У врхунцу филма Хидден Фигурес, номинованог за награду Академије, математичарка Катхерине Јохнсон позвана је да провери прорачуне за слетање координата свемирске капсуле Јохна Гленна, Пријатељство 7. Технологија је управо заменила људске рачунаре, људе који рачунају податке који су завршили сложене једнаџбе. пре појаве рачунарског система, али подаци са машине су имали одступања која је особа требало да реши.
То је била наука о подацима 1961. Данас су ствари мало другачије. Сложени системи за прикупљање података омогућавају компанијама у сваком сектору да науче више о њиховом пословању, клијентима и будућим изгледима. Али као у Скривеним фигурама, људима је још увек потребно да пронађу важне истине из података.
Ево мерке о томе како свакодневно користимо науку о подацима и суштинским вештинама које су вам потребне да бисте били успешни као научник података, инжењер или аналитичар.
Наука података је свуда
Потенцијал за научнике података далеко изван финансијске и технолошке индустрије цвјета. „У свим секторима све је већа спознаја да су вештине науке о подацима постале неопходне за такмичење и унапређење на данашњем тржишту“, каже Мицхаел Галвин, извршни директор Дата Сциенце Цорпорате Траининг за компанију Метис, компанију за обуку наука о подацима која ради са појединцима и предузећима .
Размислите о колачићима. Не, не оне које умочите у млеко - моћне алате за прикупљање података који помажу аналитичарима података, научницима и инжењерима да науче о потрошачким веб навикама и информишу алгоритме око оних „како су-знали-знам-шта сам размишљао“ „од тога ?!“ огласи су приказани на Фацебооку. Њихов циљ? Да бисте проценили интересе и понашање потрошача и помоћу те аналитике помогли у доношењу кључних пословних одлука - за компаније из свих сектора.
„Постоји широка свест о науци о подацима у главном току. Утицајући на све, од куповине Амазона до Нетфликових напитака, наука о подацима додирује више људи него икад раније “, каже Галвин.
Како се уклапате
Са растом поља науке о подацима, дошло је до повећаног преклапања између улога података, аналитичара података и модерара.
Али, према др. Флавио Вилланустре, потпредседник технолошког и ХПЦЦ система за решења ризика за ЛекисНекис, разлика између различитих позиција је заправо прилично јединствена - и пружа могућности онима који су надарени у одређеним областима.
„Аналитичари података традиционално су специјализовани за технике манипулације подацима, за које је потребна обука за све, од језика упита до графичких модела података“, каже Вилланустре. „У међувремену, моделирачи анализирају нумеричке податке за корелације и обрасце.“
Када је у питању наука о подацима, Вилланустре објашњава да идеални кандидати треба да покажу низ ових двеју врста вештина сложених са доменом и пословним знањем. „Научници са подацима обично поседују дубље знање од аналитичара података о програмским техникама и шире знање од статистичких моделара о аналитичким методологијама података користећи софистициране технике.“
Када се пријављујете на ове позиције, важно је имати на уму које задатке компанија заиста изгледа да обавља.
„Бука око науке о подацима довела је до тога да су многе компаније ангажирале научнике који раде на подацима аналитичара, који завршавају чишћење и припрему података и троше врло мало времена радећи на стварним наукама о подацима“, објашњава Ницк Крамер, старији директор за податке и аналитику у ССА & Цомпани, консултантска фирма за управљање која се специјализовала за трансформацију аналитике великих података у операције за компаније.
Нови алати омогућавају израду аналитичких модела онима који имају нижи степен стручности, па су разноврсне, сродне вештине попут пословног знања и ефикасних комуникацијских вештина важне за раздвајање оних који траже посао. Приликом разговора обавезно постављајте питања о томе шта тачно компанија тражи - а затим покажите своје снаге.
Наша канцеларија
Шта требате да бисте били успешни
Стара пословица о невидјењу шуме за дрвеће важно је запамтити када радите као научник података, аналитичар или инжењер. Иако је тачност основних података важна, признаје се свеобухватна слика проблема које се компанија нада.
„Постоји тенденција међу научницима података да прекомпликовају ствари и усисавају се у црну рупу детаља“, упозорава Галвин. "Уместо тога, они би требали да размисле о пословном проблему који покушавају да реше, да нешто покрену, а затим понављају."
Штавише, интересовање за оно што радите - као што је случај са било којим послом - такође је од суштинске важности.
„Компаније раде са различитим врстама података (попут слика, текста и финансијских података) на различитим проблемима. Морате вас занимати и разумети врсту података са којима ћете радити да бисте успели “, рекао је Галвин. „На пример, научници са подацима који раде са медицинским сликама обично нису сами доктори, али њихов крајњи корисник или клијент биће лекар. Можете ли разумети које проблеме покушавају решити? Да ли сте заинтересовани да решите те проблеме? “
А онда је ту и комуникација. Каже се да подаци научници, аналитичари и инжињери говоре свој језик, али да бисте били успешни на радном месту, морате бити у стању да јасно комуницирате са онима који ће ваше вештине искористити и имати највише користи.
„Сарадња са пословним актерима постаје све важнија“, рекао је Крамер.
Наука података и њене сродне каријере далеке су од шездесетих година прошлог века када је НАСА-и била потребна људска рачунара да би искористили и проверили рад нових рачунарских машина. Али бриљантни умови заинтересовани за начин на који подаци могу обликовати начин на који живимо, радимо и послујемо и даље су битни као и увек - без људског стручњака који би интерпретирао и инпуте и резултате, наука о подацима могла би бити дивље злоупотребљена или једноставно нејасна.
