Et dybt kig på 13 dataforskers roller og deres ansvar

 

Af alle roller i tech-verdenen har dataforskere sandsynligvis den største variation i titler og jobansvar. En dataforsker skal have mange forskellige hatte på, og det daglige arbejde for en data scientist hos Amazon kunne se væsentligt anderledes ud end en data scientist hos Microsoft. Fra at finde områder af virksomhedens forretning, der kunne drage fordel af indsamling, analyse og forståelse af data til at beslutte, hvilke strategiske beslutninger der skal træffes for at forbedre kundetilfredsheden eller købsgennemførelsesraterne, kan en virksomhed spørge en masse dataforskere.

En dataforsker forventes at have ekspert statistik, maskinlæring og ofte økonomiske færdigheder og viden. EN data scientist skal være højt kvalificeret i matematik, statistik, maskinlæring, visualiseringer, kommunikation og algoritmeimplementering. 

Derudover skal en dataforsker grundigt forstå forretningsapplikationerne af deres data. Hvis du analyserer trævækstdata, bør du forstå forskellen mellem højde og højde til krone base. Denne form for kontekstuel viden kan udvikles på jobbet, men det kan være en stor fordel, hvis du allerede har erfaring med at arbejde i branchen, hvis du søger at blive data scientist. Hvis du har været bankmand i fem år, er dine odds for at få en datavidenskabsstilling i fintech meget bedre end i sundhedsvæsenet.

De varierede hatte en dataforsker bærer

 

 

Datavidenskab er et relativt nyt felt, og det kan være svært for folk, der ikke er dataforskere at forklare hvad data scientists gør til lægfolk. Dette fører til den til tider komiske variation af ansvar og titler, der kan gælde for en moderne dataforsker.

A dataforskerafhængigt af virksomheden og det konkrete job, kan stå for dataindsamling og rengøring. Du kan også blive bedt om at udvikle maskinlæringsmodeller og pipelines eller tjene din virksomhed som visualiseringsguru. Nogle dataforskere er mere indvendigt vendt mens andre har meget at gøre med interne, ikke-tekniske teams eller endda kunder. Hvis du arbejder med mindre tekniske mennesker, bliver du nødt til at have det fremragende kommunikationsevner, både til at skrive rapporter for at opsummere dine analyser samt til at præsentere dine resultater og komme med anbefalinger til fremtidige handlinger.

Hovedansvaret for en dataforsker (eller hvad din virksomhed nu kalder en person, der indsamler, analyserer, visualiserer eller forudsiger data) er at fortælle historien om data. Hvor kom det fra, hvad kan vi lære af det om fortiden, og hvordan kan det guide os i fremtiden? For at gøre dette med succes, skal du være ekspert i forretningsområdet eller have kontekstuel viden til at passe puslespillets brikker sammen og forklare dine omkring dig betydningen af ​​dataene og den indsigt, du har fået ud af dem. 

De præcise ansvarsområder inden for data science varierer meget, og der er mange forskellige roller inden for data science. Uanset om du søger at komme ind i feltet, eller du ønsker at skifte job, er det rigtig vigtigt, at du holder et åbent sind i forhold til stillingsbetegnelse og branche. Jeg vil give dig en oversigt over de generelle ansvarsområder for tretten forskellige roller inden for datavidenskabsområdet. 

Virksomheder er generelt ikke gode til give titler til personer inden for datavidenskab, så det er vigtigt, at du tager denne opdeling som en tommelfingerregel og ikke en præcis definition. Hvis en af ​​disse lyder perfekt for dig, så kan du indsnævre din søgning til den ene titel, men hvis flere af dem lyder godt, så ville jeg være mere fleksibel med den titel, du bruger, når du søger. (Og hvis titlen virkelig betyder noget for dig, kan du altid gøre det til en del af din forhandling, når du får jobtilbuddet!)

Enhver moderne virksomhed af enhver betydelig størrelse rundt om i verden har en datavidenskabsafdeling, og en dataingeniør hos én virksomhed kan have det samme ansvar som en marketingsforsker hos en anden virksomhed. Datavidenskabsjob er ikke velmærket, så sørg for at kaste et bredt net.
 
 

Opdeling af dataforskers ansvar efter rolle

 

 

1. Dataanalytiker

 
A dataanalytiker fokuserer mere på dataindsamling, rensning og aggregering. Du skal være i stand til komfortabelt at navigere i komplekse SQL-forespørgsler. Du vil være ansvarlig for at designe og levere rapporter til ikke-tekniske interessenter. Du får også chancen for at designe datamodeller, visualiseringer og prædiktive modeller.

