Podatkovni znanstveni seznam in primeri

»Podatkovni znanstvenik« je širok pojem, ki se lahko nanaša na številne vrste poklicnih poti. Na splošno podatkovni znanstvenik analizira podatke, da bi spoznal znanstvene procese. Nekateri nazivi v podatkovnih znanostih vključujejo podatke analitik, podatkov inženir, računalniške in informacijske raziskave znanstvenik, analitik operacijskih raziskav, in analitik računalniških sistemov.

Podatkovni znanstveniki delajo v različnih panogah, od tehnologije do medicine do vladnih agencij. Kvalifikacije za zaposlitev v znanosti o podatkih se razlikujejo, ker je naslov tako širok. Vendar pa obstajajo določene sposobnosti, ki jih delodajalci iščejo v skoraj vseh podatkovnih znanstvenikih. Podatkovni znanstveniki potrebujejo močne statistične, analitične in poročevalske sposobnosti.

Tukaj je seznam podatkovnih znanstvenikov za življenjepise, spremna pisma, prijave za zaposlitev in intervjuje. Vključen je podroben seznam petih najpomembnejših veščin s področja podatkovnih znanstvenikov, skupaj s seznami povezanih veščin in delovnih obveznosti.

Nasveti za uporabo seznama spretnosti

Ključni del ustvarjanja življenjepisa in spremnega pisma, ki ga opazijo delodajalci, je vključiti čim več ključnih besed in ključnih besednih zvez. To je zato, ker podjetja, ki zaposlujejo, zdaj pogosto uporabljajo avtomatizirane sisteme za sledenje prosilcem (sistemi ATS), da zagotovijo prvo fazo analize prijav za zaposlitev, ki jih prejmejo. Več ključnih besed, ki jih vsebuje vaš življenjepis, večja je verjetnost, da bo prešla prvo rezanje s strani sistema ATS in, končno, dosegla človeško oko upravljavca najema.

Izrazi, ki so navedeni tukaj, so med najpogosteje iskanimi ključnimi besedami, ki so programirani v sisteme ATS in se uporabljajo v podatkovnih znanstvenikih. Zato morate poskusiti vključiti veliko teh ključnih besed v svoj življenjepis - v začetni povzetek kvalifikacij, v delovno zgodovino in v tehnično tabelo, ki opisuje vaše strojne in programske veščine.

Svoje znanje o najpomembnejših spretnostih morate opisati tudi v spremnem pismu in na koncu med osebnimi razgovori. Bodite prepričani, da izboljšate te opise s posebnimi primeri, kako ste uporabili vsako spretnost v delovnem okolju ali v usposabljanju.

Vaš najboljši vodnik o tem, katero od teh ključnih besed morate vključiti, je opis delovnega mesta, na katerega se prijavljate. Vsako delovno mesto, za katero se boste prijavili, bo zahtevalo drugačne spretnosti in izkušnje, zato poskrbite, da boste natančno prebrali opis delovnega mesta in se osredotočili na spretnosti, ki jih je navedel delodajalec.

Top Five Data Scientist Skills

Analitična

Morda je najpomembnejša spretnost podatkovnega znanstvenika, da lahko analizira informacije. Podatkovni znanstveniki morajo pregledati in razumeti velike podatke. Morajo biti sposobni videti vzorce in trende v podatkih in razložiti te vzorce. Vse to zahteva močne analitične sposobnosti.

• Analitična orodja
• Analytics
• Veliki podatki
• Konstruiranje napovednih modelov
• Ustvarjanje kontrol za zagotavljanje natančnosti podatkov
• Kritično razmišljanje
• Podatki
• Analiza podatkov
• Podatkovna analiza
• Manipulacija podatkov
• Podatek o sporih
• Podatkovna orodja / podatkovna orodja
• Data Mining
• Vrednotenje novih analitičnih metodologij
• Tolmačenje podatkov
• Meritve
• Rudarjenje družbenih medijskih podatkov
• Podatki o modeliranju
• Orodja za modeliranje
• Izdelava vizualizacij podatkov
• Raziskave
• Modeliranje tveganja
• Preizkušanje hipotez

Ustvarjalnost

Dober podatkovni znanstvenik pomeni tudi ustvarjalnost. Prvič, uporabite ustvarjalnost, da opazite trende v podatkih. Drugič, morate vzpostaviti povezave med podatki, ki se morda zdijo nepovezani. To zahteva veliko kreativnega razmišljanja. Nazadnje morate te podatke pojasniti na načine, ki so jasni vodilnim delavcem v vašem podjetju. To pogosto zahteva ustvarjalne analogije in razlage.

• Prilagodljivost
• Prenos tehničnih informacij osebam, ki niso tehnične narave
• Odločanje
• Odločitvena drevesa
• Izvajanje v hitrem okolju
• Logično razmišljanje
• Reševanje problema
• Neodvisno delo

Komunikacija

Podatkovni znanstveniki ne samo da morajo analizirati podatke, temveč jih morajo tudi razložiti drugim. Morajo biti sposobni posredovati podatke ljudem, razložiti pomen vzorcev v podatkih in predlagati rešitve. To vključuje razlaganje zapletenih tehničnih vprašanj na način, ki je lahko razumljiv. Pogosto sporočanje podatkov zahteva vizualne, ustne in pisne komunikacijske spretnosti.

• Asertivnost
• Sodelovanje
• Svetovanje
• Kultiviranje odnosov z notranjimi in zunanjimi deležniki
• Storitev za stranke
• Dokumentiranje
• Risba soglasja
• Spodbujanje srečanj
• Vodenje
• Mentorstvo
• Predstavitev
• Vodenje projektov
• Metodologije vodenja projektov
• Časovni roki projekta
• Zagotavljanje smernic za strokovnjake za IT
• Poročanje
• Nadzorne spretnosti
• Usposabljanje
• Verbalna komunikacija
• Pisanje

Matematika

Medtem ko so mehke veščine, kot so analiza, ustvarjalnost in komunikacija, pomembne, so trdna znanja tudi kritična za delo. Podatki znanstvenik potrebuje matematične spretnosti, zlasti v multivariable račun in linearna algebra.

• Algoritmi
• Ustvarjanje algoritmov
• Zbirke podatkov za iskanje informacij
• Linearna algebra
• Modeli strojnega učenja
• Tehnike strojnega učenja
• Multivariable Calculus
• Statistika
• Modeli statističnega učenja
• Statistično modeliranje

Programiranje in tehnične sposobnosti

Podatkovni znanstveniki zahtevajo osnovno računalniško znanje, vendar so spretnosti programiranja še posebej pomembne. Možnost kodiranja je ključnega pomena za skoraj vse podatke znanstvenika. Znanje programskih jezikov, kot so Java, R, Python ali SQL, je bistveno.

• AppEngine
• Spletne storitve Amazon (AWS)
• C ++
• Računalniška znanja
• CouchDB
• js
• ECL
• Flare
• Google API za vizualizacijo
• Hadoop
• HBase
• Java
• Matlab
• Microsoft Excel
• Perl
• Power Point
• Python
• R
• js
• Programska oprema orodja za poročanje
• SAS
• Skriptni jeziki
• SQL
• Tableau

Job Outlook za raziskovalce podatkov

Po podatkih Urada za statistiko dela je bilo v letu 2016 zaposlenih 27.900 ljudi kot računalniški in informacijski raziskovalci; njihova srednja letna plača v letu 2017 je bila 114.520 $. Karierne priložnosti na tem področju naj bi se do leta 2026 povečale za 19 odstotkov, kar je veliko hitreje od povprečja.