Mistgabelmenge ankommt.



Data Scientist und die Definition von Data Science



Es gibt viele Meinungen, aber ich bevorzuge die folgende Definition: " Data Science ist die Disziplin, die Daten nützlich macht." Wenn Ihnen meine Definition nicht gefällt, könnte Ihnen die klare Definition von Harlan Harris gefallen:

Data Science wird dadurch definiert, was ein Data Scientist tut und was er tut, ist sehr gut abgedeckt ... Aber wer ein Data Scientist ist, ist vielleicht eine grundlegendere Frage.



Okay. Wer sind wir dann? Nun, es hängt davon ab, welchem ​​Verein Sie angehören. Und hier kommt die Blasenidee ins Spiel.



UND gegen ODER





Für einige Menschen impliziert die Position die volle Kompetenz in drei Spezialisierungen (Statistik, Datenerfassung, maschinelles Lernen). Für andere bedeutet dies, dass die Fähigkeiten eines Menschen mit denen anderer kombiniert werden. Dieses unterschiedliche Verständnis der Position kann Sie bei der Einstellung verletzen.



Option eins. Nur würdige!



Es gibt Menschen, die davon träumen, Nachahmer ihrer Arbeit zu berauben und den heiligen Beruf auf eine Elite zu beschränken, die alles über Daten versteht.



Wie fühlt es sich an, wenn solche Leute interviewen? Sie wollen mich als reinrassigen Statistiker sehen, mit Kenntnissen des maschinellen Lernens, einem schwarzen Gürtel in der Analytik und einem Portfolio angewandter Projekte. Sie wollen wissen, ob meine Graduiertenschule im Trend lag. Sie wollen testen, wie ich führend war und wie ich geschäftliche Probleme gelöst habe. Oh, und ich habe besser Kommunikationsfähigkeiten. Was ist mit dem Mond am Stiel? Wenn ich seit meinem achten Lebensjahr keine Daten mehr gemacht hätte, hätte ich Angst gehabt. Bis dahin ist dies ein lustiger kleiner Club, in dem ich zutiefst widersprüchliche Gefühle habe.



Lassen Sie es mich so nennen, wie es ist: Club And... Die Teilnehmer müssen kompetente Statistiker, Experten für maschinelles Lernen und Analysten mit Fähigkeiten zur Codierung von Schmuck sein. Bitte beachten Sie, dass der Einstieg in diesen Club ziemlich schwierig ist. Nicht viele Leute sind Experten in allen Datenfragen. Diese Menschen werden niemals in der Lage sein, den weltweiten Bedarf an Spezialisten zu decken. Leider ist dies die Natur von Angebot und Nachfrage.



Option zwei. Die Türen stehen allen offen!



Ein alternativer und viel überfüllterer Club ist der OP-Club . Es besteht aus Personen, die ihre Berufsbezeichnung wie Analyst oder Statistiker in einen Oberbegriff umbenannt haben. Klingt besser, erhöht die Beschäftigung in der Datenwissenschaft, erweitert die Community und bringt eine Vielzahl von Fähigkeiten mit. Jeder gewinnt. Recht? Fast.



Was ich mag: Es betont das Team, den sportlichen Charakter der Datenwissenschaft und dieser Ansatz ermöglicht es mehr Menschen, an der Datenwissenschaft teilzunehmen. Ausgezeichnet! Und einige Bereiche der Datenwissenschaft sind gar nicht so schwer. Data Mining, dh das Sammeln von Daten, ist etwas, in dem Menschen besser ausgebildet sind als sie denken. Wenn Sie dachten, dass das Sammeln von Daten eine Promotion erfordert, habe ich gute Nachrichten. Alles, was Sie brauchen, ist ein Verständnis dafür, wie man Datensätze betrachtet, mäßige Demut und gesunden Menschenverstand.



Was ist mit der anderen Seite? Data Science ist bekannt für seine hohen Anforderungen und sein langes Eintauchen in das Lernen. Ich sympathisiere zutiefst mit den armen, verwirrten Personalmanagern, die glauben, einen vielseitigen Spezialisten zu locken, aber jemanden einstellen, der weit weniger qualifiziert ist. Falsche Werbung ist schädlich.