2. Databaseadministrator

 
Databaseadministratorer administrerer databaseforekomster, både lokale og cloudforekomster. Som en database Administrator, forventes du at bygge, konfigurere og vedligeholde produktionsmiljøer. Du vil også være ansvarlig for ydeevnen, tilgængeligheden og sikkerheden af ​​databaserne under dit ansvarsområde. Gør dig klar til at stå i spidsen for datadrift og yde missionskritisk vagtsupport.

3. Data Modeler

 
En datamodeller skaber konceptuelle, tekniske, logiske og nogle gange fysiske datamodeller. Du bliver nødt til beslutsomt at udvælge og vedligeholde datamodellering og designstandarder for at skabe en sammenhængende vision for din virksomheds data.

Datamodellere skal også udvikle enhedsrelationsmodeller og designe databaser. Du skal muligvis forbedre dataindsamling og analyse af underrepræsenterede klasser af data for dit team eller din virksomhed for at sikre, at dine datasæt er repræsentative.

4. Softwareingeniør

 
Softwareingeniører designe og vedligeholde software systemer. Når du er softwareingeniør, så gør dig klar til at skrive skalerbar, pålidelig og effektiv kode. Du bliver nødt til at omsætte designkrav til veldokumenteret, velafprøvet kode, der bringer produktdesignernes visioner ud i livet.

5. Dataingeniør

 
At identificere og løse datakvalitetsudfordringer vil være en vigtig opgave for dig som dataingeniør. Du skal også understøtte indtagelsen af ​​datakilder i datalagringsløsninger. En spændende del af en dataingeniørens arbejde får chancen for at arkitekte og designe datatekniske løsninger. Du bør også være klar til at bygge ETL-pipelines til at udtrække, transformere og indlæse data i datavarehuse til downstream-rapportering. Dataingeniører er desuden ansvarlige for datareplikering, udtrækning, indlæsning, rensning og kurering.

6. Dataarkitekt

 
Data arkitekter er hovedsageligt ansvarlige for at designe og vedligeholde datapipelines. En anden vigtig del af en dataarkitekts arbejde er at administrere databaser. Som dataarkitekt vil du skrive effektive forespørgsler og optimere eksisterende for at maksimere skalerbarhed og omkostningseffektivitet. Du vil også konvertere data til handlingsvenlig rapportering, automatisering og indsigt.

7. statistiker

 
En statistiker forstår virksomhedens behov, udvikler hypoteser og konstruerer statistisk forsvarlige eksperimenter. Som en statistiker, vil du validere den statistiske validitet af andre forretningsgruppers eksperimentelle planer. Du forventes også at coache og træne projekt- eller studieledere til at udvikle statistisk rimelige eksperimenter og valideringsstrategier eller -metrikker.

Ud over eksperimenter udvikler og udfører en statistiker analytiske rapporteringsstrategier. Du skal muligvis opføre dig som en statistisk cheerleader fordi nogle data science virksomheder få deres statistikere til aktivt at fremme statistiske metoder og opdage nye forretningsområder, som kunne drage fordel af statistisk forsvarlige analyser.

8. Business Intelligence Analytiker

 
A business intelligence analytiker er lidt på den blødere side af datavidenskab. Som business intelligence-analytiker skal du indsamle forretningsmæssige og funktionelle krav og arbejde på at tilpasse tekniske løsninger til forretningsstrategier. Du vil også arbejde med at skabe eller opdage dataindkøbs- og behandlingsstrategier.

Du vil være ansvarlig for at udtrække og manipulere store mængder data for at skabe analytiske rapporter fra det. Business intelligence-analytikere rapporterer, præsenterer og kommunikerer også analytiske resultater til nøgleinteressenter.

9. Marketingforsker

 
Marketing videnskabsmænd præsentere ideer og resultater for nuværende og potentielle kunder. De anvender også data mining og analysestrategier til data, såsom demografiske eller marketingdata. Ifølge Stone Alliance Group's beskrivelse af en marketingsforsker, skal du "spore og evaluere kundeerhvervelsesindsats, markedstendenser og kundeadfærd." En marketingsforsker er en dataforsker, der specifikt arbejder med annoncering, markedsføring eller demografiske bruger-/kundedata.

10. Forretningsanalytiker

 
En forretningsanalytiker "analyserer forretnings- og brugerbehov, dokumenterer krav og designer de funktionelle specifikationer for systemer og rapporter," som pr. MaxisIT Inc krav. Hvis du er en Business analytiker eller ønsker at blive det, skal du forstå forretnings- og industrikrav og bruge dem til at formulere systemomfang og tekniske mål. Du vil også være ansvarlig for at definere interaktion af data mellem forskellige systemer og databaser.

