Coleções

O que as empresas procuram ao contratar cientistas de dados

O que as empresas procuram ao contratar cientistas de dados


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Hoje, a ciência de dados está no centro de quase todos os negócios e organizações. A necessidade crescente de não apenas coletar dados, mas analisá-los e analisá-los para direcionar as decisões, gerou uma enorme demanda por cientistas de dados qualificados.

A carreira de cientista de dados tem grande apelo para aqueles que não apenas encontram uma posição com demanda, mas também uma que ofereça alto potencial de ganhos e alta satisfação no trabalho. É classificado como o melhor trabalho para 2019 na América na Glassdoor, com um salário-base médio de $108,000 e uma classificação de 4,3 de 5 para satisfação no trabalho.

Para obter clareza sobre as diferenças entre um cientista de dados e um analista de dados, veja o seguinte vídeo:

O que é preciso para ser um cientista de dados? Obviamente, habilidades técnicas fortes são essenciais. Mas a questão é quais habilidades específicas você precisa dominar para se estabelecer nessa carreira em particular?

RELACIONADOS: A EVOLUÇÃO DAS LÍNGUAS DE COMPUTADOR MAIS DE 136 ANOS

As habilidades indispensáveis

A resposta à questão das habilidades essenciais para cientistas de dados continua a mudar e evoluir, conforme evidenciado por um artigo amplamente citado sobre o assunto por KD Nuggets, 9 habilidades essenciais que você precisa para se tornar um cientista de dados, atualizado. O “atualizado” foi adicionado ao título porque o número de habilidades na lista cresceu ao longo dos anos.

Do jeito que está agora, as 13 habilidades na lista do KD Nuggets são as seguintes:

  1. Educação
  2. Programação R
  3. Codificação Python
  4. Plataforma Hadoop
  5. Banco de dados / codificação SQL
  6. Apache Spark
  7. Aprendizado de máquina e IA
  8. Visualização de dados
  9. Dados Não Estruturados
  10. Curiosidade intelectual
  11. Business Acumen
  12. Habilidades de comunicação
  13. Trabalho em equipe

Embora algumas das habilidades não sejam nenhuma surpresa, pois você espera que um cientista de dados domine as linguagens e habilidades técnicas usadas em ciência de dados, alguns dos itens são um pouco mais gerais. E isso porque a ciência de dados não é uma questão de mera extração mecânica de números, mas de dar sentido a tudo isso no contexto das metas de negócios.

Não apenas uma ciência, mas uma arte

É por isso que há vários anosVenture Beat sugeriu que "data artist" pode ser um título de trabalho mais preciso: "Talvez esses cientistas não sejam os Einsteins e Edisons, mas os Van Goghs e Picassos da revolução do big data." O objetivo é reconhecer que os cientistas de dados não apenas observam e quantificam, mas apresentam abordagens criativas para extrair insights e valor dos dados.

Um cientista de dados de sucesso não é apenas alguém que desmarcou a lista de habilidades difíceis; ele deve ter a capacidade de pensar sobre como abordar um problema de uma nova maneira que abra o caminho para uma solução e, então, comunique efetivamente o que funcionou e por quê. Muito mais do que um mero quant, o cientista de dados de sucesso é um pensador criativo e solucionador de problemas com compreensão de domínio.

A entrevista prova de hard e soft skills

Essa mistura de habilidades é o que emerge da lista que Roger Huang apresenta emCada entrevista de ciência de dados se resumiu a cinco perguntas básicas. Essas cinco perguntas funcionam para 60% habilidades difíceis, 20% habilidades pessoais, e 20% capacidade de aplicar conhecimentos à situação.

As habilidades difíceis constituem três das questões: uma em matemática, uma em codificação e uma em estatística. Habilidades pessoais entram em jogo para fornecer a resposta para o que Huang chama de "questões comportamentais" que avaliam a adequação do candidato à cultura da empresa. Depois, há o que ele chama de "questão do cenário", aquela que desafia os candidatos a demonstrar sua capacidade de aplicar o que aprenderam a uma situação particular e delinear uma abordagem que poderia funcionar.

Vendo a foto maior

Como uma das características distintivas do cientista de dados é a curiosidade intelectual que leva uma pessoa a buscar um entendimento real, espera-se que a pessoa faça mais do que simplesmente analisar números. Como um Wall Street Journal artigo, O que é um cientista de dados? declarou, "um cientista de dados eficaz ... tem a capacidade de ver como determinados subconjuntos de dados podem ser mais úteis do que outros e que conclusões podem ser tiradas deles."

