13가지 데이터 과학자의 역할과 책임에 대한 심층 분석

 

기술 세계의 모든 역할 중에서 데이터 과학자는 직함과 직무 책임이 가장 다양할 것입니다. 데이터 과학자는 다양한 모자를 착용해야 하며, 아마존의 데이터 과학자 의 것과 상당히 다르게 보일 수 있습니다. 마이크로소프트의 데이터 과학자. 데이터 수집, 분석 및 이해를 통해 이익을 얻을 수 있는 회사 비즈니스 영역을 찾는 것부터 고객 만족도 또는 구매 완료율을 개선하기 위해 어떤 전략적 결정을 내려야 하는지 결정하는 것까지 회사는 많은 데이터 과학자에게 질문할 수 있습니다.

데이터 과학자는 전문적인 통계, 기계 학습 및 경제적인 기술과 지식을 갖추어야 합니다. ㅏ 데이터 과학자는 고도로 숙련되어야 합니다 수학, 통계, 기계 학습, 시각화, 커뮤니케이션 및 알고리즘 구현 분야에서. 

또한 데이터 과학자는 데이터의 비즈니스 애플리케이션을 철저히 이해해야 합니다. 나무 성장 데이터를 분석하는 경우 다음과 같은 차이점을 이해해야 합니다. 크라운 베이스까지의 높이와 높이. 이러한 종류의 상황 지식은 직장에서 개발할 수 있지만 데이터 과학자가 되려는 경우 이미 업계에서 일한 경험이 있는 경우 큰 이점이 될 수 있습니다. XNUMX년 동안 은행가로 일했다면 핀테크에서 데이터 사이언스 직위를 얻을 확률이 의료보다 훨씬 더 좋습니다.

데이터 과학자가 착용하는 다양한 모자

 

 

데이터 과학은 비교적 새로운 분야이며 데이터 과학자가 아닌 사람들이 설명하기 어려울 수 있습니다. 데이터 과학자가 하는 일 평신도에게. 이것은 현대 데이터 과학자에게 적용될 수 있는 때로는 코믹한 다양한 책임과 직함으로 이어집니다.

A 데이터 과학자, 회사 및 특정 직무에 따라 데이터 수집 및 정리를 담당할 수 있습니다. 기계 학습 모델 및 파이프라인을 개발하거나 회사에 시각화 전문가로 봉사해야 할 수도 있습니다. 일부 데이터 과학자는 내부 대면 다른 사람들은 내부, 비 기술 팀 또는 고객과 많은 관련이 있습니다. 덜 기술적인 사람들과 함께 작업하는 경우 다음을 수행해야 합니다. 별의 커뮤니케이션 스킬, 분석을 요약하는 보고서를 작성하고 결과를 제시하고 향후 조치를 위한 권장 사항을 제공합니다.

데이터 과학자(또는 회사에서 데이터를 수집, 분석, 시각화 또는 예측하는 사람이라고 부르는 것)의 주요 책임은 데이터의 이야기. 그것은 어디에서 왔으며 과거에 대해 무엇을 배울 수 있으며 미래에 어떻게 안내할 수 있습니까? 이를 성공적으로 수행하려면 비즈니스 영역 전문가이거나 퍼즐 조각을 함께 맞추고 데이터의 중요성과 데이터에서 얻은 통찰력을 주변 사람들에게 설명할 수 있는 컨텍스트 지식이 있어야 합니다. 

데이터 과학 분야의 정확한 책임은 매우 다양하며 데이터 과학 분야에는 다양한 역할이 있습니다. 이 분야에 진출하기를 원하든 이직을 원하든, 직책과 산업 측면에서 열린 마음을 유지하는 것이 정말 중요합니다. 데이터 과학 분야 내에서 XNUMX가지 다른 역할의 일반적인 책임에 대해 설명하겠습니다. 

