Een diepgaande blik op 13 Data Scientist-rollen en hun verantwoordelijkheden

 

Van alle rollen in de technische wereld hebben datawetenschappers waarschijnlijk de grootste variatie in titels en functieverantwoordelijkheden. Een datawetenschapper moet veel verschillende hoeden dragen en het dagelijkse werk van een datawetenschapper bij Amazon kan er aanzienlijk anders uitzien dan die van een datawetenschapper bij Microsoft. Van het vinden van bedrijfsonderdelen die baat kunnen hebben bij het verzamelen, analyseren en begrijpen van gegevens tot het beslissen welke strategische beslissingen moeten worden genomen om de klanttevredenheid te verbeteren of de voltooiingspercentages van aankopen te verbeteren, een bedrijf kan veel datawetenschappers vragen.

Van een datawetenschapper wordt verwacht dat hij deskundige statistische vaardigheden, machine learning en vaak economische vaardigheden en kennis heeft. EEN datawetenschapper moet zeer bekwaam zijn in wiskunde, statistiek, machine learning, visualisaties, communicatie en algoritme-implementatie. 

Bovendien moet een datawetenschapper de zakelijke toepassingen van zijn gegevens grondig begrijpen. Als u gegevens over boomgroei analyseert, moet u het verschil begrijpen tussen: hoogte en hoogte tot kroonbasis. Dit soort contextuele kennis kan on-the-job worden ontwikkeld, maar het kan een groot voordeel zijn als je al ervaring hebt met werken in de industrie als je datawetenschapper wilt worden. Als je vijf jaar bankier bent, is je kans op een datawetenschapspositie in fintech veel groter dan in de gezondheidszorg.

De verschillende hoeden die een datawetenschapper draagt

 

 

Datawetenschap is een relatief nieuw vakgebied en het kan moeilijk zijn voor mensen die geen datawetenschapper zijn om uit te leggen wat datawetenschappers doen? aan leken. Dit leidt tot de soms komische verscheidenheid aan verantwoordelijkheden en titels die op een moderne datawetenschapper van toepassing kunnen zijn.

A data scientistkan, afhankelijk van het bedrijf en de specifieke functie, verantwoordelijk zijn voor het verzamelen en opschonen van gegevens. Mogelijk moet u ook modellen en pijplijnen voor machine learning ontwikkelen of uw bedrijf dienen als visualisatiegoeroe. Sommige datawetenschappers zijn meer naar binnen gericht terwijl anderen veel te maken hebben met interne, niet-technische teams of zelfs klanten. Als je met minder technische mensen werkt, moet je uitstekende communicatieve vaardigheden, zowel voor het schrijven van rapporten om uw analyses samen te vatten als voor het presenteren van uw bevindingen en het doen van aanbevelingen voor toekomstige acties.

De belangrijkste verantwoordelijkheid van een datawetenschapper (of hoe uw bedrijf ook iemand noemt die gegevens verzamelt, analyseert, visualiseert of voorspelt) is om de verhaal van de gegevens. Waar komt het vandaan, wat kunnen we ervan leren over het verleden en hoe kan het ons leiden in de toekomst? Om dit met succes te doen, moet je een business area-expert zijn of contextuele kennis hebben om de puzzelstukjes in elkaar te passen en aan de mensen om je heen het belang van de gegevens en de inzichten die je daaruit hebt opgedaan, uit te leggen. 

De exacte verantwoordelijkheden op het gebied van data science lopen erg uiteen en er zijn veel verschillende rollen op het gebied van data science. Of je nu het veld in wilt of van baan wilt veranderen, het is erg belangrijk dat je openstaat voor wat betreft functietitel en branche. Ik geef je een overzicht van de algemene verantwoordelijkheden van dertien verschillende rollen binnen het data science-veld. 

