¿Deberías convertirte en un científico de datos?

A medida que avanzamos más allá del año, he visto más y más publicaciones para puestos de ciencia de datos, especialmente en LinkedIn, y otros sitios similares de colocación de puestos de trabajo. Después de una espera de calma debido a los acontecimientos actuales, las empresas han descubierto su presupuesto y enfoque. Algunas de esas empresas incluyen nuevas posiciones científicas de datos que necesitan contratar lo antes posible o en un futuro próximo.

Hay varias razones para convertirse en un científico de datos. Voy a destacar cinco razones principales por las que me convertí en un científico de datos, y con suerte, puede alinearse con algunas de las razones por las que te convertirías en uno también.

Al igual que con muchas posiciones que tienen cualquier conjunto general de habilidades esperadas, la ciencia de los datos no es una excepción, y por lo general se puede pensar que tienen estas habilidades que voy a esbozar a continuación. Por supuesto, hay otros, pero me centraré en las habilidades que más encuentro en varias empresas como científico de datos.

Python (R)

— el muy debatido Python versus R suele ser controvertido, pero en última instancia, sólo depende de lo que la empresa ya está utilizando como su principal lenguaje de programación. A veces, los científicos de datos pueden trabajar solos y formar modelos y resultados de salida directamente a un interesado, y generalmente se refieren más a R en este caso. Sin embargo, en mi experiencia, ha sido más fácil trabajar interfuncionalmente con ingenieros de datos e ingenieros de software con el uso de Python. Este lenguaje es a menudo usado para propósitos de implementación, por lo que puede ser más fácil empezar con Python desde el principio. El beneficio es que en el proceso de aprendizaje de la ciencia de datos, aprenderás Python o R, lo que te ayudará a ganar una variedad de habilidades que pueden apoyarte mejor en el futuro si eliges una trayectoria profesional diferente, como el desarrollo de software.

— otra habilidad popular para los científicos de datos es SQL. A veces, los cursos en línea y las universidades no hacen hincapié en la importancia de la amplia utilización de este idioma para los científicos de datos. Es casi utilizado para cada proyecto en el que trabajo porque el conjunto de datos no se le da simplemente. Usted tiene que hacer su propio conjunto de datos, y eso implica consultar sus tablas de base de datos con SQL. Como Python ( y algo R ), el aprendizaje SQL es útil no sólo para la ciencia de datos, sino también para la ingeniería de datos y el análisis de datos.

Negocios

— si bien esta habilidad no es un lenguaje de programación, sigue siendo importante. Los negocios, más que un concepto, es algo que cada científico de datos aprende. Al igual que SQL, no se enseña en entornos educativos casi tanto como debería. Lo que quiero decir con el negocio es que usted necesita realmente acostumbrarse a saltar en situaciones que no son estrictamente sólo ciencia de datos. El negocio utiliza científicos de datos para hacer un proceso más eficiente o para encontrar información que cambie el negocio en el futuro. A menudo, la educación para la ciencia de los datos se centrará tanto en obtener la mayor precisión para decir, segmentando diferentes tipos de clientes. Puede ser genial lograr una precisión del 98%, pero si usted no es capaz de llegar a un plan para cómo implementar el modelo y sus resultados a partir de entonces, entonces su modelo es inútil.

Usted necesita saber que las partes interesadas, CEO, C-Suite / liderazgo superior, se preguntará qué va a hacer con sus resultados para cambiar el negocio. Así que a su vez, usted querría aplicar esos grupos de segmentación de clientes a una campaña de marketing a través de varios correos electrónicos dirigidos. Entonces, crearías una prueba de algún tipo para ver cómo funcionaban los correos electrónicos, digamos con una prueba de AB. Como se puede ver, sólo tener un modelo extremadamente preciso es sólo una parte de la ciencia de datos y el proceso de negocio. Practicar este proceso de negocio una y otra vez es extremadamente beneficioso.

Estadística

— había más atención en las estadísticas en la escuela, y puede resultar para resolver muchos problemas para un científico de datos. Conocer las estadísticas es fundamental para los científicos de datos, ya que es la base de los modelos de aprendizaje automático. Practicar análisis de varianza, o muestreo de población, etc, es útil en varias formas de la empresa, digamos campañas de marketing de nuevo, o pruebas de AB.

El creciente campo de la ciencia de los datos puede, al principio, parecer que la posición no es tan única como solía ser. Sin embargo, sigue siendo igual de único, y aún más único en la empresa específica en la que trabajará. Puede haber otros papeles como los ingenieros de seguridad que posiblemente podrían ser más únicos, pero la ciencia de datos es único en su tipo .