11. Kvantitativ analytiker

 
Kvantitative analytikere udvikle komplekse modeller ved hjælp af store datasæt til at feed interne rapporter og producere forretningsindsigt. Ressourceudviklingspartnere har deres kvantitative analytikere "udvikle og lede implementeringen af ​​analytiske planer, skitsere forskningsmetodologi, spørgsmål, prøveudtagning og iterationsplaner". Kvantitative analytikere automatiserer også arbejdsgange og arbejder på at validere dataintegritet.

12. Datavidenskabsmand

 
Som data scientist forventes det at du ekstrakt, samle, rense og transformere data fra flere kilder. Du bliver nødt til at identificere vigtige kontekstuelle faktorer for problemet. Data videnskabsmænd analyserer data for at producere vigtig handlingsorienteret indsigt til virksomheden for at forbedre ydeevnen. Afhængigt af virksomheden skal du muligvis forudsige markedstendenser for at hjælpe virksomheden med at udvikle sine filialer strategisk.

Datavidenskab handler om at finde en balance mellem kortsigtet analytisk vejledning og langsigtet prognose og eksperimenter. Du skal kommunikere de vigtige ting på det rigtige tidspunkt, så det er afgørende, du kan præsentere resultater i fordøjelige medier – datavisualiseringer og fængslende, tankevækkende præsentationer.

Du, som data scientist, vil bringe værdi og indsigt fra dataene til ikke-tekniske interessenter. Du får mulighed for proaktivt at finde områder inden for virksomheden, der kunne drage fordel af datadrevne beslutninger og samarbejder med andre teams for at opnå dette.

13. Maskinlæringsingeniør

 
Udbygning af maskinlæringsmodeller til produktion er hovedfokus for en maskinlæringsingeniør. De designer og implementerer skalerbare, pålidelige, effektive datapipelines og -tjenester. Afhængigt af virksomheden og dens fokusområder kan du forbedre personaliseringen af ​​produkter eller bedre forudsige markedstendenser i branchen ved at anvende maskinlæringsmodeller på historiske og live data.

Dataforskernes roller og ansvar krydser hinanden, men forskellene har stadig betydning

 
Der er meget cross-over mellem alle disse roller. Nogle er mere fokuserede på ren tal-knusning, mens andre fokuserer mere på at anvende indsigten fra dataanalyse til forretningsbeslutninger. Uanset din præcise jobtitel, hvis du er inden for datavidenskab, forventes du at være involveret i en masse forskellige trin i den datadrevne produktudviklingscyklus. Du bør være klar til at opdage nye områder for at optimere, finde ud af de målinger, der betyder noget, finde dataene til at informere disse målinger, designe og udføre eksperimenter og præsentere resultaterne af eksperimenter/modeller på kortfattede, nøjagtige og overbevisende måder.

Det datavidenskabelige felt er ungt og løst defineret. Mange gange finder du jobbeskrivelser under forskellige jobtitler, der lyder overraskende ens inden for paraplyen af ​​datavidenskab. Virksomheder indser ofte, at de har data eller kunne indsamle data og derefter bruge dem til at forbedre deres forretningsmodel. Disse jobbeskrivelser og den stillingsbetegnelse, de vælger at tildele dem, er dog ofte skrevet af ikke-tekniske personer, hvilket betyder, at der er meget overlap.

En dataingeniør hos en virksomhed udfører muligvis det samme arbejde som en dataanalytiker hos en anden virksomhed. Alle disse positioner berører at indsamle eller validere data, anvende en form for analyse og derefter forklare resultaterne til ikke-tekniske kolleger, enten gennem rapporter, forudsigelser eller visualiseringer.

Hvis et af disse job lyder perfekt for dig, så kan du indsnævre din søgning til den ene titel, men hvis flere af dem lyder godt, så ville jeg være mere fleksibel med den titel, du bruger, når du søger. Hvis titlen er noget, der er rigtig vigtigt for dig, kan du altid gøre det til en del af din forhandling, når du får jobtilbuddet. Lad ikke denne liste over ansvarsområder skræmme dig væk fra et job, der lyder interessant. Hvis du virkelig ønsker at blive datamodeller, men du ikke er tryg ved at organisere slægtsinformationen, kan du se på datamodelleringsstillinger hos forskellige virksomheder eller på dataarkitektstillinger.

Lad denne opdeling af de tretten mest almindelige datavidenskabelige roller springe i gang med din søgen efter et job inden for datavidenskab.

 
 
Nate Rosidi er data scientist og i produktstrategi. Han er også adjungeret professor, der underviser i analytics og er grundlæggeren af StrataScratch, en platform, der hjælper dataforskere med at forberede sig til deres interviews med rigtige interviewspørgsmål fra topvirksomheder. Forbind med ham Twitter: StrataScratch or LinkedIn.

Kilde: https://www.kdnuggets.com/2022/01/deep-look-13-data-scientist-roles-responsibilities.html