V závere filmu Akadémia nominovaných na Oscara je matematička Katherine Johnson vyzvaná, aby overila výpočty pre súradnice pristátia kozmickej kapsuly Johna Glenna. Priateľstvo 7. Technológia práve nahradila ľudské počítače, ľudí s výpočtom údajov, ktorí dokončili zložité rovnice. pred príchodom počítačového systému, ale údaje zo stroja mali nezrovnalosti, ktoré musel človek vyriešiť.
To bola veda o údajoch v roku 1961. V súčasnosti sú veci trochu iné. Komplexné systémy zberu údajov umožňujú spoločnostiam vo všetkých odvetviach dozvedieť sa viac o svojich podnikoch, klientoch a budúcich vyhliadkach. Ale podobne ako v Skrytých obrázkoch, ľudia stále potrebujú nájsť dôležité pravdy z údajov.
Tu je prehľad toho, ako každý deň využívame vedu údajov a základné zručnosti, ktoré potrebujete, aby ste boli úspešní ako vedec údajov, technik alebo analytik.
Data Science je všade
Potenciál pre vedcov údajov ďaleko presahujúcich finančné a technologické odvetvia prekvitá. „Vo všetkých odvetviach sa čoraz viac uvedomuje, že zručnosti v oblasti vedy o údajoch sa stali nevyhnutnými pre konkurenciu a zlepšovanie sa na dnešnom trhu, “ hovorí Michael Galvin, výkonný riaditeľ spoločnosti Data Science Corporate Training pre spoločnosť Metis, spoločnosť poskytujúca vzdelávanie v oblasti vedy o údajoch, ktorá spolupracuje s jednotlivcami a podnikmi.,
Premýšľajte o cookies. Nie, nie tie, ktoré ponoríte do mlieka - výkonné nástroje na zhromažďovanie údajov, ktoré pomáhajú analytikom údajov, vedcom a technikom dozvedieť sa o návykoch spotrebiteľov na webe a informujú algoritmy okolo tých „ako myslia na to, ako-oni-vedia-I-mysleli“ „z toho ?!“ reklamy, ktoré sa zobrazujú na Facebooku. Ich cieľ? Posúdiť záujmy a správanie spotrebiteľov a použiť tieto analytické nástroje na pomoc pri prijímaní kľúčových obchodných rozhodnutí - pre spoločnosti vo všetkých odvetviach.
„V hlavnom prúde je väčšia informovanosť o vede o údajoch. Veda o údajoch ovplyvňuje všetko od nákupov Amazoniek po bity Netflix a veda o údajoch sa dotýka viac ľudí ako kedykoľvek predtým, “hovorí Galvin.
Ako sa vám hodí
S rastom v oblastiach vedy o údajoch došlo k zvýšenému prekrývaniu úloh vedcov údajov, analytikov údajov a modelárov.
Ale podľa Dr. Flavia Villanustra, viceprezidenta pre technológie a HPCC Systems pre LexisNexis Risk Solutions, je rozdiel medzi rôznymi pozíciami skutočne jedinečný - a predstavuje príležitosti pre tých, ktorí sú nadaní v konkrétnych oblastiach.
„Analytici údajov sa tradične špecializujú na techniky manipulácie s údajmi, ktoré si vyžadujú školenie vo všetkom, od dopytovacích jazykov po grafické dátové modely, “ hovorí Villanustre. „Medzitým modelári analyzujú numerické údaje na korelácie a vzorce.“
Pokiaľ ide o vedu o údajoch, Villanustre vysvetľuje, že ideálni kandidáti by mali predvádzať nadmnožinu týchto dvoch typov zručností kombinovanú s vedomosťami o doméne a podnikaní. „Vedci údajov zvyčajne disponujú hlbšími poznatkami o analytických technikách ako analytici údajov a širšími poznatkami o štatistických metodológiách využívajúcich sofistikovanejšie techniky ako štatistické modely.“
Pri uchádzaní sa o tieto pozície je dôležité si uvedomiť, aké úlohy spoločnosť skutočne hľadá.
„Zvuk okolo dátovej vedy spôsobil, že mnoho spoločností si najalo vedcov údajov na prácu analytika údajov, ktorý nakoniec čistí a pripravuje údaje a trávi veľmi málo času skutočnou vedou údajov, “ vysvetľuje Nick Kramer, vedúci oddelenia dát a analýzy na SSA & Company, konzultačná spoločnosť v oblasti riadenia, ktorá sa špecializuje na transformáciu veľkých dátových analýz na operácie pre spoločnosti.
Nové nástroje umožňujú vytvárať analytické modely tým, ktorí majú nižšiu úroveň odbornosti, takže na odlíšenie uchádzačov o zamestnanie sú dôležité diverzifikované a súvisiace zručnosti, ako sú obchodné znalosti a efektívne komunikačné zručnosti. Pri pohovoroch nezabudnite klásť otázky, aby ste sa zamerali na to, čo presne spoločnosť hľadá - a potom zodpovedajúcim spôsobom predstavte svoje silné stránky.
Naša kancelária
Čo potrebujete, aby ste boli úspešní
Staré príslovie o nevídaní lesa pre stromy je dôležité mať na pamäti, keď pracujete ako vedec údajov, analytik alebo inžinier. Aj keď je dôležitá presnosť základných údajov, uznáva sa aj celkový obraz problémov, ktoré spoločnosť dúfa v vyriešenie.
"Medzi vedcami údajov existuje tendencia nadmerne komplikovať veci a byť vtiahnutý do čiernej diery detailov, " varuje Galvin. „Namiesto toho by mali premýšľať o obchodnom probléme, ktorý sa snažia vyriešiť, nechať niečo fungovať a potom opakovať.“
Záujem o to, čo robíte - rovnako ako o akúkoľvek prácu - je tiež nevyhnutný.
„Spoločnosti pracujú s rôznymi druhmi údajov (ako sú obrázky, textové a finančné údaje) o rôznych problémoch. Aby ste uspeli, musíte sa zaujímať o druh údajov, s ktorými budete pracovať, a porozumieť im, “povedal Galvin. „Napríklad vedci, ktorí pracujú s lekárskymi snímkami, zvyčajne nie sú sami lekármi, ale ich koncovým používateľom alebo klientom bude lekár. Dokážete pochopiť, aké problémy sa snažia vyriešiť? Máte záujem tieto problémy vyriešiť? “
A potom je tu komunikácia. Hovorí sa, že vedci, analytici a inžinieri údajov hovoria svojím vlastným jazykom, ale ak chcete byť na pracovisku úspešní, musíte byť schopní jasne komunikovať s tými, ktorí budú z vašich zručností najviac profitovať.
„Spolupráca s podnikateľskými subjektmi je stále dôležitejšia, “ povedal Kramer.
Veda o údajoch a súvisiace profesie prešli od 60. rokov minulého storočia, keď NASA potrebovala ľudské počítače, aby mohli využívať a overovať prácu nových počítačových strojov, prešla dlhá cesta. Brilantné mysle zaujímajúce sa o to, ako môžu dáta ovplyvňovať to, ako žijeme, pracujeme a podnikáme, sú však stále také dôležité ako nikdy - bez ľudského odborníka na interpretáciu vstupov a výsledkov by veda o údajoch mohla byť divoko zneužitá alebo by mohla byť jednoducho mätúca.