회사는 일반적으로 잘하지 않습니다 데이터 과학 분야의 사람들에게 직함 부여, 따라서 이 분석을 정확한 정의가 아니라 경험에 의한 규칙으로 받아들이는 것이 중요합니다. 이 중 하나가 당신에게 완벽하게 들린다면, 그 하나의 제목으로 검색 범위를 좁힐 수 있지만, 그 중 몇 가지가 괜찮다면 검색할 때 사용하는 제목으로 더 유연할 것입니다. (그리고 직함이 정말 중요하다면, 취업 제안을 받았을 때 항상 그 부분을 협상의 일부로 삼을 수 있습니다!)

전 세계적으로 규모에 관계없이 현대적인 회사에는 데이터 과학 부서가 있으며 한 회사의 데이터 엔지니어는 다른 회사의 마케팅 과학자와 동일한 책임을 가질 수 있습니다. 데이터 과학 직업은 레이블이 잘 지정되어 있지 않으므로 폭넓은 네트워크를 구축해야 합니다.
 
 

역할별 데이터 과학자 책임 분석

 

 

1 데이터 분석가

 
A 데이터 분석가 데이터 수집, 정리 및 집계에 더 중점을 둡니다. 복잡한 SQL 쿼리를 편안하게 탐색할 수 있어야 합니다. 당신은 비기술적 이해 관계자에게 보고서를 디자인하고 전달할 책임이 있습니다. 또한 데이터 모델, 시각화 및 예측 모델을 설계할 수 있는 기회도 얻게 됩니다.

2. 데이터베이스 관리자

 
데이터베이스 관리자는 온프레미스 및 클라우드 인스턴스 모두에서 데이터베이스 인스턴스를 관리합니다. 로 데이터베이스 관리자, 프로덕션 환경을 구축, 구성 및 유지 관리해야 합니다. 또한 귀하는 귀하가 관리하는 데이터베이스의 성능, 가용성 및 보안에 대해 책임을 지게 됩니다. 데이터 운영을 주도하고 미션 크리티컬 온콜 지원을 제공할 준비를 하십시오.

3. 데이터 모델러

 
데이터 모델러는 개념적, 기술적, 논리적, 때로는 물리적 데이터 모델을 생성합니다. 회사 데이터에 대한 응집력 있는 비전을 생성하려면 데이터 모델링 및 설계 표준을 단호하게 선택하고 유지 관리해야 합니다.

데이터 모델러 또한 엔터티 관계 모델과 디자인 데이터베이스를 개발해야 합니다. 데이터 세트가 대표성을 갖도록 팀 또는 회사에서 제대로 대표되지 않는 데이터 클래스의 데이터 수집 및 분석을 개선해야 할 수도 있습니다.

4. 소프트웨어 엔지니어

 
소프트웨어 엔지니어 디자인하고 유지하다 소프트웨어 시스템. 소프트웨어 엔지니어는 확장 가능하고 안정적이며 성능이 뛰어난 코드를 작성할 준비를 하십시오. 설계 요구 사항을 잘 문서화되고 잘 테스트된 코드로 변환하여 제품 설계자의 비전을 실현해야 합니다.

5. 데이터 엔지니어

 
데이터 품질 문제를 식별하고 해결하는 것은 데이터 엔지니어에게 중요한 작업이 될 것입니다. 또한 데이터 저장소 솔루션으로의 데이터 원본 수집을 지원해야 합니다. 흥미진진한 부분 데이터 엔지니어의 작업 데이터 엔지니어링 솔루션을 설계하고 설계할 기회를 얻고 있습니다. 또한 다운스트림 보고를 위해 데이터를 추출, 변환 및 데이터 웨어하우스로 로드하는 ETL 파이프라인을 구축할 준비가 되어 있어야 합니다. 데이터 엔지니어는 추가로 데이터 복제, 추출, 로드, 정리 및 큐레이팅을 담당합니다.

6. 데이터 설계자

 
데이터 아키텍트 주로 데이터 파이프라인 설계 및 유지 관리를 담당합니다. 데이터 설계자의 작업에서 또 다른 중요한 부분은 데이터베이스를 관리하는 것입니다. 데이터 설계자는 효율적인 쿼리를 작성하고 기존 쿼리를 최적화하여 확장성과 비용 효율성을 극대화합니다. 또한 데이터를 실행 가능한 보고, 자동화 및 통찰력으로 변환합니다.

