Heute sind "Big Data", "Analytik" und dergleichen Schlagworte. Und aus gutem Grund.
Bereits 2012 hat HBR den "Datenwissenschaftler" zum "heißesten Job des Jahrhunderts" gekürt. Doch was beinhaltet die Datenwissenschaft wirklich? Und noch wichtiger: Wie können Sie die Fähigkeiten erwerben, um sich selbst als Datenwissenschaftler zu bezeichnen?
Was ist Datenwissenschaft?
Es war einmal vor allem Datenwissenschaftler im akademischen Raum. Mit dem Aufkommen der großen Datensammlung und der Notwendigkeit von Analysen sind Datenwissenschaftler in einer Reihe von Unternehmen und Branchen, klein und groß, stark nachgefragt.
Data Science als Beruf umfasst eine Reihe von Fähigkeiten in Mathematik, Statistik und Computerprogrammierung. Es ist eine von Männern dominierte Branche, Schätzungen von Frauen in der Datenwissenschaft liegen bei etwa 10%.
Laut Glassdoor beträgt das durchschnittliche nationale Gehalt für Datenwissenschaftler 113.436 US-Dollar. Mit Blick auf die Vergütung allein ist die Datenwissenschaft viel attraktiver als andere ähnliche Berufe.
Fähigkeiten Um ein Data Scientist zu sein
Wie bei allen Jobs hängen die spezifischen Fähigkeiten, die für die Besetzung von Data-Science-Positionen erforderlich sind, vom jeweiligen Unternehmen ab.
Aber es gibt bestimmte Skillsets / Software-Tools, die konsistent bleiben.
- Statistische Programmiersprachen wie R und SAS
- Datenbankabfragesprache wie SQL
- Grundlegende Statistiken wie statistische Tests, Verteilungen, Maximum-Likelihood-Schätzer und so weiter
- Methoden des maschinellen Lernens wie k-Nächste Nachbarn, zufällige Wälder, Ensemble-Methoden usw.
- Multivariable Analysis und lineare Algebra
- Datenerfassung und Entwicklung neuer Produkte, die datengesteuert sind
- Vertrautheit mit Hadoop-Plattform
- Visualisierungstools wie Flare, HighCharts oder AmCharts
Wie man ein Data Scientist wird
Heutzutage gibt es drei praktikable Optionen, um Datenwissenschaftler zu werden:
- Selbststudium mit Programmen wie Udacity
- Teilnahme an einem Data Science Bootcamp
- Für einen Master-Abschluss in die Schule gehen
Natürlich gibt es Vor- und Nachteile für jede Methode.
Selbststudium
Vorteile:
- Praktisch: Kann in jeder Umgebung und in jedem Tempo auf eigene Faust erledigt werden
- Erschwinglich: könnte überall von $ 0-600 kosten.
- Spart Zeit: Online-Kurse können innerhalb von 8-18 Monaten abgeschlossen werden.
Nachteile:
- Erhalte erst nach Abschluss ein Zertifikat
- Keine Peer-to-Peer- oder Lehrer-zu-Schüler-Beteiligung
- Keine Hilfe bei der Jobsuche
Data Science-Bootcamp
Vorteile:
- Wenig Zeit Engagement: kann in 6 Wochen bis 3 Monaten abgeschlossen werden
- Relativ erschwinglich, zumindest im Vergleich zu einem Master-Abschluss (Boot Camps reichen von frei - $ 16.000)
- Ideal für diejenigen, die ihre Karriere schnell ändern möchten
- Viele Boot Camps bieten Unterstützung bei der Jobsuche nach Abschluss
Nachteile:
- Erhalten Sie nur ein Portfolio von Projekten - keine "echte" Berufserfahrung
- Viel zu lernen in kurzer Zeit
- Könnte bis zu 40 Stunden pro Woche arbeiten (im Gegensatz zum Selbststudium, bei dem Sie in Ihrem eigenen Tempo arbeiten und trotzdem Teilzeit / Vollzeit arbeiten können)
Master-Studium
Vorteile:
- Diplom nach Abschluss
- Strukturiertes Lernen mit professionell ausgebildeten Lehrern
- Real-World-Erfahrung: Viele Programme beinhalten Praktika, die zu Erfahrung und Wissen beitragen
- Viel Zeit, um alle Informationen zu lernen und aufzunehmen
Nachteile:
- Teuer: könnte zwischen $ 20.000- $ 70.000 kosten - ohne Lebenshaltungskosten
- Zeitaufwendig: kann auch am längsten dauern (9-20 Monate)