Идеи для стратегического и измеримого успеха

В сегодняшнем мире труда слово Data Scientist очень сильно игнорируется. Они выполняют множество задач с использованием новейших технологий и удовлетворяют возникающие потребности бизнеса.

Если вы только начали свою карьеру в качестве специалиста по данным или планируете сменить работу и стать высокооплачиваемым специалистом по данным, то для вас очень важно понимать основные задачи, которые специалист по данным выполняет в организации.

При отсутствии этих знаний:

  • новички могут неправильно расставить приоритеты в своих задачах и сосредоточиться на вещах, которые не важны для их карьерного роста.
  • кандидаты могут потерять много времени на изучение большого списка моделей и алгоритмов, которые они никогда не применили бы в своей реальной работе.

Чтобы этого избежать, внимательно посмотрите, чем на самом деле занимаются специалисты по данным в организации. Разделены по категориям для лучшего понимания.

Основные обязанности специалиста по данным, как следует из названия, в общих чертах подразделяются на три основные области: данные, наука и люди.

1. Данные

Специалисты по обработке данных переводят бизнес-проблему в проблему с данными. Объясняет, как можно решить бизнес-проблему, используя имеющиеся данные.

Пример:

Бизнес-проблема: выручка в этом месяце низкая, причина неизвестна.

Специалист по данным выражает это как проблему с данными, изучая данные о продажах, маркетинге, профиле клиентов и т. Д.

Проблема с данными: есть возможность определить причину потери дохода, сопоставив модель обратной связи с клиентом с профилем продукта и транзакциями продаж.

Осторожность:

В некоторых организациях, где объем данных невелик, эта корреляция может быть сделана субъективно без необходимости применения каких-либо научных принципов. Организации могут называть эту роль специалистом по данным, хотя эта задача более близка к роли бизнес-аналитика.

2. Наука

Специалисты по обработке данных применяют научные принципы к данным и делают выводы.

Подготовка данных

Исходные данные могут не подходить для научных расчетов в исходном виде. Специалисты по обработке данных очищают данные, обрабатывают недостающие значения, обогащают данные и преобразуют их в структуру, которая может использоваться для научных расчетов.

Пример:

Если цена продукта выражена в разных валютах, преобразуйте все значения в эквивалентное общее числовое поле.

Если для некоторых товаров не хватает времени доставки, восполните этот пробел наиболее точной оценкой.

Убедившись, что данные подходят для научных расчетов, специалисты по данным будут применять научные теории вокруг данных. Эти теории используются для описания, определения и обобщения данных.

  • Опишите текущий бизнес с точки зрения данных. Например: Распределение клиентов по географии. Какие продукты приносят 80% дохода.
  • Определите причины, проверив несколько гипотез. Например: Смена CRM-менеджера является причиной потери дохода?
  • Обобщите бизнес-поведение на основе данных. Если та же тенденция сохранится, какова будет выручка в следующем квартале?

Осторожность

Без этого навыка Применить науку к данным специалисты по данным начального уровня не могут развиваться дальше как старшие специалисты по данным.

Сначала всегда должна быть теория, а затем инструменты. Но, к сожалению, люди, которым не хватает этих навыков, будут пытаться перейти к использованию определенных инструментов и алгоритмов, а затем попытаются подогнать под это теорию. Это очень опасно для бизнеса и часто может привести к некоторым контрпродуктивным решениям.

С другой стороны, специалисты по данным, которые хорошо обучены и имеют опыт применения научных знаний в отношении данных, будут действовать по-другому. Они не приводят ни к одному аргументу. Учитывает точку зрения других и ищет статистические доказательства, чтобы доказать или опровергнуть это.

3 человека

Специалисты по анализу данных сотрудничают с несколькими командами и собирают нужные данные в нужное время.

Решение проблемы с данными - это не одноразовая работа за столом. Он предполагает участие на разных уровнях различных заинтересованных сторон бизнеса, таких как менеджеры по продуктам, эксперты в предметной области, команда разработчиков, программисты приложений, архитекторы, инженеры по обработке данных, группы визуализации, высшее руководство и т. Д.

Специалисты по обработке данных продолжают сотрудничать с этими заинтересованными сторонами, от сбора данных до сбора отзывов о развернутых моделях.

В небольших организациях у вас может не быть разных команд для каждой из вышеупомянутых ролей. Некоторые из них могут быть объединены в роли специалистов по анализу данных.

В таком случае специалисты по обработке данных будут выполнять определенные расширенные действия, такие как:

  • Сбор данных: запросы к различным репозиториям данных организации.
  • Инжиниринг данных: курирование и преобразование данных с использованием соответствующих структур данных.
  • Знание предметной области: Принятие решения о близкой замене атрибутов предметной области.
  • Визуализация: создание хороших презентационных моделей.

На заметку

Гибридная модель хороша для горизонтального обучения, но если вы тратите больше времени на перекрывающиеся роли, вы можете отложить свой вертикальный рост как специалист по данным.

Для вас очень важно и важно спросить заранее у руководства, какие именно основные задачи они определили для роли специалиста по данным в своей организации. Хотя перекрытия невозможно избежать, его пропорция должна быть меньше.

Ссылка:

  1. Как я бы изучил науку о данных (если бы мне пришлось начать заново)
  2. Чем в основном занимаются ДАННЫЕ
  3. Почему вы, вероятно, не станете специалистом по данным
  4. Каков карьерный путь для специалистов по данным?

Первоначально опубликовано на https://www.meritedin.com.