Napomena: Sljedeći članak će vam pomoći: Je li znanost o podacima prava karijera za vas? Prije nego što zaronite, zapitajte se ovo 5 pitanja
U vrijeme kada su vijesti o IT otkazima postale dio svakodnevnih razgovora, a kontinuirano učenje postalo tech du jour, potreba za preokretom na napredne vještine postala je još veća. Ali osim neizvjesnosti posla, pitanje s kojim se bori većina stručnjaka srednje i više razine jest kako i gdje započeti. Dok su se podaci i analitika pojavili kao atraktivna opcija za one koji traže napredovanje u karijeri i promjenu karijere, tražitelji posla imaju malo znanja o tome kako dobiti prednost.
Vrijeme je za introspekciju kako biste napravili učinkovit prijelaz:
1. Imam li afiniteta prema brojevima?
Prvo pitanje koje trebate postaviti jest jeste li stvoreni za ovu karijeru. Morate biti strastveni prema statistikama i brojevima da biste se probili u ovu industriju. Za apsolutnog početnika, uvodni tečajevi statistike dobar su početak. R je glavni alat za statističko modeliranje, a postoji ih mnoštvo free resursa za početak rada na njemu. Za profesionalce u ranoj fazi potrebno je dubinsko poznavanje R-a i Pythona ili SAS-a. Evo a free online test za procjenu vaših vještina za podatke i analitiku.
2. Imam li dovoljno vremena za novo učenje?
Iako postoji mnogo mogućnosti obuke za stjecanje analitičkih vještina i razvoj vaše karijere, morate biti spremni odvojiti posvećeno vrijeme za učenje.
Data Science je u biti kombinacija 3 vještine: statistika/matematika, kodiranje/poznavanje baze podataka & poslovna oštroumnost. Dobar početak može puno promijeniti u ovom polju. Čovjek mora barem dati 6-12 mjeseci vremena za predano učenje analize podataka i statistike i steknite vrhunski pogled na Big data, Machine Learning i NLP kako biste dobili dobar početak u ovoj domeni. Evo nekoliko dobrih izvora za početak. Naše istraživanje pokazuje da je učenje znanosti o podacima velika obveza i tome se treba posvetiti najmanje 10 sati tjedno u razdoblju od devet do 12 mjeseci.
3. U kojoj sam fazi svoje karijere?
Još jedno ključno pitanje koje treba razmotriti je na kojoj ste točki u svojoj karijeri tijekom tranzicije. Diplomanti i stručnjaci u ranoj fazi trebali bi imati stručnost u SQL-u, Pythonu i dubinsko razumijevanje statističkih koncepata. Učenje na poslu pruža izvrsnu priliku za razvoj karijere. Za početnike, izloženost i iskustvo u ulozi znanosti o podacima pomoći će u razvoju boljeg razumijevanja rješavanja poslovnih problema.
-
Srednja faza (5-10 godina): U ovoj fazi već radite u određenoj industriji i šanse za pronalazak posla izvan domene mogu biti male. Bilo bi bolje prijeći na analitičku ulogu unutar svoje tvrtke.
Menadžeri/praktičari (10+ godina): Vjerojatno već radite kao voditelj projekta ili voditelj tima i tražite načine da dodate svoje vještine. Postoji mnogo izvršnih programa za početak. Dobro poznavanje domene zajedno s poznavanjem R/Pythona i SAS-a je neophodno.
4. Koji put karijere želim slijediti?
Većina stručnjaka dolazi iz IT-a sa snažnim vještinama kodiranja. Područje znanosti o podacima nudi tri puta karijere: Data Engineering, Poslovni analitičar i Data Scientist. Većina IT stručnjaka okreće se prema ulogama inženjeringa podataka i usavršava Hadoop, Spark, SQL, NoSQL. Analitičari podataka mogu imati MBA ili ne-MBA pozadinu, kao što su financije i marketing. Kombiniraju vještine vizualizacije (Tableau, Qlik, Power BI) potpomognute jezikom za upite (SQL, Pig, Hive) i Pythonom. Podatkovni znanstvenici imaju kombinaciju statistike, matematike i vještina kodiranja potpomognutih znanjem o domeni za pružanje poslovno orijentiranih rezultata. Profesionalci s diplomama iz srodnih područja kao što su matematika, informatika, statistika također su dobri analitičari podataka.
Jedan od glavnih zahtjeva za analitičara podataka je prevođenje podataka u vidljiv/razumljiv format. Nedavno su stručnjaci iz područja marketinga/financija/istraživanja koji su sposobni pažljivo prenijeti složene ideje uspješno prešli na uloge poslovne analitike.
5. Što trebam učiniti da započnem ovaj prijelaz?
Sada kada znate da je ova karijera pravi izbor, morate započeti. Iako ih ima dosta free resursa, može biti iscrpljujuće crtati jasan put učenja. Za početak, postoji mnogo planova učenja za vlastiti tempo koji se bave a) osnovama znanosti o podacima b) kratkoročnim tečajevima koji popunjavaju određenu prazninu (kao što je Data Wrangling s MongoDB & Data Analysis s R) c) specijalizirani tečajevi o Pythonu, R programiranje.
Ako tražite specijalizirane resurse, mi ćemo vas pokriti. Provjerite ove zajednice znanosti o podacima kako biste bili u toku s ovim rastućim područjem:
Zajednice: Datatau, Cross Validated, Reddit Machine Learning Subreddit
Skupovi podataka: Kaggle natjecanja, Reddit, Repozitorij strojnog učenja, Open Data Platform
Free knjige: Razmislite o Pythonu autor Allen Downey, Mislite na statistiku autor Allen Downey, Uvod u statističko učenje James, Witten, Hastie i Tibshirani, Priručnik za analizu podataka, Vođen podacima: Stvaranje podatkovne kulture DJ Patil i Hilary Mason