7. 통계 학자

 
통계학자는 비즈니스 요구를 이해하고 가설을 세우고 통계적으로 건전한 실험을 구성합니다. 로 통계 학자, 다른 비즈니스 그룹의 실험 계획의 통계적 유효성을 검증합니다. 또한 통계적으로 합당한 실험 및 검증 전략 또는 지표를 개발하기 위해 프로젝트 또는 연구 감독을 지도하고 훈련해야 합니다.

실험을 넘어 통계학자는 분석 보고 전략을 개발하고 실행합니다. 다음과 같이 행동해야 할 수도 있습니다. 통계 치어리더 때문에 일부 데이터 과학 회사 통계 전문가가 통계 방법을 적극적으로 홍보하고 통계적으로 건전한 분석을 통해 혜택을 받을 수 있는 새로운 비즈니스 영역을 발견하도록 합니다.

8. 비즈니스 인텔리전스 분석가

 
A 비즈니스 인텔리전스 분석가 데이터 과학의 좀 더 부드러운 측면에 있습니다. 비즈니스 인텔리전스 분석가는 비즈니스 및 기능 요구 사항을 수집하고 기술 솔루션을 비즈니스 전략과 일치시키기 위해 노력해야 합니다. 또한 데이터 조달 및 처리 전략을 생성하거나 발견하는 작업을 하게 됩니다.

많은 양의 데이터를 추출하고 조작하여 분석 보고서를 작성하는 일을 담당하게 됩니다. 비즈니스 인텔리전스 분석가는 또한 분석 결과를 보고하고 발표하며 주요 이해 관계자에게 전달합니다.

9. 마케팅 과학자

 
마케팅 과학자 현재 및 잠재 고객에게 아이디어와 결과를 제시합니다. 또한 인구 통계 또는 마케팅 데이터와 같은 데이터에 데이터 마이닝 및 분석 전략을 적용합니다. 에 따르면 스톤 얼라이언스 그룹의 마케팅 과학자에 대한 설명에서 "고객 확보 노력, 시장 동향 및 고객 행동을 추적하고 평가"해야 합니다. 마케팅 과학자는 특히 광고, 마케팅 또는 사용자/고객 인구 통계 데이터에 대해 작업하는 데이터 과학자입니다.

10. 비즈니스 분석가

 
비즈니스 분석가는 "비즈니스 및 사용자 요구를 분석하고 요구 사항을 문서화하며 시스템 및 보고서에 대한 기능 사양을 설계"합니다. (주)맥시스아이티 요구 사항. 당신이 비즈니스 분석가 또는 하나가 되려면 비즈니스 및 산업 요구 사항을 이해하고 이를 사용하여 시스템 범위 및 기술 목표를 공식화해야 합니다. 또한 다른 시스템과 데이터베이스 간의 데이터 상호 작용을 정의할 책임이 있습니다.

11. 정량 분석가

 
정량 분석가 내부 보고서를 제공하고 비즈니스 통찰력을 생성하기 위해 대규모 데이터 세트를 사용하여 복잡한 모델을 개발합니다. 자원 개발 어소시에이츠 양적 분석가는 "연구 방법론, 질문, 샘플링 및 반복 계획의 개요를 설명하는 분석 계획의 구현을 개발하고 주도"합니다. 또한 정량 분석가는 워크플로를 자동화하고 데이터 무결성을 검증하기 위해 노력합니다.

12. 데이터 과학자

 
데이터 과학자로서 다음을 기대하게 됩니다. 추출물, 여러 소스의 데이터를 집계, 정리 및 변환합니다. 문제에 대한 중요한 맥락적 요인을 식별해야 합니다. 데이터 과학자는 데이터를 분석하여 비즈니스가 성과를 개선할 수 있는 주요 실행 가능한 통찰력을 생성합니다. 회사에 따라 회사가 전략적으로 지점을 개발하는 데 도움이 되도록 시장 동향을 예측해야 할 수도 있습니다.