Bedrijven zijn over het algemeen niet goed in titels geven aan mensen in datawetenschap, dus het is belangrijk dat u deze uitsplitsing als vuistregel neemt en niet als een exacte definitie. Als een van deze perfect voor je klinkt, kun je je zoekopdracht verfijnen tot die ene titel, maar als meerdere ervan goed klinken, zou ik flexibeler zijn met de titel die je gebruikt bij het zoeken. (En als de titel echt belangrijk voor je is, kun je altijd dat onderdeel van je onderhandeling maken wanneer je de baanaanbieding krijgt!)

Elk modern bedrijf van enige omvang over de hele wereld heeft een datawetenschapsafdeling, en een data-engineer bij het ene bedrijf heeft misschien dezelfde verantwoordelijkheden als een marketingwetenschapper bij een ander bedrijf. Data science-banen zijn niet goed gelabeld, dus zorg ervoor dat u een breed net uitwerpt.
 
 

Uitsplitsing van de verantwoordelijkheden van datawetenschappers per rol

 

 

1. Data-analist

 
A data-analist richt zich meer op het verzamelen, opschonen en aggregeren van gegevens. U moet gemakkelijk door complexe SQL-query's kunnen navigeren. Je bent verantwoordelijk voor het ontwerpen en leveren van rapporten aan niet-technische belanghebbenden. Je krijgt ook de kans om datamodellen, visualisaties en voorspellende modellen te ontwerpen.

2. Databasebeheerder

 
Databasebeheerders beheren database-instances, zowel on-premise als cloud-instances. Als een database Administrator, wordt er van je verwacht dat je productieomgevingen bouwt, configureert en onderhoudt. U bent ook verantwoordelijk voor de prestaties, beschikbaarheid en beveiliging van de databases die onder uw bevoegdheid vallen. Bereid u voor op het leiden van data-operaties en het bieden van missiekritieke on-call support.

3. Gegevensmodellering

 
Een datamodelleur maakt conceptuele, technische, logische en soms fysieke datamodellen. U zult resoluut gegevensmodellering en ontwerpstandaarden moeten selecteren en onderhouden om een ​​samenhangende visie op de gegevens van uw bedrijf te creëren.

Gegevensmodelleurs moet ook entiteitsrelatiemodellen ontwikkelen en databases ontwerpen. Mogelijk moet u de gegevensverzameling en -analyse van ondervertegenwoordigde gegevensklassen voor uw team of bedrijf verbeteren om ervoor te zorgen dat uw gegevenssets representatief zijn.

4. Software ontwikkelaar

 
Software ingenieurs ontwerpen en onderhouden software systemen. Als u een software-engineer bent, bereid u dan voor om schaalbare, betrouwbare en performante code te schrijven. Je zult ontwerpeisen moeten vertalen naar goed gedocumenteerde, goed geteste code die de visies van de productontwerpers tot leven brengt.

5. Gegevensingenieur

 
Het identificeren en oplossen van uitdagingen op het gebied van datakwaliteit is een belangrijke taak voor jou als data-engineer. U moet ook de opname van gegevensbronnen in oplossingen voor gegevensopslag ondersteunen. Een spannend onderdeel van a het werk van een data-engineer krijgt de kans om data engineering oplossingen te ontwerpen en te ontwerpen. Je moet ook klaar zijn om ETL-pijplijnen te bouwen om gegevens te extraheren, te transformeren en te laden in datawarehouses voor downstream-rapportage. Data-engineers zijn bovendien verantwoordelijk voor het repliceren, extraheren, laden, opschonen en beheren van gegevens.

6. Gegevensarchitect

 
Gegevensarchitecten zijn voornamelijk verantwoordelijk voor het ontwerpen en onderhouden van datapijplijnen. Een ander belangrijk onderdeel van het werk van een data-architect is het beheren van databases. Als data-architect schrijf je efficiënte queries en optimaliseer je bestaande queries om de schaalbaarheid en kostenefficiëntie te maximaliseren. Je zet data ook om in bruikbare rapportages, automatisering en inzichten.

