Data scientist – zawód przyszłości
Według ankiety Best Jobs in America jednym z najbardziej poszukiwanych zawodów w tym roku jest data scientist. Kim jest i jak wygląda jego praca? Dlaczego data science uważana jest za dziedzinę przyszłości?
W dobie coraz szybszego rozwoju cyfryzacji zaczynamy topić się w morzu danych. Do analizy tych kluczowych, potrzebny jest specjalista. Tym specjalistą jest właśnie data scientist, naukowiec danych, osoba coraz bardziej poszukiwana na rynku.
W związku z rozwojem chmury mówimy o grupie zawodów przyszłości, które będą w tym rozwoju kluczowe. Należy do nich mi.in Data scientist, czyli naukowiec zajmujący się danymi, który specjalizuje się w analityce danych i predykcji analitycznej – w wywiadzie dla magazynu Rekruter mówił Paweł Jakubik, Dyrektor ds. Transformacji Cyfrowej w Microsoft.
Analitycy danych zbierają i organizują duże ilości danych w celu rozwiązywania problemów związanych z procesami i strategiami w biznesie i innych przedsiębiorstwach.
Data scientist umysłem ścisłym i otwartym
Specjalista ds. danych powinien łączyć wiedzę z dziedziny matematyki, informatyki, programowania i stosowania zaawansowanych narzędzi analitycznych, wiedzy i praktyki biznesowej. Ponadto powinien sporządzać statystyki, swobodnie operować językiem programowania, np. SAS, R lub Python, bazy danych, np. MySQL oraz PostSQL, czy wizualizowanie danych. Do tych właśnie nauk nawiązuje termin „scientist” czyli badacz/naukowiec. Przyda się mu również otwartość na rozwiązywanie problemów i postawa THINK BIG.
What is data science?
– Data
– Information
– Knowledge
– Insight
– Wisdom
– Impact#DataScience #DataScientist #DataScientists #Data #BigDataVia @gapingvoid pic.twitter.com/XGjDBqGgSU
— The Business Expert (@The_Biz_Expert) August 24, 2020
Some really solid options shared here. | 5 free resources every data scientist should start using today https://t.co/cKIeKHpsWk pic.twitter.com/RL9y7Kai59
— Velocity Strategy Solutions (@revenuevelocity) August 24, 2020
Pierwszym krokiem do spojrzenia na szerszą perspektywę w codziennej pracy analityka danych jest zrozumienie domeny biznesowej i problemów, które rozwiązuje.
Miej jasność co do tego, co Ty lub Twój zespół zamierzacie osiągnąć w projekcie i zrozumcie, w jaki sposób Wasza rola może być częścią dużego obrazu i jak różne małe fragmenty obrazu mogą współpracować jako całość dla wspólnych celów. – mówi Admond Lee, data scientist i instruktor analizy danych.
Here is What I’ve Learned in 2 Years as a Data Scientist by Admond Lee https://t.co/QB7ibZXIUO
— Towards Data Science (@TDataScience) August 23, 2020
Etapy pracy naukowca danych
Data scientist ściśle współpracuje z interesariuszami biznesowymi, aby dogłębnie zrozumieć ich cele, dzięki czemu może określić w jaki sposób pozyskiwane dane można wykorzystać do ich osiągnięcia. Oprócz tego, naukowiec danych projektuje procesy modelowania danych, tworzy algorytmy i modele predykcyjne by wyodrębnić potrzebne dane, które następnie są analizowane i przedstawiane współpracownikom. Mimo że, każdy projekt jest inny, proces gromadzenia i analizowania danych z reguły przebiega według poniższej ścieżki:
1. Postawienie właściwych pytań, w celu rozpoczęcia procesu odkrywania
2. Pozyskiwanie danych
3. Przetwarzanie i czyszczenie danych
4. Integrowanie i przechowywanie danych
5. Wstępne badanie danych i eksploracyjna analiza danych
6. Wybór jednego lub więcej potencjalnych modeli i algorytmów
7. Zastosowanie techniki nauki o danych, takie jak uczenie maszynowe, modelowanie statystyczne i sztuczna inteligencja
8. Mierzenie i poprawki wyników
9. Przedstawienie końcowego wyniku interesariuszom
10. Wprowadzenie poprawek na podstawie opinii
11. Powtórzenie procesu, aby rozwiązać nowy problem
The #DataScience business map: a tool for Data Science projects https://t.co/HDD1j5STJP by @applied_data via @ingliguori #DigitalTransformation #MachineLearning #BigData #ArtificialIntelligence #cybersecurity #Blockchain #DX #Analytics #Industry40 #AI #IIoT #IoT #DataScientist pic.twitter.com/OFmvEWI1jT
— Giuliano Liguori (@ingliguori) August 20, 2020
Kto zatrudnia data scientists?
W raporcie Diffbot o stanie nauki o danych, inżynierii i sztucznej inteligencji z 2019r. wymieniono firmy z największą liczbą pracowników związaną z analizą danych, są to:
- IBM (2563 pracowników danych)
- Amazon (1846 pracowników danych)
- Microsoft (1800 pracowników danych)
- Facebook (1220 pracowników danych)
- Oracle (1210 pracowników danych)
- Google (904 pracowników danych)
- Apple (568 pracowników danych)
Giganci technologiczni nie są jednak jedynymi, którzy potrzebują data scientists w swoim zespole, są to również firmy finansowe, takie jak Fidelity Investments czy Bank of America, firmy farmaceutyczne, takie jak Bristol-Myers Squibb, firmy komunikacyjne, firmy marketingowe, sprzedawcy detaliczni, tacy jak Target i PetSmart, szpitale, a nawet domy mody.
Our data scientist, Gerard Casey, joins @nlalondon’s Transport & Infrastructure expert panel🎉
With 80% of all trips in London to be made by #sustainable modes of transport by 2041, Gerard looks at how city models & data can shape the future of mobility: https://t.co/vt25XL57mm pic.twitter.com/m1E5Wka8eh
— Arup UKIMEA (@ArupUKIMEA) August 20, 2020
Co przyniesie przyszłość?
Ponieważ świat coraz bardziej staje się oparty na danych, konieczne jest uczynienie ich bardziej zrozumiałymi. Coraz ważniejsza staje się wizualizacja danych i informacji – połączenie technicznej analizy danych, projektowania graficznego i opowiadania historii. Profesjonaliści specjalizujący się w analizie danych uzyskają przewagę w rozwoju kariery i jeszcze długo będą cieszyć się powodzeniem na rynku.
#FunFact: A data scientist’s salary is much higher than any other IT professional. Data science salary is quite lucrative and that is why many young IT aspirants are choosing data science as their career option.
Don’t miss this opportunity; apply here: https://t.co/kIHgrwXjca pic.twitter.com/JNVk56fMZo— Click-On Kaduna (@ClickOnKaduna) August 22, 2020
Are you a „Data Scientist?”
If so, you have an amazing future!
AI & ML are moving at lightspeed#artificialintelligence #machinelearning #datascientist #programmershttps://t.co/wXoEOVGHmw pic.twitter.com/R68DMaLmhM
— Exponential Sales ltd (@ExpoSalesLtd) August 19, 2020
Rozwój cyfryzacji stwarza nowe możliwości ale i chaos w natłoku danych, na szczęście na scenę wchodzi data scientist i wszystko staje się jasne!
Czytaj także – projektant perspektyw odbiorcy czyli kim jest ux designer
Czytaj także – mastersrobots – technologia i ludzie – poznać zrozumieć i wygrać dzięki synergii
Autor: Nina Jacyszyn