데이터 과학은 균형 단기 분석 지침과 장기 예측 및 실험 사이. 중요한 일을 적시에 전달해야 하므로 제시 소화 가능한 매체의 발견 – 데이터 시각화 및 매력적이고 사려 깊은 프레젠테이션.

데이터 과학자로서 당신은 데이터의 가치와 통찰력을 비기술적 이해 관계자에게 제공할 것입니다. 데이터 기반 의사 결정의 이점을 얻을 수 있고 이를 달성하기 위해 다른 팀과 협력할 수 있는 회사 내 영역을 사전에 찾을 수 있는 기회를 갖게 됩니다.

13. 기계 학습 엔지니어

 
생산을 위한 기계 학습 모델을 구축하는 것이 기계 학습 엔지니어. 그들은 확장 가능하고 안정적이며 성능이 뛰어난 데이터 파이프라인 및 서비스를 설계하고 구현합니다. 회사 및 초점 영역에 따라 기계 학습 모델을 과거 및 라이브 데이터에 적용하여 제품의 개인화를 개선하거나 업계의 시장 동향을 더 잘 예측할 수 있습니다.

데이터 과학자의 역할과 책임은 교차하지만 구별은 여전히 ​​중요합니다.

 
이 모든 역할 사이에는 많은 교차점이 있습니다. 일부는 순수한 숫자 처리에 더 중점을 두는 반면 다른 일부는 데이터 분석에서 얻은 통찰력을 비즈니스 의사 결정에 적용하는 데 더 중점을 둡니다. 정확한 직책에 관계없이 데이터 과학 분야에 종사하는 경우 데이터 기반 제품 개발 주기의 다양한 단계에 참여해야 합니다. 최적화할 새로운 영역을 발견하고, 중요한 메트릭을 파악하고, 이러한 메트릭을 알려주는 데이터를 찾고, 실험을 설계 및 실행하고, 실험/모델의 결과를 간결하고 정확하며 설득력 있는 방식으로 제시할 준비가 되어 있어야 합니다.

데이터 과학 분야는 젊고 느슨하게 정의되어 있습니다. 많은 경우 데이터 과학이라는 범주 내에서 놀라울 정도로 유사하게 들리는 다양한 직책 아래에서 직무 설명을 찾을 수 있습니다. 기업은 종종 데이터가 있거나 데이터를 수집한 다음 이를 사용하여 비즈니스 모델을 개선할 수 있음을 인식합니다. 그러나 이러한 직업 설명과 그들이 할당하기로 선택한 직함은 종종 비기술적인 사람들에 의해 작성되며, 이는 많은 중복이 있음을 의미합니다.

한 회사의 데이터 엔지니어가 다른 회사의 데이터 분석가와 동일한 작업을 수행할 수 있습니다. 이러한 모든 직책은 데이터 수집 또는 검증, 분석 형식 적용, 보고서, 예측 또는 시각화를 통해 비기술적 동료에게 결과를 설명하는 것과 관련이 있습니다.

이 직업 중 하나가 당신에게 완벽하게 들린다면, 그 하나의 제목으로 검색 범위를 좁힐 수 있습니다. 직함이 당신에게 정말 중요한 것이라면, 취업 제안을 받았을 때 항상 그 부분을 협상의 일부로 삼을 수 있습니다. 이 책임 목록이 흥미롭게 들리는 직업을 겁내지 않도록 하십시오. 정말 데이터 모델러가 되고 싶지만 계보 정보를 구성하는 것이 불편하다면 다른 회사의 데이터 모델러 위치나 데이터 설계자 위치를 볼 수 있습니다.

가장 일반적인 XNUMX가지 데이터 과학 역할에 대한 이 분류를 통해 데이터 과학 분야의 직업을 찾는 데 발판이 됩니다.

 
 
네이트 로시디 데이터 과학자이자 제품 전략 분야의 전문가입니다. 그는 분석을 가르치는 겸임 교수이기도 하며, 스트라타스크래치, 데이터 사이언티스트가 상위 기업의 실제 인터뷰 질문을 통해 인터뷰를 준비하는 데 도움이 되는 플랫폼입니다. 그와 연결 트위터: StrataScratch or 링크드인.

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