スキルファクトリーでは、データサイエンティストとデータアナリストのトレーニングを専門とする学校として、学生自身とその雇用者の両方による職業自体の認識の問題に注意を払っています。この資料では、データアナリストの専門職の要件と欠員の混乱についてすでに説明しました。次に、Googleのインテリジェント意思決定部門の責任者による記事の翻訳を共有します。彼女はデータサイエンティストのポジションの見通しについて話します。ポジションの理解の違いや人事経験の浅さによるデータサイエンティストの採用時の会社のリスクと、履歴書の間違いからあなたを守る方法について。
データサイエンスはバブルですか？私がこの質問を頻繁に受けることに驚かれることでしょう。私の答え？
おそらくそうではありませんが、データサイエンティストの立場はそうかもしれません。
ピッチフォークの群衆が到着する前に、私自身を説明させてください。
データサイエンティストとデータサイエンスの定義
多くの意見がありますが、私は次の定義を好みます。「データサイエンスはデータを有用にする分野です。」私の定義が気に入らない場合は、HarlanHarrisの明確な定義が気に入るかもしれません。
データサイエンスは、データサイエンティストが何をするかによって定義され、彼が何をするかは非常によくカバーされています...しかし、データサイエンティストが誰であるか、おそらくもっと根本的な質問です。
はい。では、私たちは誰ですか？まあ、それはあなたが所属するクラブに依存します。そして、ここでバブルのアイデアが役立ちます。
AND対OR
一部の人々にとって、この立場は、3つの専門分野（統計、データ収集、機械学習）における完全な能力を意味します。他の人にとって、それはある人のスキルが他の人のスキルと組み合わされていることを意味します。ポジションのこの異なる理解は、雇用時にあなたを傷つける可能性があります。
オプション1。価値のあるものだけ！
自分の仕事の模倣を取り除き、神聖な職業をデータについてすべてを理解するエリートに限定することを夢見ている人がいます。
そのような人々がインタビューしているとき、それはどのように感じますか？彼らは私を、機械学習の知識、分析の黒帯、そして応用プロジェクトのポートフォリオを備えたサラブレッドの統計学者として見たいと思っています。彼らは私の大学院が流行していたかどうか知りたがっています。彼らは私がどのようにリーダーであったか、そして私がどのようにビジネス上の問題を解決したかをテストしたいと思っています。ああ、私はコミュニケーションスキルを持っている方がいいです。棒の月はどうですか？ 8歳の時からデータをやっていなかったら、怖かったでしょう。それまでは、これは私が深く対立する気持ちを持っている楽しい小さなクラブです。
それを何と呼ぼうか：クラブと..。参加者は、有能な統計学者、機械学習の専門家、およびジュエリーコーディングスキルを持つアナリストである必要があります。このクラブに入ることは非常に難しいことに注意してください。すべてのデータ問題の専門家である人は多くありません。これらの人々は、スペシャリストに対する世界のニーズを満たすことは決してできません。悲しいことに、これは供給と需要の性質です。
オプション2。ドアは誰にでも開かれています！
代替のはるかに混雑したクラブはORクラブです。これは、アナリストや統計学者などの役職の名前を一般的な用語に変更した人々で構成されています。音が良くなり、データサイエンスでの雇用が増え、コミュニティが拡大し、さまざまなスキルがもたらされます。誰もが勝ちます。正しい？ほとんど。
私が好きなもの：それはデータサイエンスのチーム、運動の性質を強調し、このアプローチはより多くの人々がデータサイエンスに参加することを可能にします。優れた！そして、データサイエンスのいくつかの分野はそれほど難しくありません。データマイニング、つまりデータの収集は、人々が思っているよりも熟練しているものです。データの収集には博士号が必要だとお考えの場合は、朗報です。必要なのは、データセットの調査方法、適度な謙虚さ、常識を理解することだけです。
反対側はどうですか？データサイエンスは、その高い要求と学習への長い没頭で有名です。私は、多才なスペシャリストを誘惑しているが、はるかに資格のない人を雇っていると思っている、貧しくて当惑した雇用マネージャーに深く同情します。虚偽の広告は損害を与えます。
ヒント：履歴書を誇張していないことを完全に保証したい場合は、データアナリストのポジションが最も安全なオプションです。
虚偽の広告
正直なところ、私はデータサイエンティストになるたびに、以前と同じ仕事を、異なる呼び方で行いました。「有能なマネージャー」が再び役職を変更したとき、私の責任は少しも変わりませんでした。
私も例外ではありません。私には多くの統計学者、意思決定支援エンジニア、定量的アナリスト、数学の教授、ビッグデータ科学者、ビジネスアナリスト、一流のアナリスト、研究科学者、ソフトウェアエンジニア、博士...すべてが誇り高い現代人です科学者。
私がデータサイエンティストになったとき、私の責任はまったく変わりませんでした。
友達、私は判断しません。あなたの個人的なブランドをうまく管理してください。しかし、「データサイエンティスト」の概念に基づくデータサイエンスの定義は、雑多な群衆がその名前をどのように引き付けているかを考えると、あまり正確ではないことを指摘したいと思います。限界を超えて、私たちはできるだけ少なく言うように注意深く作られた一連の言葉を手に入れます。これは、データサイエンティストの見方に反映されています。最近、データサイエンスの採用マネージャーが「博士号を持っていますか？それならあなたはおそらくデータサイエンティストです。」罪のない人を守るために言い換えられます。
役職を使用してデータサイエンスを定義することは危険なゲームです。