Tipp: Wenn Sie sicher sein möchten, dass Sie in Ihrem Lebenslauf nicht übertreiben, ist eine Position als Datenanalyst die sicherste Option.



Falsche Werbung



Um ehrlich zu sein, habe ich jedes Mal, wenn ich Data Scientist wurde, den gleichen Job wie zuvor in Positionen gemacht, die anders benannt wurden. Als die „effektiven Manager“ ihre Berufsbezeichnungen erneut änderten, änderte sich meine Verantwortung nicht im geringsten.



Ich bin keine Ausnahme. Ich habe viele Ex- Statistiker, Ingenieure zur Entscheidungsunterstützung, quantitative Analysten, Professoren für Mathematik, Big-Data-Wissenschaftler, Business-Analysten, führende Analysten, Forscher, Software-Ingenieure, Doktoranden ... alle stolz auf die Moderne Wissenschaftler.



Als ich Data Scientist wurde, änderte sich meine Verantwortung überhaupt nicht.



Freunde, ich urteile nicht. Verwalten Sie Ihre persönliche Marke gut. Ich möchte jedoch darauf hinweisen, dass die Definition von Data Science auf der Grundlage des Konzepts "Data Scientist" nicht sehr genau ist, da die Menge den Namen anzieht. Wenn wir das Limit nehmen, erhalten wir eine Reihe von Wörtern, die sorgfältig zusammengestellt wurden, um so wenig wie möglich zu sagen. Dies spiegelt sich in der Sichtweise von Data Scientist wider. Ich habe kürzlich einen Druckanstieg verspürt, als ein Personalchef für Data Science so etwas wie „Haben Sie einen Doktortitel? Dann sind Sie wahrscheinlich ein Data Scientist . " Umformuliert, um die Unschuldigen zu schützen.



Die Verwendung von Berufsbezeichnungen zur Definition von Data Science ist ein gefährliches Spiel.



Bekannte Datenwissenschaftler wissen bereits, wonach sie suchen, und können einen guten Datenwissenschaftler finden, auch wenn in der Berufsbezeichnung ein Außerirdischer steht . Ich mache mir Sorgen um weniger erfahrene Personalchefs. Viele Unternehmen, die in der Datenwissenschaft anfangen, verfügen nicht über das Fachwissen, um ihnen zu helfen. Ihr Plan? Stellen Sie einen Data Scientist ein und alles wird gut.



Vorsicht an diejenigen, die bezahlen



Versetzen Sie sich in die Lage eines neuen Einstellungsmanagers: Sie haben viel gelesen und entschieden, dass Sie für Ihr Projekt Kenntnisse in Statistik, Data Mining und maschinellem Lernen benötigen . Sie können drei Personen einstellen. Schauen wir uns nun die Kandidaten an: 10 Lebensläufe mit der Bezeichnung "Data Scientist".



Wenn dies Personen des I-Clubs sind , können Sie drei beliebige Lebensläufe auswählen. Jeder Kandidat verfügt über die Fähigkeiten, die Sie benötigen. Leider ist dieser Club klein (sprich: sehr teuer in der Einstellung ), daher stehen die Chancen gut, dass diese 10 Personen nicht Mitglieder des I sind. Es



kann für den Personalchef schwierig sein, festzustellen, in welchem ​​Teil der Datenwissenschaft ein Kandidat wirklich gut ist.



Wenn sie Menschen sind ODER(was in der heutigen Umgebung wahrscheinlicher ist), müssen Sie sie sorgfältig befragen, um herauszufinden, was sie wirklich können. Sie benötigen drei verschiedene Fähigkeiten. Die Leute vor Ihnen haben vielleicht nur einen, aber sie haben auch jeden Anreiz, Sie davon zu überzeugen, dass sie universell sind. Sie verfügen möglicherweise über ein Minimum an Kenntnissen in allen drei Bereichen (Statistik, Datenerfassung, maschinelles Lernen). Dies kann sowohl für Ihr Projekt als auch für die Einstellung gefährlich sein. Sie müssen herausfinden, wozu sie wirklich gut sind. Dies kann schwierig sein, wenn Sie kein erfahrener Datenwissenschaftler mit unterschiedlichen Hintergründen sind.



Ergebnis? Fehler bei der Bewerbung. Resume-Schlagworte sind keine Garantie für echte Fähigkeiten.