Também é importante ter interesse no panorama geral da organização e quais resultados são pertinentes a seus objetivos. Isso é consistente com o que o Dr. John Maiden, um cientista de dados da Digital Intelligence do JP Morgan Chase, descreveu em um blog da Academia de Ciência de Dados da NYC.

Uma das principais coisas que procuram na empresa financeira é a capacidade de “aplicar soluções para grandes e complicados problemas do mundo real”. Ele explica que isso ocorre porque o trabalho envolve menos envolvimento com "análise de dados direta" do que com "organizar conjuntos de dados confusos para fornecer insights acionáveis".

Os Cs são fundamentais

No vídeo abaixo, Bernard Ong, AVP, Cientista de Dados Principal, Análise Avançada do Lincoln Financial Group, fala sobre sua própria carreira e o que procura nos candidatos ao contratar para sua equipe. Além das habilidades de codificação e matemática, ele diz que deseja candidatos que possuam o que ele chama de “3 Cs”. Estes representam curiosidade, criatividade e pensamento crítico.

Ong explicou por que um bom cientista de dados precisa ter esses recursos para "não apenas entender a modelagem e a análise preditiva, mas também que tipo de desafios de negócios estamos tentando resolver". É aqui que pensar sobre como as coisas se encaixam é importante.

“Começa com as perguntas certas, que nascem da curiosidade. Continua com o pensamento crítico para avaliar o problema e avança com criatividade para chegar a soluções inovadoras e comunicar a visão para o fim do negócio em termos que eles entendam ", acrescentou Ong.

Contando a história de dados que orienta as decisões

Quando se trata de comunicar essa visão, "termos técnicos" simplesmente não servem. Em vez disso, você “precisa ser capaz de contar a história por trás dos dados”, observa Ong.

Trabalhar com esses movimentos dentro de uma empresa certamente exige capitalizar as habilidades pessoais, mas eles também são cruciais, mesmo para aqueles que permanecem na função de cientista de dados. Maiden enfatiza a importância de ser capaz de se comunicar bem "para fornecer conselhos acionáveis ​​para conduzir a tomada de decisões." Isso exige não apenas comunicação oral e escrita, mas também visualização de dados, encontrando os gráficos e diagramas corretos para contar a história dos dados de uma forma que a torne compreensível, mesmo para aqueles que não têm formação em análise de dados.

À medida que as pessoas respondem fortemente à prova visual, representar graficamente as correlações e causalidade apresentadas pela análise de dados transmite as relações de uma forma muito mais atraente do que o mero texto. A visualização de dados é realmente onde a quantificação matemática e a arte criativa se unem para o mesmo fim de promover decisões baseadas em dados.

KD Nuggets toca nesse mesmo ponto ao enfatizar o quão importante é desenvolver "uma compreensão sólida dos fundamentos da indústria e dos objetivos da empresa" para permitir que o cientista de dados aproveite "habilidades técnicas para fazer a diferença no longo prazo . ” É de interesse ainda mais vital para cientistas de dados cujas aspirações de carreira incluem uma mudança para uma função dentro do C-Suite.

Abordagens criativas resolvem problemas de dados

Na mesma linha, Ong diz que você deve ter uma compreensão do contexto mais amplo para ter certeza de que está trabalhando com os dados necessários para resolver o problema:

“Um dos desafios é obter os dados certos para encontrar as respostas necessárias. Você pode fazer a curadoria de grandes quantidades de dados e ainda descobrir que eles não fornecem as informações que você procura. ”

É aí que o pensamento criativo entra em jogo quando se trabalha na "fusão de dados". Essa abordagem é combinar “diferentes fontes de dados em novas combinações que poderiam fornecer o tipo certo de dados”.

“É aqui que a criatividade ajuda o cientista de dados a fazer novas descobertas e encontrar soluções”, declara Ong.

Em última análise, trabalhar com Big Data exige o uso de processos criativos e metódicos em uma combinação ideal que o Einsteind descreveu como o ideal da ciência:

“A mera formulação de um problema é muito mais essencial do que sua solução, que pode ser apenas uma questão de habilidades matemáticas ou experimentais. Levantar novas questões, novas possibilidades, olhar velhos problemas de um novo ângulo requer imaginação criativa e marca avanços reais na ciência. ”


Assista o vídeo: Episódio 11 - Qual a Diferença Entre Cientista de Dados e Engenheiro de Machine Learning? (Pode 2022).