7. Statisticus

 
Een statisticus begrijpt de zakelijke behoeften, ontwikkelt hypothesen en construeert statistisch verantwoorde experimenten. Als een statisticusvalideert u de statistische validiteit van de experimentele plannen van andere businessgroepen. Er wordt ook van je verwacht dat je project- of studiedirecteuren coacht en traint om statistisch redelijke experimenten en validatiestrategieën of -metrieken te ontwikkelen.

Naast experimenten ontwikkelt en voert een statisticus analytische rapportagestrategieën uit. Misschien moet je je gedragen als een statistische cheerleader omdat sommigen data science bedrijven hun statistici statistische methoden actief te laten promoten en nieuwe bedrijfsterreinen te laten ontdekken die baat kunnen hebben bij statistisch verantwoorde analyse.

8. Business Intelligence-analist

 
A business intelligence analist is een beetje aan de zachtere kant van data science. Als business intelligence-analist moet je zakelijke en functionele vereisten verzamelen en technische oplossingen afstemmen op bedrijfsstrategieën. Je werkt ook aan het creëren of ontdekken van strategieën voor gegevensinkoop en -verwerking.

Je bent verantwoordelijk voor het extraheren en manipuleren van grote hoeveelheden gegevens om er analytische rapporten van te maken. Business intelligence-analisten rapporteren, presenteren en communiceren ook analytische resultaten aan de belangrijkste belanghebbenden.

9. Marketingwetenschapper

 
Marketing wetenschappers ideeën en bevindingen presenteren aan huidige en potentiële klanten. Ze passen ook datamining- en analysestrategieën toe op gegevens, zoals demografische of marketinggegevens. Volgens Stone Alliance Group's beschrijving van een marketingwetenschapper, moet u "de inspanningen voor het werven van klanten, markttrends en klantgedrag volgen en evalueren". Een marketingwetenschapper is een datawetenschapper die specifiek werkt aan advertenties, marketing of demografische gegevens van gebruikers/klanten.

10. Business Analyst

 
Een bedrijfsanalist "analyseert bedrijfs- en gebruikersbehoeften, documenteert vereisten en ontwerpt de functionele specificaties voor systemen en rapporten", volgens MaxisIT Inc's vereisten. Als je een bedrijfsanalist of er een wilt worden, moet u de vereisten van het bedrijfsleven en de sector begrijpen en deze gebruiken om de reikwijdte van het systeem en technische doelstellingen te formuleren. Je bent ook verantwoordelijk voor het definiëren van de interactie van gegevens tussen verschillende systemen en databases.

11. Kwantitatieve analist

 
Kwantitatieve analisten ontwikkel complexe modellen met behulp van grote datasets om interne rapporten te voeden en zakelijke inzichten te produceren. Medewerkers voor hulpbronnenontwikkeling laat hun kwantitatieve analisten "de implementatie van analytische plannen ontwikkelen en leiden, waarbij onderzoeksmethodologie, vragen, steekproeven en iteratieplannen worden geschetst". Kwantitatieve analisten automatiseren ook workflows en werken aan het valideren van de gegevensintegriteit.

12. Gegevenswetenschapper

 
Als datawetenschapper wordt van je verwacht dat je: extract, aggregeer, opschon en transformeer gegevens uit meerdere bronnen. U moet belangrijke contextuele factoren voor het probleem identificeren. Gegevenswetenschappers analyseren gegevens om belangrijke bruikbare inzichten voor het bedrijf te produceren om de prestaties te verbeteren. Afhankelijk van het bedrijf moet u mogelijk markttrends voorspellen om het bedrijf te helpen bij de strategische ontwikkeling van zijn filialen.

Data science gaat over het vinden van een evenwicht tussen analytische begeleiding op korte termijn en prognoses en experimenten op de lange termijn. Je moet de belangrijke dingen op het juiste moment communiceren, dus het is cruciaal dat je dat kunt presenteren bevindingen in verteerbare media - datavisualisaties en boeiende, doordachte presentaties.

