4 種最搶手的數據分析職業,你會選擇?

想要成為一位數據科學家嗎?現在就是加入數據科學行業的好時機:美國著名的職位搜索網站 Glassdoor 再次將數據科學家命名為美國最好的工作。但是你應該怎樣跟著老司機上車,並且入門成功呢?

什麼是數據科學?

數據科學結合了多個學科,包括統計學、數據分析、機器學習和計算機科學。如果你是數據科學的新手,這些學科可能會令你望而生畏,但要記住,不同的角色和公司會強調不一樣的技能,所以你不必成為精通一切的專家。

閱讀數據科學職位描述

尋找工作的一個重要建議,是仔細閱讀數據科學的工作描述。這將使你能申請符合自己條件的工作,或者開發特定的數據技能組合,以匹配想要追求的工作。「數據科學家」常常被用作描述截然不同的工作內容。來看看四種數據科學工作。

4種數據科學職業

1 數據分析師

有一些公司的數據科學家就是數據分析師的代名詞。你的工作可能包括從SQL資料庫中提取數據,成為Excel或Tableau大神,及生成基本數據可視化和報告儀錶板等任務。有時可能會分析A / B測試的結果,或者在公司的Google Analytics帳戶中擔任主角。

「像這樣的公司是一個有抱負的數據科學家學習的好地方。」

一旦掌握了日常的職責,像這樣的公司可以成為嘗試新事物和擴展技能的好環境。

2 數據工程師

一些公司訪問流量很大(數據量越來越大),因此需要尋找建立公司所需的大數據架構人才。他們也需要人來提供數據分析。這種類型的職位,可能稱為「數據科學家」或「數據工程師」。由於你將是第一批數據僱員之一,強大的軟體工程技能會比統計和機器學習專業知識更重要。

「對於希望迅速增長數據量的公司來說,初級數據科學家的輔導機會可能不多。」

因此,你將有很大的機會在高壓環境下發光發熱,但是會有較少的指導,並面臨更大的風險。

3 機器學習工程師

有許多公司的數據(或其數據分析平台)就是他們的產品。在這種情況下,數據分析或機器學習的需求可能會非常高。對於那些具有正式的數學,統計學或物理學背景, 並且希望繼續走向更學術的人來說,這可能是理想的工作。

「機器學習工程師往往更關注產生頂尖的數據驅動型產品,而不是回答公司的運營問題。」

屬於這類的公司可能是面向消費者且擁有大量數據的公司,或提供基於數據服務的公司。

4 數據科學通才

許多公司則尋找數據通才,加入已經成熟的數據科學家團隊。這類的公司關心數據,但可能本身不是數據公司。同樣重要的是,加入後你也可以進行數據分析,生產代碼,與可視化數據等。

「一些最重要的」數據通才「技能,是熟悉那些為」大數據「設計的工具,以及使用混亂的」真實「數據集經驗。

一般來說,這些公司在尋找通才,或者尋找填能補他們自己團隊缺乏的特定領域,比如數據可視化或機器學習等。

你可能比想像中的更合格!

希望這篇文章可以給你一個關於「數據科學家」頭銜的概念。不同的公司正在尋求不同的技能,專業知識和經驗水平。當你尋找理想的數據科學家的工作時,一定要仔細看看工作描述,找到最適合你的技能和經驗的角色和公司。請記住,你可能比你想像中的更合格!

接下來,你要更加專註於重要技能

總結下,這些數據科學家每種類型都有不同的技能(可以參考下圖)

數據分析師 | Udacitycn.udacity.com


推薦閱讀:

聚類演算法第一篇-概覽

TAG:數據分析 | 數據科學 | 求職 |