Sådan bliver du en dataforsker

Hvis du er analytisk tænkt og nyder at arbejde med tal, kan det være en klog karrierebevægelse at blive dataforsker. Selv om de overvejende er ansat i den finansielle sektor, bliver deres tjenester i stigende grad efterspurgt i en lang række industrier og felter.

Hvis du overvejer denne karrierevej, kan denne vejledning komme godt med!

1. Undersøg professionen

Inden du beslutter dig for en karriere, skal du altid undersøge den grundigt. Dette giver dig mulighed for at få et klarere billede af dit valgte erhverv samt give dig en idé om, hvordan du engagerer dig.

Job beskrivelse

Da værdien og vigtigheden af ​​data begynder at gå op for virksomheder og organisationer, kræves dataforskere at bruge algoritmer og statistiske teknikker til at omdanne disse data til information.

Det drejer sig dog ikke kun om teknisk know-how. Datavidenskabere er forpligtet til at have kendskab til den branche, de driver i, så de kan give mening om denne information og forstå, hvad der er vigtigt, og hvad der ikke er. Og derefter skal de være i stand til at forklare deres fund klart og effektivt for andre; kommunikation er en nøgleværdighed inden for datavidenskab.

Hovedansvar

Afhængig af den organisation, du arbejder for, kan din rolle variere en smule, men generelt er en dataforskers ansvar som følger:

  • Arbejd med andre afdelinger i din organisation for at identificere problemer, og brug data til at foreslå effektive løsninger
  • Flet, administrer og ekstraher data for at oprette skræddersyede rapporter til kolleger, kunder eller den bredere organisation
  • Oprethold klar kommunikation med organisationen på alle tidspunkter for at sikre, at databehov forstås og imødekommes
  • Brug maskinlæringsværktøjer og statistiske teknikker til at levere løsninger efter behov
  • Opret klare og kortfattede rapporter, der giver værdi for kunder eller forretning
  • Hold dig ajour med de nyeste teknologier, teknikker og metoder
  • Foretag forskning i prototyper og bevis på begreber
  • Søg muligheder for at bruge indsigt, koder eller modeller, der kan være til gavn for andre funktioner i organisationen (dvs. HR eller marketing)
  • Fremme uddannelse i datavidenskab og opfordre andre i organisationen til at se fordelene ved dit arbejde

Væsentlige færdigheder og kvaliteter

  • Meget stærke kommunikationsevner til at forklare komplekse begreber til mennesker, der ikke har nogen kendskab til dataanalysens mekanik
  • Omhyggelig opmærksomhed på detaljer og evnen til at løse problemer effektivt
  • Erfaring med (eller en vilje til at komme i greb) databaseafhørings- og analyseværktøjer som SQL
  • Selvmotivation og evnen til at arbejde uden opsyn
  • Gode ​​organisations- og planlægningsevner
  • En samarbejdende tilgang til at dele ideer og finde løsninger, da det kræves, at du arbejder med andre afdelinger

Arbejdstider og betingelser

Dette vil variere afhængigt af den organisation, du arbejder for, men du kan med rimelighed forvente at arbejde normalt mandag til fredag ​​kontortid. Hvis du har frister, kan det være nødvendigt, at du arbejder længere timer eller i weekenderne.

Lønnsudsigter

I Storbritannien tilbyder de fleste startniveauer startlønninger på mellem £ 19.000 og £ 25.000. Når du får mere erfaring og anciennitet, kan dette stige til et vilkårligt sted mellem £ 30.000 og £ 50.000, med videnskabsfolk og konsulenter på højt niveau, der er i stand til at kommandere lønninger overalt mellem £ 60.000 og over £ 100.000.

I USA er startlønningerne omkring $ 65.000, et tal, der kan stige helt op til $ 135.000. Den gennemsnitlige løn er omkring $ 90.000.

Disse tal er forskellige afhængigt af den type branche, du arbejder i (for eksempel har finansielle virksomheder en tendens til at betale en højere løn) og det sted, du arbejder på.

2. Få kvalifikationerne

De fleste virksomheder kræver typisk, at du har en grad i datavidenskab eller et beslægtet felt, men det behøver ikke nødvendigvis at være inden for et computer- eller videnskabsbaseret felt. Stærke kvantitative færdigheder er selvfølgelig vigtige, men at være i stand til at løse problemer logisk og metodisk er større faktorer.

Når det er sagt, er det vigtigt at have nogle tekniske færdigheder. Kendskab til programmeringssprog - især Python - er et absolut must, da du vil håndtere enorme mængder data, og realistisk set vil de fleste virksomheder kigge efter fortrolighed med andre kodesprog og softwareprogrammer.

