introduzione
Una delle domande più comuni che mi imbatto ripetutamente in vari forum è “Dovrei diventare uno scienziato dei dati? (l'analista)?” La query assume varie forme e fattori, ma ecco un aneddoto comune della vita reale:
“Ho fatto vendite per vari giganti BFSI per l'ultimo 3 anni, ma ho smesso di godermi il mio ruolo. Dopo aver letto di Business Analytics e Machine Learning, il mio interesse in questo settore è cresciuto. Dovrei fare una modifica e imparare la scienza dei dati?? Se è così, come lo faccio??
Quando ho riflettuto su come ho preso la decisione, Mi sono reso conto: sono stato fortunato! La decisione è stata relativamente più facile per me. Come mai? Conoscevo le industrie / ruoli, non mi divertirei; questi includevano ruoli nelle vendite, ruoli in Ingegneria Fisica e alcuni altri. Era aperto a posizioni di scienza dei dati presso banche al dettaglio e banche di investimento e, fortunatamente, finito in Capital One.
Oggi, dopo aver passato ~ 8 anni nel settore, è molto più facile per me guidare e guidare le persone sul fatto che Analytics sia il ruolo giusto per loro o meno. Quindi, pensare, Cercherò di mettere i miei pensieri in una cornice e condividerli con il pubblico di questo blog. Lo scopo di questo post è aiutare quelle persone che sono sedute sul recinto e pensano a cosa funziona / il ruolo è giusto per loro. Quindi, se sei una persona che sta riflettendo su un movimento nella scienza dei dati o ti chiedi se sei una persona adatta per questo settore, ecco una struttura ordinata che potrebbe aiutare.
Il ruolo di un mentore nella costruzione di una carriera non ha prezzo. Appartenendo al settore, il mentore può aiutarti a navigare nel tuo percorso di apprendimento in modo da non cadere nelle trappole. Cintura nera certificata AI e ML Più Il programma include più di 100 ore del corso dal vivo, più di 100 ore di video al tuo ritmo, più di 18 progetti di vita reale e, soprattutto,: tutoraggio 1: 1 così puoi concentrarti sul diventare un professionista pronto per il settore con una guida pertinente. ?
Struttura
Ho messo un framework in un modulo di test molto semplice. Questo test si basa sugli attributi che ogni analista deve possedere. Deve essere segnato in ciascuna delle domande (fuori dal punteggio indicato dopo la domanda) e poi aggiungi i tuoi punteggi. Un buon analista dovrebbe ottenere un punteggio più alto di 70 e chiunque segni meno di 50 dovresti seriamente riconsiderare la decisione di essere un data scientist.
Domande di prova:
- ¿Te encanta el cálculo de números y la risoluzioneIl "risoluzione" si riferisce alla capacità di prendere decisioni ferme e raggiungere gli obiettivi prefissati. In contesti personali e professionali, Implica la definizione di obiettivi chiari e lo sviluppo di un piano d'azione per raggiungerli. La risoluzione è fondamentale per la crescita personale e il successo in vari ambiti della vita, In quanto ti permette di superare gli ostacoli e mantenere la concentrazione su ciò che conta davvero.... de problemas lógicos, In altre parole, indovinelli, quote e statistiche? (punteggio su 20)
Per amore non intendo che mi piaccia, Non voglio dire che non ti importi dei numeri, Voglio dire, Hai un'ossessione per i numeri?? Ti piace fare stime approssimative in qualsiasi momento della giornata?? Ho fatto queste stime mentre facevo la doccia, mentre guido, mentre guardo un film o anche mentre sto nuotando (e ho perso il conto dei giri)! So che anche il mio amico Tavish fa questi calcoli mentalmente, mentre guidi o giochi a badminton. Se vuoi che mi allontani da una discussione, Chiedimi un ostacolo logico davvero difficile!
Chiave inglese:
5 – temono la matematica e le statistiche, ma possono affrontare fino a un certo punto
10 – Sei a tuo agio con la matematica e le statistiche, ma ha bisogno di calcolatrici ed eccelle per lavorare sui problemi. Non preoccuparti di provare enigmi
15 – Amo fare i numeri e risolvere enigmi logici ovunque
20 – Non posso vivere senza elaborazione dei numeri e puzzle di logica: un'ossessione!
- Ti piace lavorare? / gestire problemi non strutturati? (punteggio su 20)
Un analista sarà inevitabilmente messo alla prova contro problemi aziendali amorfi e non strutturati. Ed è così che risolvi questi problemi non strutturati, cosa decide quanto sei buono o cattivo come analista. Il mio primo progetto nel mio primo ruolo ha detto: “Negli ultimi mesi, abbiamo visto un forte aumento dei clienti ad alto rischio di tipo X. È necessario elaborare una strategia basata sui dati per misurare, controllare e migliorare questa situazione.“
Anche l'azienda non aveva una definizione chiara di questi clienti. Riesci a gestire questo tipo di ambiguità e fornire un indirizzo da solo?? Ti piacciono queste situazioni o preferisci sentirti a tuo agio in un ruolo più definito?
Chiave inglese:
5 – Ho provato questi problemi in passato, Ma non è la mia tazza di tè!
10: un punteggio di 10 significherebbe che ti piace risolvere questi problemi di volta in volta (come esempio, a partire dal 3 un 6 mesi)
15+ – Preferisci problemi non strutturati e sovrastrutturati. Non ti piace che qualcun altro strutturi i tuoi problemi per te.
