|

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.

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.

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

 Northeastern.edu

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. 

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.

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