Oggi "big data", "analytics" e simili sono le parole chiave di tendenza. E per una buona ragione.
Nel 2012, HBR ha definito "scienziato dei dati" il "lavoro più sexy del secolo". Ma cosa comporta veramente la scienza dei dati? E, ancora più importante, come puoi acquisire le competenze necessarie per definirti uno scienziato dei dati?
Cos'è la scienza dei dati?
C'era una volta, gli scienziati di dati erano per lo più nello spazio accademico. Ora, con l'aumento della raccolta di big data e la necessità di analisi, gli scienziati dei dati sono diventati molto richiesti in una vasta gamma di aziende e settori, piccoli e grandi.
La scienza dei dati come professione comprende una serie di competenze nell'ambito della matematica, delle statistiche e della programmazione per computer. È un'industria dominata dagli uomini, le stime delle donne nella scienza dei dati sono intorno al 10%.
Secondo Glassdoor, il salario medio nazionale per gli scienziati di dati è $ 113, 436. Considerando solo il compenso, la scienza dei dati è molto più attraente di altre carriere simili.
Abilità necessarie per diventare uno scienziato di dati
Come tutti i lavori, le competenze specifiche richieste per occupare posizioni di dati scientifici dipendono dalla singola azienda.
Ma ci sono alcuni strumenti / strumenti software che rimangono coerenti.
- Linguaggi di programmazione statistica, come R e SAS
- Linguaggio di query del database come SQL
- Statistiche di base come test statistici, distribuzioni, stimatori di massima verosimiglianza e così via
- Metodi di apprendimento automatico come k-Vicini più vicini, foreste casuali, metodi di ensemble, ecc.
- Calcolo multivariabile e algebra lineare
- Registrazione dei dati e sviluppo di nuovi prodotti basati su dati
- Familiarità con la piattaforma Hadoop
- Strumenti di visualizzazione come Flare, HighCharts o AmCharts
Come diventare uno scienziato dei dati
Al giorno d'oggi, ci sono tre opzioni praticabili per diventare uno scienziato dei dati:
- Studio autonomo tramite programmi come Udacity
- Assistere ad un campo di addestramento di scienza dei dati
- Andare a scuola per un master
Naturalmente, ci sono pro e contro per ogni metodo.
Autodidatta
Professionisti:
- Pratico: può essere fatto nel tempo libero in qualsiasi ambiente e ad ogni ritmo
- Conveniente: potrebbe costare ovunque da $ 0-600.
- Risparmia tempo: i corsi online possono essere completati entro 8-18 mesi.
Contro:
- Ricevi un certificato solo dopo il completamento
- Nessun coinvolgimento peer-to-peer o da insegnante a studente
- Nessuna assistenza con la ricerca di lavoro
Boot Camp di Data Science
Professionisti:
- Poco impegno di tempo: può essere completato in 6 settimane a 3 mesi
- Relativamente conveniente, almeno rispetto alla laurea (i campi di addestramento vanno da gratis a $ 16.000)
- Ideale per coloro che cercano di cambiare rapidamente carriera
- Molti campi di addestramento offrono assistenza nel processo di ricerca del lavoro dopo il completamento
Contro:
- Ottieni solo un portafoglio di progetti - nessuna esperienza di lavoro "reale"
- Molto da imparare in un breve lasso di tempo
- Potrebbe essere fino a 40 ore a settimana di lavoro (a differenza dello studio individuale in cui puoi andare al tuo ritmo e continuare a lavorare part-time / a tempo pieno)
Master
Professionisti:
- Diploma al termine
- Apprendimento strutturato con istruttori professionalmente preparati
- Esperienza del mondo reale: molti programmi includono stage che aggiungeranno esperienza e conoscenza
- Ampio tempo per imparare e assorbire tutte le informazioni
Contro:
- Costoso: potrebbe costare tra $ 20.000 e $ 70.000 - escluse le spese di soggiorno
- Che richiede tempo: può anche richiedere il più lungo (9-20 mesi)