- Ti piacciono le ricerche approfondite e puoi passare ore ad affettare e affettare i dati?? (punteggio su 20)
Tornando al primo progetto che ho affrontato, prendo 3 mesi capiscono il business, avere più discussioni con le parti interessate, mettili insieme nella stessa pagina e poi estrai i dati per le soluzioni. Hai bisogno di una prospettiva di ricercatore per essere un buon analista aziendale. Quand'è stata l'ultima volta che hai passato ore e ore immerso nella risposta di un ostacolo?? Puoi farlo ancora e ancora??
Chiave inglese:
5 – Desideri un cambiamento ogni poche ore. Non puoi lavorare su un singolo problema tutto il giorno.
10 – Può lavorare su un ostacolo alla ricerca, ma hai bisogno di un po' di lavoro extra per aiutarti a uscire dalla noia.
15 – Ti senti come se il lavoro parallelo ti distraesse dal progredire sul problema chiave su cui stai lavorando. Sarei felice se li portassero via
20 – non sopporto le distrazioni
- Ti piace costruire e presentare storie supportate da prove?? (punteggio su 20)
Uno scienziato dei dati deve essere un presentatore fluente. A che serve tutto il duro lavoro se non puoi influenzare i tuoi stakeholder? Comunicare con i dati e presentare storie basate sui dati è uno degli elementi più importanti nella vita di un data scientist. Immagina di far parte di aziende come Google e Amazon: ha tutti i dati di cui hai bisogno (probabilmente più di quello) per il dominio su cui stai lavorando, ma devi trasformarlo in una storia significativa, presentarlo e influenzare le parti interessate. per prendere la decisione giusta!
Chiave inglese:
5 – Fai fatica a comunicare i miei pensieri matematici al pubblico.
10 – Puoi gestire lo storytelling con molta pratica. Non riesco a pensare di farlo in movimento!!
15+ – Sempre e ovunque!
- Ti ritrovi sempre a mettere in discussione le supposizioni delle persone e sei sempre curioso di sapere “perché”? (punteggio su 10)
Questa è probabilmente la parte migliore e la più divertente!! Ecco una citazione che si legge da qualche parte su Linkedin: Litigare con un ingegnere è come combattere nel fango con un maiale: dopo poche ore, ti rendi conto che al maiale piace.. Equivalentemente, chiediti perché viene naturale per un buon data scientist. Alcuni dei migliori data scientist fermerebbero chiunque e chiederebbero una giustificazione se non sono chiari: Perché hai fatto questa domanda?? Qual è stata la tua procedura di pensiero?? Perché presumi? sono solo alcuni esempi di queste domande.
Chiave inglese:
5 – Fa domande solo quando sono fondamentali per chiedere
8+ – Non sopporti l'ansia di non capire qualcosa! Saltare per fare domande!
- Ti piace risolvere i problemi e prosperare nelle sfide intellettuali?? (punteggio su 10)
Gli analisti hanno bisogno di un regalo per la risoluzione dei problemi. La maggior parte dei problemi che le aziende dovrebbero affrontare sarebbero unici per loro e ci vorrebbe un risolutore intelligente per risolverli. Le soluzioni che funzionano per un'organizzazione potrebbero non funzionare per un'altra; dovrebbe essere qualcuno che sviluppa rapidamente una profonda comprensione di un ostacolo e poi scopre modi innovativi per risolvere questi problemi.
Chiave inglese:
3 – Non ti dispiace pensare a risolvere i problemi, ma tu combatti.
6 – A volte puoi risolvere i problemi
9/10 – Ami la procedura del pensiero intellettuale
Note finali:
Qual è il mio punteggio?? valuterei tra 80 e 85 in questo test. È il tuo turno ora. Fai l'esame e fammi sapere, Quanto ottieni? Allo stesso tempo, fammi sapere se pensi che il test sia stato utile o meno.
Notare che, come tutte le domande soggettive, non ci sono risposte giuste o sbagliate qui. Potresti ottenere un punteggio basso nel test, ma ancora, essere il miglior analista / scienziato dei dati che esiste. Nonostante questo, il test dovrebbe aiutare la maggior parte delle persone ad affrontare la confusione. Se sei ancora confuso dopo aver letto questo post, sentiti libero di condividere la tua confusione / informarsi attraverso i commenti qui sotto. Ti aiuterà a spiegare la confusione e mi aiuterà a migliorare questo quadro.
Ti è piaciuto questo telaio? In DataPeaker seguiamo un approccio analitico alla risoluzione dei problemi. Si desea convertirse en un científico de datos con esta mentalidad analiticoL'analisi si riferisce al processo di raccolta, Misura e analizza i dati per ottenere informazioni preziose che facilitano il processo decisionale. In vari campi, come business, Salute e sport, L'analisi può identificare modelli e tendenze, Ottimizza i processi e migliora i risultati. L'utilizzo di strumenti avanzati e tecniche statistiche è fondamentale per trasformare i dati in conoscenze applicabili e strategiche...., vedi la BlackBelt di IA e ML certificate Più Programma che offre più di 100 ore del corso dal vivo, più di 100 ore di video al tuo ritmo, più di 18 progetti di vita reale e, soprattutto,: tutoraggio 1: 1. Il corso è realizzato con cura da esperti in modo da poter diventare un professionista pronto per l'industria!!
Ora che sai che potresti o meno diventare un data scientist, potresti chiederti “Come posso diventare uno scienziato dei dati??”. Ecco la tabella di marcia:
