標籤：

如何選擇一份合適的數據科學工作

02-01

數據科學當之無愧是"21世紀最性感的工作"。本文我們介紹了數據科學相關的五種新興職業，希望能幫助你選擇適合自己的數據科學工作。

如今是數據科學的鼎盛時期...

· 世界各地的大學中最熱門的新課程都在這個領域；

· 數據科學相關專業的畢業生的平均起薪為每年9萬3千美元；

· 招聘廣告中年薪為六位數的數據科學工作司空見慣。

數據科學當之無愧是」21世紀最性感的工作 「。

但是伴隨著許多爭議，很多人質疑將數據科學領域作為職業是否只是一時的風潮。是否值得把自己的教育，職業和未來押注到這一領域？

這些猶豫都是合理的。所有數據科學家都應該用事實說話，而不是僅憑直覺。

因此在下文中，我們將介紹數據科學相關的五種新興職業對於公司的重要性。此外，我們將說明每個職位的期望值和責任，從而幫助你獲得理想的工作。

在此之前，讓我們了解一下數據科學工作的前景。

為什麼說數據科學職業是有前景的？

數據科學職位將成倍增長

我們生活在數字時代，隨著技術的進步，獲取、存儲和處理數據的能力也將相應提高。

公司需要數據方面的人才。因此，隨著對職業技能要求的提高，對數據科學家的需求只會隨之增加。

(來源: Indeed.com)

數據科學工作的競爭較小

即使數據科學的在線課程和傳統線下課程的數量激增，由於該領域的快速增長，市場需求在未來十年將不太可能飽和。

公司正在努力填滿該領域的人才缺口。數據科學職位比傳統的工作崗位的招募時間更長。

數據科學類人才的需求在以下行業十分明顯：

· 休閑與旅遊： Airbnb建立了專註數據科學的內部大學。

· 財務：會計師將利用人造智能來減輕審計負擔。

· 醫學： IBM計劃利用Watson AI創建一個跨學科的數據科學網路。

除此之外，許多其他領域的公司都大量需要數據科學相關人才。

數據科學是未來職業安全的最佳選擇

機器人有朝一日將取代人類的工作，這已經不再是科幻小說里的場景了，任何人在開始職業生涯時都需要考慮到這一因素。

在接受CNBC採訪時，德意志銀行的CEO，John Cryan表示，在通過技術簡化工作流程時，金融領域的非技術性工作將不可避免地受到影響。

英國衛報最近報道，英國私營部門的四百萬個工作崗位在未來十年內可能被機器人所取代。

儘管少數工作不會受到自動化的影響，但數據科學的吸引力在於，數據科學能夠直接分析，管理和改變數字後端的工作流程和公司信息。

開始你的數據科學職業生涯

以上提到的三個原因應該會激起你對於該領域的興趣...

但是數據科學家究竟是做什麼的？

什麼是數據分析師，什麼是數據科學家？

對於那些不喜歡數據科學技術方面的人群，有什麼選擇呢？

以下五個數據科學相關職業，表明該領域不僅對企業的重要性日益增加，更重要的是，數據科學是21世紀最激動人心的工作領域。

選擇適合你的數據科學工作：

有很多職業道路可供選擇。為了幫助你找到適合自己的職位，下面是招聘中最常見的五個職位頭銜，以及職位的工作描述。

業務分析師 Business Analyst：

這類職位需求較大，因為商業智能的概念在數據熱潮之前已經存在很長時間了。

因此，他們可能比那些需要更多分析或編程知識的職位更具競爭力。

業務分析師一般不會自己分析數據。相反，他們會為了公司未來業務，將處理好的數據轉化為出眾的視覺效果。

不管你的職責是什麼，如果你有興趣成為業務分析師，強大的演講技巧是至關重要的。

數據分析師 Data Analyst (數據預處理)：

數據預處理的專家是數據科學項目的支柱。數據準備不是一件容易的事情，在這個階段出現失誤可能導致項目的失敗。

數據分析師需要手動地對大量數據進行清洗和處理。這是一個麻煩和困難的過程，需要技術知識，以及對細節的重視。儘管有大量責任，但數據分析師通常被稱為入門級職位。

對於已經上過數據科學課程，想實踐新技能的人群來說，數據分析師是理想的「培訓」，從而在處理其他責任前能夠提高他們對該領域的信心。

數據分析師 Data Analyst (建模) /數據模型師 Data Modeller：

儘管名稱相似，但是建模方向的數據分析師比數據預處理的數據分析師職責更多。

數據模型師的任務是處理開發系統，從而管理和處理公司的資料庫。編程知識是至關重要的。

雖然數據預處理可能不包含在工作描述中，但如果你的數據預處理技能不足時，要注意。因為小型公司可能會合併數據分析師的職位，這意味著作為數據模型師你可能肩負數據預處理的職責。

數據科學家 Data Scientist /高級分析師Advanced Analyst /機器學習從業者 Machine Learning (ML) Practitioner /高級數據科學家 Senior Data Scientist：

這些職位是數據科學的重心。想擔任這些職位的必須是全能型人才，必須熟練掌握數據科學項目中各個階段的技能。

話雖如此，這些職位只適合積極主動的人。如果你想按部就班，朝九晚五，那麼這些職位不適合你。

如果你喜歡挑戰，有創造力，渴望在工作中進行編程和分析任務，那就立即申請吧！

數據科學經理 Data Science Manager /分析經理 Analytics Manager：

這些職位適合那些想遠離技術職位的人群。他們只關注數據科學的表面，重點是客戶和團隊的總體管理。

管理職位適合那些喜歡與團隊以及客戶溝通的人群。由於沒有不直接接觸數據科學的技術方面，對於那些想成為「嚴肅」數據科學家的人來說，這並不是理想選擇。

這是因為管理人員需要處理大量員工和預算問題，從而沒有時間參與編程和分析。

然而由於其管理職責，這些職位對於從其他領域轉行到數據科學領域的人群是不錯的選擇。

結語

儘管我們列出了數據科學相關不同職位的要求，但是每個職位的實際工作職責具體因公司而異。

參考文獻：

Here are LinkedIn』s Top 15 Jobs for 2017 Graduates

tech.co/linkedin-jobs-g

Data Scientist: The Sexiest Job of the 21st Century?

hbr.org/2012/10/data-sc

The Quant Crunch: Demand for data science skills is disrupting the job market

ibm.com/analytics/us/en

IBM Predicts Demand For Data Scientists Will Soar 28% By 2020

forbes.com/sites/louisc

Airbnb is running its own internal university to teach data science

techcrunch.com/2017/05/

IBM』s Watson Data Platform aims to become data science operating system

zdnet.com/article/ibms-

Deutsche Bank CEO gets brutally honest about what automation is going to do to banking jobs

cnbc.com/2017/09/17/job

Robots 『could take 4m UK private sector jobs within 10 years』

theguardian.com/technol

原文鏈接：

medium.com/towards-data


推薦閱讀：

※機器學習很枯燥，不想繼續學了怎麼辦？或許，這些建議值得一看
※數據科學，機器學習和人工智慧有什麼區別？
※[重溫Statistics] P-Value

TAG:数据科学 | 数据分析 | 数据科学家 |