¿Qué es un científico de datos Tipo B?

Probablemente has oído hablar de la elusiva d ata ciencia unicornio A estas alturas. Si no lo ha hecho, los unicornios son profesionales que han dominado varias habilidades interdisciplinarias en y alrededor del campo de la ciencia de los datos. Tienen todas las respuestas a sus preguntas sobre análisis de datos, aprendizaje automático, métricas de productos, big data, experimentación, aprendizaje profundo, conocimiento de negocios, dominio y más.

Una mejor visualización de esta rara hazaña se puede ver en el estudio que figura a continuación , encuestando a más de 400 especialistas en datos sobre su gama de comodidad con diferentes áreas que podrían clasificarse como las de un verdadero unicornio.

Como te imaginas, encontrar a alguien que sobresalga en todos de estas cosas ciertamente no es fácil; es casi imposible. Debido a esta realización dentro de las empresas líderes, hemos llegado a ver papeles especializados dentro del campo más amplio de la ciencia de datos.

Estos especializaciones incluir títulos de trabajo como Ingeniero de Aprendizaje automático, Ingeniero de Datos, Analista de Datos, Científico de Productos, Científico de Datos Principales, Investigador de Datos, Analista Cuantitativo, entre otros papeles que han crecido para ser accesorios comunes junto con el más conocido Data Scientist.

Como se puede ver mapeado arriba, siempre habrá algún tipo de superposición entre estos roles. Esto será típicamente específico para cada empresa , su ecosistema de datos y sus objetivos futuros. Aunque lo creas o no, las cosas no se detienen aquí. Podemos romperlo aún más.

Tipo A vs. Tipo B

Muchos individuos respetados en la comunidad de la ciencia de los datos han tomado una puñalada en la clasificación de diferentes tipos de Data Scientists. Sin embargo, ninguno más eficaz que Michael Hochster , PhD y ex Jefe de Investigación en Pandora, con la siguiente respuesta sobre Quora:

Tipo A Científico de datos: La A es para el análisis. Este tipo se ocupa principalmente de dar sentido a los datos o de trabajar con ellos de una manera bastante estática. El Data Scientist de Tipo A es muy similar a un estadístico (y puede ser uno) pero conoce todos los detalles prácticos de trabajar con datos que no se enseñan en el currículo estadístico: limpieza de datos, métodos para lidiar con conjuntos de datos muy grandes, visualización, conocimiento profundo de un dominio en particular, escribir bien sobre datos, etc.

Tipo B Data Scientist: La B es para la construcción. Datos de Tipo B Los científicos comparten algunos antecedentes estadísticos con el Tipo A, pero también son codificadores muy fuertes y pueden ser ingenieros de software entrenados. El Data Scientist de Tipo B está principalmente interesado en usar datos “en producción”. Construyen modelos que interactúan con los usuarios, a menudo sirviendo recomendaciones (productos, personas que usted puede conocer, anuncios, películas, resultados de búsqueda).

Estas descripciones se aplican principalmente a trabajar con la ciencia de datos en la industria, pero he encontrado que son puntuales en mi experiencia. También vale la pena señalar que estas clasificaciones no son definitivas y ciertamente no son estáticas. Usted puede tener un combinación de competencias que cae bajo ambos tipos y no hay nada de malo en eso. De hecho, cuando se hace bien, en realidad puede conducir a un conjunto de habilidades únicas e invaluables que se presta a soluciones creativas y eficaces.

La próxima generación

Si te encuentras con la ciencia de los datos en las noticias en estos días, si es una característica en el New York Times o un artículo sobre TechCrunch , las probabilidades son que la pieza se centra en el impacto del aprendizaje automático y la inteligencia artificial.

Esto es por una buena razón. Los crecimiento de la inteligencia artificial y el aprendizaje automático seguirán teniendo un impacto cada vez más profundo en todas nuestras vidas. Este fenómeno afecta a todos en el planeta de una manera u otra, y la vasta cobertura mediática refleja esto. Con esto en mente, exploremos una pregunta importante que cualquier líder en el campo debe tener siempre en la parte posterior de su mente:

¿Qué significa esto para la próxima generación de Data Scientifics?

Si usted recuerda nuestra clasificación en profundidad de Data Scientist, estas nuevas habilidades emocionantes encajan muy bien en el Tipo B descripción centrada en la construcción y el despliegue de modelos mientras se trabaja con los datos en la producción.

Está claro que Tipo B habilidades de datos como el aprendizaje automático están rodeados de más bombo y atractivo en este momento. Por esta razón, los aspirantes a científicos de datos están entrando en el campo con sus ojos puestos en este particular ML-based skillset.

Quiero decir, ¿quién no quiere construir modelos de aprendizaje automático que te permitan predecir el futuro? ¿A quién no le fascinan los sistemas de recomendación y las redes neuronales que imitan al cerebro humano?

La necesidad de estas habilidades está ciertamente ahí fuera, como lo validó la plétora de datos Educación de las Naciones Unidas y las iniciativas crecimiento rápido grupo de ingenieros de IA y ML en este momento.

Sin embargo, esta mentalidad es un poco miope. A pesar de los titulares y palabras de moda sugieren, la mayoría de los problemas no se pueden resolver con el aprendizaje automático.

Me gustaría utilizar el resto de este post para hacer el argumento para el valor proporcionado por las habilidades y acciones asociadas con el a menudo pasado por alto y subestimado, Tipo A Científico de datos .

¿Por qué debería importarme los científicos de datos de tipo A? Me alegra que hayas preguntado...

Responden a preguntas difíciles

Tipo A Datos Los científicos extraen información de los datos con el fin de explorar y responder a preguntas complejas que suelen plantear los expertos en dominios, los líderes empresariales o la administración. Puede que esto no parezca todo eso. glamoroso , y como ocurre a menudo con la ciencia de los datos, no lo es. Casi siempre habrá algún tipo de forcejeo de datos y limpieza requerida por su parte.

Sin embargo, una vez que estás en esta etapa, las cosas se ponen interesantes rápidamente. Rara vez hay un respuesta directa a la pregunta planteada. Tienes que ser creativo y pensar a través de una selección aparentemente infinita de rutas para bajar.

Esto se deriva de muchos como consecuencia de la profesión. Sin embargo, no estoy de acuerdo. Las formas ilimitadas de analizar y resolver problemas son en gran medida lo que hace que la ciencia de los datos sea tan desafiante e interesante para una población tan grande.

Hacen que el complejo sea sencillo

Probablemente la habilidad más importante y pasada por alto que un Científico de Datos puede poseer es la de simple, pero exhaustiva comunicación . Deconstruir soluciones complejas y empaquetarlas para los líderes empresariales, gerentes de productos o usuarios para entender no es una tarea pequeña.

“Los números no tienen manera de hablar por sí mismos. Hablamos por ellos. Antes de exigir más de nuestros datos, necesitamos exigir más de nosotros mismos” — Nate Silver

Las formas en que nosotros hablar por números pueden variar mucho; estas incluyen habilidades de presentación, narración de datos, visualización de datos, conocimientos empresariales y escritura técnica. Ser capaz de decidir cuál de estas herramientas para utilizar y hacerlo de una manera eficaz no es fácil, pero es extremadamente gratificante.

Consistentemente impulsan el impacto

Naturalmente, sus resultados son tan buenos como el impacto que conducen. Tipo A Los científicos de datos generalmente tendrán la oportunidad de impulsar más impacto en el día a día que su Tipo B homólogas. En lugar de pasar tiempo en ingeniería de características y modelos de iteración, usted estará explorando problemas que influyen directamente en las decisiones tomadas para el negocio o el producto.

“Nunca se han tomado grandes decisiones de marketing sobre datos cualitativos.” — John Sculley

El cambio en el valor añadido es mucho más rápido para Tipo A Los científicos de datos también. Usted recibirá retroalimentación consistente sobre su trabajo y debido a esto, usted tendrá la oportunidad de crecer rápidamente como un científico de datos.

La venta dura

El objetivo de este post no es desalentar a nadie de centrarse en el desarrollo de un kit de herramientas de aprendizaje automático para construir modelos poderosos. Personalmente, me tomo el tiempo para trabajar en el desarrollo de esas habilidades todos los días. También creo que la comodidad con los datos en la producción es una herramienta extremadamente útil para escalar sus proyectos e influir en el negocio de maneras únicas.

En resumen, Tipo B la ciencia de los datos sin duda tiene su lado positivo también. Cada conjunto de habilidades se ocupa de partes muy diferentes del ecosistema. Ambos tipos viven en diferentes barrios de la ciudad más grande y de rápido crecimiento de la ciencia de los datos.

Sin embargo, creo que debido a la publicidad que rodea el aprendizaje automático y la inteligencia artificial, la gran mayoría de los futuros talentos de datos en este momento está gravitando hacia Tipo B trabajo. Por esta razón, me temo que las habilidades impactantes asociadas con Tipo A La ciencia de los datos, que se ocupa principalmente del análisis y la comunicación, está pasando por alto.

Aunque el análisis y la comunicación pueden no ser tan sexys como el aprendizaje automático, la realidad es que ofrecen el impacto más consistente en la industria.

En un mundo donde datos es el nuevo aceite , el uso de análisis para resolver problemas es una cosa extremadamente potenciadora. Claro, te quedarás atascado de vez en cuando. Esa es la belleza de hacer un trabajo duro. Siempre hay otro reto que afrontar. Otro problema que resolver. Otra pregunta a responder.

Para esas preguntas, tenemos Tipo A Científicos de datos.

¡Gracias por leer! Si disfrutaste de este post y te sientes generoso, tal vez Sígueme. en Twitter. También puede suscribirse en el siguiente formulario para obtener publicaciones futuras como esta directamente a su bandeja de entrada.