Pequeño número de cabezas

Para exponer sobre el pequeño número de cabezas, los ingenieros de software, donde incluso una pequeña compañía de tecnología puede estar compuesta por cerca de 30 desarrolladores, por lo general tendrá entre uno y cuatro científicos de datos. Cuando tu papel es esto único, usted puede aprender habilidades valiosas, tocar múltiples departamentos, y el impacto de su empresa significativamente. Eso no quiere decir que los otros campos mencionados carecen de estos beneficios, pero creo que es más probable que se encuentre con varias partes del negocio en la ciencia de datos. En última instancia, usted se sentirá muy bien sobre su trabajo diario. Este beneficio me lleva a mi siguiente punto: impacto.

Después de trabajar como científico de datos en múltiples empresas, se ha hecho evidente que incluso un solo proyecto puede impactar a un negocio indefinidamente con beneficios significativos.

El impacto que un científico de datos puede hacer es excepcional. Usted puede automatizar los procesos manuales anteriores, ahorrando a la empresa miles o incluso millones de dólares. Usted puede ahorrar tiempo a su empresa, y asignar tiempo mejor gastado. Los proyectos en los que trabajarás son diversos en naturaleza e importancia.

Por ejemplo, trabajé en un proyecto que automatizaba una gran porción de un proceso manual, con alta precisión. Fue realmente increíble sentir lo impactante que puede ser en el negocio. La mejor sensación, sin embargo, es el impacto que se puede hacer en la sociedad, la salud, etc. Hay innumerables maneras de tener un impacto positivo en algo con la ciencia de los datos, y su día a día El trabajo no es una excepción.

Antes del estado actual de The World, el trabajo remoto ya era un beneficio prevalente de los roles tecnológicos, especialmente en la ciencia de datos. Desafortunadamente, hay varios tipos de carreras que no pueden beneficiarse de este punto, que admiro extremadamente y estoy agradecido por.

Si le gusta trabajar desde casa, entonces la ciencia de los datos será una excelente oportunidad para usted. Hay herramientas y plataformas severas que ayudan a crear un ambiente exitoso sin una oficina física. Puede utilizar videoconferencias, mensajes y gestión de proyectos, así como herramientas de versioning. Las herramientas incluyen, pero no se limitan a:

* Zoom* Slack* GitHub* Jira* Confluencia

Trabajar desde casa es personalmente un gran beneficio para mí. Lo veo como una oportunidad para disfrutar más de mi día. Vivir en una ciudad que puede darte horas de tráfico no puede ser la mejor sensación, por lo que poder eliminarlo por completo es un enorme positivo.

Sí, la ciencia de los datos paga bien. Quería asegurarme de incluir esto como el último beneficio, ya que no sólo es bien conocido, pero no es el factor más importante a la hora de decidir sobre una carrera. Aunque más dinero es grande, si no te gusta tu campo, entonces serás miserable. Sin embargo, si usted disfruta de la ciencia de los datos, y espera construir su marca y carrera en ella, entonces usted puede esperar tener pagos altos.

De acuerdo con Puerta de cristal [2], el salario base promedio para un científico de datos es de $ 113.309 / año.

Por supuesto, hay variantes entre estados e incluso ciudades en esos estados, por lo que puede esperar diferentes rangos dependiendo de donde usted vive. Algunas compañías ofrecen grandes bonos anualmente también. Debido a que su papel es increíblemente impactante, también puede esperar acciones o acciones en una empresa en algunas empresas.

Además, dependiendo de la descripción del trabajo o la funcionalidad del trabajo, usted puede esperar variaciones en el salario. Los puntos a considerar al negociar para un sueldo científico de datos incluyen, pero no se limitan a:

Como pueden ver, hay varias razones para convertirse en un científico de datos, especialmente en 2020. Las cinco razones principales para convertirse en un científico de datos son: la variedad de habilidades que aprenderá a lo largo del camino, unicidad en su empresa, impacto en su empresa, remoto — trabajo desde casa, y pago. La ciencia de los datos puede no desaparecer por un tiempo y muy bien podría convertirse en más de una carrera popular. Es importante tener en cuenta que hay ramas de la ciencia de los datos como la inteligencia empresarial, la ingeniería de software y el aprendizaje automático que también son grandes carreras. Con suerte, te convertirás en un científico de datos, y al menos experimentarás estas cinco razones beneficiosas para ti mismo.

Espero que haya encontrado este artículo interesante y útil. ¡Gracias por leer! Siéntase libre de comentar abajo de su experiencia o llegar a mí!