Jij, als data scientist, brengt waarde en inzichten uit de data naar niet-technische stakeholders. Je krijgt de mogelijkheid om proactief gebieden binnen het bedrijf te vinden die kunnen profiteren van datagestuurde beslissingen en werkt samen met andere teams om dit te bereiken.

13. Ingenieur voor machine learning

 
Het uitbouwen van machine learning-modellen voor productie is de belangrijkste focus van een machine learning ingenieur. Ze ontwerpen en implementeren schaalbare, betrouwbare, performante datapijplijnen en diensten. Afhankelijk van het bedrijf en de aandachtsgebieden, kunt u de personalisatie van producten verbeteren of markttrends in de branche beter voorspellen door machine learning-modellen toe te passen op historische en live gegevens.

De rollen en verantwoordelijkheden van datawetenschappers steken over, maar de verschillen zijn er nog steeds

 
Er is veel cross-over tussen al deze rollen. Sommige zijn meer gefocust op puur rekenwerk, terwijl andere meer gericht zijn op het toepassen van de inzichten die voortkomen uit data-analyse op zakelijke beslissingen. Ongeacht je exacte functietitel, als je op het gebied van datawetenschap bent, wordt van je verwacht dat je betrokken bent bij veel verschillende stappen in de datagestuurde productontwikkelingscyclus. Je moet klaar zijn om nieuwe gebieden te ontdekken om te optimaliseren, de statistieken te achterhalen die ertoe doen, de gegevens te vinden om deze statistieken te informeren, experimenten te ontwerpen en uit te voeren en de resultaten van experimenten/modellen op beknopte, nauwkeurige en overtuigende manieren te presenteren.

Het data science-veld is jong en losjes gedefinieerd. Vaak vind je functiebeschrijvingen onder verschillende functietitels die verrassend veel op elkaar lijken binnen de paraplu van datawetenschap. Bedrijven realiseren zich vaak dat ze gegevens hebben of kunnen verzamelen en deze vervolgens kunnen gebruiken om hun bedrijfsmodel te verbeteren. Deze functiebeschrijvingen en de functietitel die ze eraan toekennen, zijn echter vaak geschreven door niet-technische mensen, waardoor er veel overlap is.

Een data-engineer bij het ene bedrijf doet misschien hetzelfde werk als een data-analist bij een ander bedrijf. Al deze functies hebben betrekking op het verzamelen of valideren van gegevens, het toepassen van een vorm van analyse en het vervolgens uitleggen van de resultaten aan niet-technische collega's, hetzij door middel van rapporten, voorspellingen of visualisaties.

Als een van deze banen perfect voor je klinkt, kun je je zoekopdracht verfijnen tot die ene titel, maar als meerdere ervan goed klinken, dan zou ik flexibeler zijn met de titel die je gebruikt bij het zoeken. Als de titel iets is dat echt belangrijk voor je is, kun je altijd dat onderdeel van je onderhandeling maken wanneer je de baanaanbieding krijgt. Laat deze lijst met verantwoordelijkheden je niet afschrikken van een baan die interessant klinkt. Als je echt een datamodelleur wilt worden, maar je vindt het niet prettig om de afstammingsinformatie te organiseren, dan kun je kijken naar datamodelleur-posities bij verschillende bedrijven of bij data-architectposities.

Laat deze uitsplitsing van de dertien meest voorkomende datawetenschapsrollen een springplank zijn naar je zoektocht naar een baan in de datawetenschap.

 
 
Nate Rosidi is een datawetenschapper en in productstrategie. Hij is ook een adjunct-professor onderwijsanalyse en is de oprichter van StrataScratch, een platform dat datawetenschappers helpt bij het voorbereiden van hun interviews met echte interviewvragen van topbedrijven. Maak contact met hem op Twitter: StrataScratch or LinkedIn.

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