Ich habe gesehen, dass viele Teams versehentlich mehrere Analysten dazu gebracht haben, Daten anstelle einer unterschiedlichen Gruppe zu sammeln. Dies ist jedoch nicht nur ein datenwissenschaftliches Problem. Es stellt sich heraus, dass Schlagworte in einem Lebenslauf nicht unbedingt mit Fähigkeitsgarantien verbunden sind. Je heißer das Schlagwort, desto mehr verbreitet es sich.



Ist dies das Ende der Datenanalyse?



Ich persönlich behandle Berufsbezeichnungen mit einem Körnchen Salz. Es ist wichtig, dass die Fähigkeiten allen Anforderungen des Unternehmens entsprechen. Wenn die Berufsbezeichnung kein guter Indikator ist, lernen qualifizierte Personalchefs, in ihrem Lebenslauf nach etwas anderem zu suchen.



In Gedanken versunken kann ich sogar die Geschichte des OP- Clubs vorhersehen . Die Position mag aus der Mode kommen, aber ich bin nicht der Typ, dem ich folgen soll.



Ist Data Science also eine Blase oder nicht?



Mehr Daten auf der Welt bedeuten mehr Nachfrage nach den drei wichtigsten datenwissenschaftlichen Aktivitäten - statistische Inferenz, maschinelles Lernen, Analyse / Datenerfassung -, sodass diese Fähigkeiten trotz ihrer Namen, die sich ändern können, weiterhin sehr relevant bleiben. Sie können immer Ihren Lebensunterhalt verdienen, indem Sie Wert aus Daten extrahieren.



Auf der anderen Seite können Teams, die für den Hype eingestellt wurden und nie gelernt haben, sich auf das zu konzentrieren, was für das Unternehmen wertvoll ist, feststellen, dass ihre Zeit knapp wird.



Vor einigen Jahren beschwerte sich ein Freund von mir, ein CTO, der in der Technologie arbeitet, über seine nutzlosen Datenwissenschaftler. "Ich denke, Sie könnten Datenwissenschaftler einstellen, wie ein Drogenboss einen Tiger für sein Anwesen kauft", sagte ich ihm. "Sie wissen nicht, was Sie von einem Tiger wollen, aber alle anderen Drogenherren haben einen."



Ich kenne keine echten Drogenherren (oder Tiger), also weiß ich nicht, was sie auf ihren Ländereien haben. Aber du verstehst mich.



Während Data Science wie eine Blase klingt, bin ich tatsächlich optimistisch. Das wachsende Datenvolumen bedeutet wachsende Chancen. All dies erfordert ein gutes Management. Ein Freund von mir hat zum Beispiel viele seiner Probleme gelöst, indem er mithilfe von Datenanalysten erkannt hat, dass ein Teil seiner Organisation geschult werden muss. Seitdem haben seine Teams überlegt, wie sie ihre Arbeit verteilen sollen. Große Dinge haben begonnen. Den Entscheidungsträgern den Umgang mit Data Science beizubringen, hat den Tag gerettet!



Stellen Sie sicher, dass die Entscheidungsträger die richtigen Fähigkeiten für den Job haben. Wenn eine Blase existiert, könnte dies ihre Wurzel sein.


Die Herausforderung für die heutigen Data Science-Führungskräfte besteht darin, Entscheidungsträgern dabei zu helfen, diese Art von Schulung zu absolvieren. Dies wird mehr Menschen hervorbringen, die auf das technische Talent von Data Scientist in wertvolle Richtungen hinweisen können. Lesen Sie hier mehr . Sobald Datenwissenschaftler Wert schaffen, wird ihr Inhalt zu einer Notwendigkeit und nicht zu einem Modeproblem. Können wir uns mit den Problemen befassen, bevor der Job als Data Scientist an Popularität verliert und das Rebranding beginnt?





In unseren Kursen analysieren wir ständig den Markt und vermitteln den Studenten die realen Fähigkeiten, die es ihnen ermöglichen, lange Zeit beruflich gefragt zu bleiben. Und um die erworbenen Fähigkeiten korrekt darzustellen, arbeiten wir mit dem Lebenslauf und dem Portfolio des Absolventen.



Bild





E






More articles:


All Articles