Hvis du skifter karriere, kan det at hjælpe at studere efter postgraduate-kvalifikationer inden for et relevant felt hjælpe, men dette er ikke nødvendigvis krav. Nogle gode emner at fokusere på ville være:

  • MSc Data Science
  • MSc Business Analytics
  • MSc Data Science and Analytics
  • MSc Big Data

3. Land dit første job

Datavidenskab er et meget efterspurgt erhverv i øjeblikket, da organisationer begynder at indse vigtigheden af ​​at bruge deres data til at tage informerede beslutninger. Som et resultat er virksomheder i enhver branche på udkig efter talentfulde og vidende rekrutter, hvor virksomheder konkurrerer mod hinanden for at sikre det allerbedste talent.

Hvis du har brug for mere erfaring, tilbyder mange større virksomheder praktikpladser og arbejdsskyggeprogrammer, hvor du kan omsætte din viden til praksis og opbygge et professionelt kontaktnetværk.

Der er også onlinekonkurrencer, som du kan deltage i, såsom dem, der er vært for Kaggle, Topcoder og Defense Science Technology Laboratory (DSTL), hvor rekrutterere ofte er på udkig efter nye og nye talent.

Nogle af de mere fremtrædende brancher, du kunne arbejde i, er:

  • Finansiere
  • Academia
  • Videnskabelig undersøgelse
  • Detail
  • Informationsteknologi
  • E-handel

Denne liste er dog ikke udtømmende. I de senere år er dataforskere blevet et værdifuldt aktiv inden for telekommunikations-, transport- og energiselskaber - i det væsentlige enhver branche, hvor virksomheder genererer data.

Da der er så stor efterspørgsel efter job, skal du holde øje med websteder med stillingsfortegnelser, eller hvis der er en bestemt branche, som du vil arbejde i, skal du undersøge virksomhederne på dette felt og tjek regelmæssigt deres websteder for positioner. Alternativt kan du prøve disse sider:

  • Data Scientist Jobs
  • KD Nuggets (hovedsagelig amerikanske job)
  • Kaggle

4. Udvikle din karriere

Med hensyn til faglig udvikling er der ingen reel akkreditering eller certificering tilgængelig. Du kan dog blive bedt om at deltage i branche-specifikke uddannelseskurser for at udvide eller udvide din viden, samt at du bliver opfordret til at holde dig opdateret med nye tendenser og udvikling inden for datavidenskab.

Med hensyn til karriereudvikling afhænger meget af, hvor lang tid det tager dig at lære de nødvendige færdigheder til at analysere store datasæt og præsentere dine fund effektivt. Der er flere trin på promoveringsstigen, da de fleste virksomheder har ældre datavidenskabsmænd; i denne rolle ville du påtage dig ekstra forvaltningsopgaver og være ansvarlig for en lille gruppe af yngre dataforskere.

Da de færdigheder, du vil lære og besidde, ikke er begrænset til en bestemt branche, er det relativt enkelt at flytte til forskellige virksomheder eller arbejde i udlandet.

Job Outlook

Jobudsigterne for dataforskere er enormt positive. Den britiske regering hævder, at der vil blive skabt 56.000 dataforskerjob hvert år indtil 2020, mens ledelseskonsulenteksperter McKinsey & Co forudsiger, at der i 2018 vil være mellem 140.000 og 190.000 datavidenskabelige stillinger, der udfyldes. Med talent i en sådan mangelvare er virksomheder i stigende grad villige til at betale toppris for at sikre de rigtige kompetencegrupper.

I USA er efterspørgslen den samme. Harvard Business Review (HBR) hævder, at manglen på dataforskere er ved at blive en "alvorlig begrænsning" i nogle sektorer og erklærer datavidenskab som det "mest sexede job i det 21. århundrede". Derudover blev det kåret til det bedste job i 2017 på karrierewebstedet Glassdoor, med en gennemsnitlig bedømmelse på 4, 8 ud af 5 - faktisk meget ros.

Dette er sandsynligvis guldalderen for dataforskere, da de bestemt opererer på et købers marked. Med den dinglende gulerod med høje incitamenter og et fleksibelt og elastisk færdighedsæt, der giver stærk jobsikkerhed, har det aldrig været et bedre tidspunkt at forfølge en karriere.

Arbejder du inden for datavidenskab? I bekræftende fald, fortæl os om dine oplevelser i kommentarerne ...

Efterlad Din Kommentar

Please enter your comment!
Please enter your name here