有名なデータサイエンティストは、自分が探しているものをすでに知っており、役職にスペースエイリアンと書かれていても、優れたデータサイエンティストを見つけることができます。経験の浅い採用マネージャーが心配です。データサイエンスを始めた多くの企業は、彼らを支援する専門知識を持っていません。彼らの計画は？データサイエンティストを雇えば、すべてがうまくいくでしょう。
支払う人への注意
新しい採用マネージャーの立場になってください。あなたは多くのことを読み、プロジェクトに統計、データマイニング、および機械学習のスキルが必要であると判断しました。あなたは3人を雇うことができます。それでは候補者を見てみましょう。「データサイエンティスト」というラベルの付いた10の履歴書。
これらがIクラブの人々である場合、3つの履歴書を選択できます。各候補者はあなたが必要とするスキルを持っています。残念ながら、このクラブは小さいので（読む：雇うのに非常に費用がかかる）、この10人がIのメンバーではない可能性が高いです。
雇用マネージャーがデータサイエンスのどの部分が本当に得意かを判断するのは難しい場合があります。
彼らが人ならまたは（これは今日の環境でより可能性が高いです）、あなたは彼らが本当に熟練していることを見つけるために彼らに注意深くインタビューしなければなりません。3つの異なるスキルセットが必要です。あなたの前にいる人々は1人しかいないかもしれませんが、彼らは普遍的であることをあなたに納得させるためのあらゆるインセンティブも持っています。彼らは、3つの領域（統計、データ収集、機械学習）すべてについて最低限の知識を持っているかもしれません。これは、プロジェクトと雇用の両方にとって危険な場合があります。あなたは彼らが本当に得意なことを理解する必要がありますが、それはあなたがさまざまなバックグラウンドを持つベテランのデータ科学者でない限り難しいかもしれません。
結果？仕事に応募するときの間違い。話題の言葉を再開することは、実際のスキルを保証するものではありません。
多くのチームが、多様なグループではなく、誤って複数のアナリストにデータを収集させているのを見てきました。しかし、これは単なるデータサイエンスの問題ではありません。履歴書の流行語には、必ずしもスキルが保証されているとは限りません。流行語が熱くなるほど、それは広がります。
これでデータ分析は終わりですか？
私は個人的に役職を一粒の塩で扱います。スキルが会社のすべてのニーズに一致することが重要です。役職が適切な指標ではない場合、熟練した雇用マネージャーは、履歴書で他の何かを探すことを学びます。
考えを失った私は、ORクラブの歴史さえ予見することができます。ポジションが時代遅れになるかもしれませんが、私は従うタイプではありません。
では、データサイエンスはバブルかどうか？
世界のデータが増えるということは、統計的推論、機械学習、分析/データ収集の3つの主要なデータサイエンス活動に対する需要が増えることを意味します。したがって、これらのスキルは、名前が変わる可能性がありますが、非常に関連性があります。データから価値を引き出すことで、いつでも生計を立てることができます。
一方、誇大広告で雇われ、ビジネスにとって価値のあることに集中することを学んだことがないチームは、時間が不足していることに気付くかもしれません。
数年前、テクノロジーで働くCTOである私の友人が、彼の役に立たないデータ科学者について不平を言いました。 「ドラッグロードが彼の財産のために虎を買うように、データ科学者を雇うことができると思います」と私は彼に言いました。 「あなたは虎に何が欲しいのかわからないが、他のすべてのドラッグロードはそれを持っている。」
私は本当のドラッグロード（またはタイガー）を知らないので、彼らが彼らの土地に何を持っているのかわかりません。しかし、あなたは私を理解しています。
データサイエンスはバブルのように聞こえますが、私は実際には楽観的です。データ量の増加は、機会の増加を意味します。これにはすべて、適切な管理が必要です。たとえば、私の友人は、データアナリストの助けを借りて、彼の組織の一部にトレーニングが必要であることに気づき、彼の問題の多くを解決することになりました。それ以来、彼のチームは仕事をどのように分配するかについてより思慮深くなりました。素晴らしいことが始まりました。意思決定者にデータサイエンスの使い方を教えることで、1日を節約できました。
意思決定者がその仕事に適したスキルを持っていることを確認してください。バブルが存在する場合、これがそのルートである可能性があります。
今日のデータサイエンスリーダーにとっての課題は、意思決定者がこの種のトレーニングを受講できるようにすることです。これにより、データサイエンティストの技術的才能を貴重な方向に指摘できる人が増えます。詳しくはこちらをご覧ください。データサイエンティストが価値をもたらすと、そのコンテンツはファッションの問題ではなく、必需品になります。データサイエンティストの仕事が人気を失い、ブランド変更が始まる前に、問題に対処できますか？
私たちのコースでは、常に市場を分析し、学生がプロとしての需要を長期間維持できるようにするための実際のスキルを学生に提供します。そして、習得したスキルを正しく提示するために、卒業生の履歴書とポートフォリオを使用します。
- Data Science (12 )
- - Data Analytics (5 )
- - Data Science (14 )
E
- (18 )
- (6 )
- Machine Learning (12 )
- « Machine Learning Data Science» (20 )
- «Machine Learning Pro + Deep Learning» (20 )
- - (8 )
- «Python -» (9 )
- DevOps (12 )
- Java- (18 )
- JavaScript (12 )
- UX- (9 )
- Web- (7 )
