Karera o Mga Oportunidad sa Trabaho bilang Data Scientist

Mga Spotlight

Mga Katulad na Pamagat

Data Analyst, Data Engineer, Machine Learning Engineer, Predictive Modeler, Quantitative Analyst, Statistician, Data Strategist, Business Intelligence Analyst, Data Architect, Data Mining Specialist

Paglalarawan ng Trabaho

Ang pag-imbento ng Internet at ang paglikha ng World Wide Web ang nagpasimula ng isang information Big Bang na patuloy na sumasabog. Bagama't nauna ang data science sa phenomenon na ito, tiyak na malaki ang naging pagbabago nito. Ang mga modernong Data Scientist ay umaasa (at tumutulong sa paglikha) ng mga makabagong analytical tool na ginagamit nila, sa huli, upang malutas ang mga problema ng kanilang mga employer.

Inilarawan ng Glassdoor bilang "isang kombinasyon ng isang matematiko, siyentipiko sa kompyuter, at tagasubaybay ng uso," pangunahing ginagamit ng mga Data Scientist ang teknolohiya upang matugunan ang mga pangangailangan ng mga negosyo. Ginagawa ito sa pamamagitan ng pangangalap, pag-aaral, at pagbibigay-kahulugan sa napakaraming datos na kinuha mula sa iba't ibang mapagkukunan. Ang kaalaman at mga pananaw na nakuha mula sa gawain ng mga Data Scientist ay tumutulong sa mga employer na gumawa ng mga desisyong may mahusay na kaalaman at nakabatay sa datos na nakakaapekto sa kung anong mga serbisyo ang kanilang inaalok, kung anong mga produkto ang kanilang ginagawa, ang kanilang mga diskarte sa marketing, at marami pang iba.

Mga Nakakapagpasaya na Aspeto ng Karera

Palaging may natututunan na bago
Maging isang pioneer sa isang larangan na isang dekada pa lamang ang tanda
Pagsasama ng teknolohiya at agham
Maaaring gamitin ang mga kasanayan upang matulungan ang iba, halimbawa, ang datos sa pangangalagang pangkalusugan
Ang bawat pangunahing kumpanya at korporasyon ay nangangailangan ng mga data scientist, at ang mga katamtaman at maliliit na kumpanya ay nagsisikap na maisama ang mga ito sa kanilang badyet.
Isang propesyon na kapaki-pakinabang sa pananalapi na nakatakdang lumago sa mga darating na taon

"Nag-iiba-iba ang mga gawain ko araw-araw, kaya mas kapana-panabik ang karerang ito kaysa sa ibang mga trabaho kung saan pare-pareho lang ang ginagawa mo. Nakatuon ang lahat sa paglutas ng problema na nakakatulong sa mga gumagawa ng desisyon sa loob ng kumpanya na makakuha ng impormasyon mula sa datos."

Ang Panloob na Pagsusuri

Mga Responsibilidad sa Trabaho

Iskedyul ng Paggawa

Maaaring asahan ng mga Data Scientist ang full-time na trabaho, na may mga regular na iskedyul. Bilang isang mahirap na larangan, mahalagang panatilihing matalas ang mga kasanayan, na maaaring mangailangan ng "off-duty" refresher training, karagdagang sertipikasyon, at iba pang hindi bayad na mga karanasan sa pag-aaral.

Karaniwang mga Tungkulin

Gamitin ang kaalaman at kasanayan upang magdisenyo ng mga bagong teknolohiya o upang mapakinabangan nang husto ang mga umiiral na teknolohiya
Makipagtulungan sa mga pinuno, mga inhinyero, at mga panlabas na kliyente upang matukoy ang mga problema
Tumulong sa mga organisasyon sa pagbuo ng patakaran at mga estratehiya sa pagkamit ng layunin
Makipagtulungan sa mga koponan at pamahalaan ang mga gawain at suspense
Depende sa mga partikular na tungkulin, maaaring gumamit ang mga Data Scientist ng Python, R, SQL, mga database, mga analytic tool, machine learning, at Big Data.
Bumuo ng mga magagawang solusyon sa mga kumplikadong isyu sa software o negosyo
Bumuo ng mga bagong teorya at modelo
Tukuyin ang mga pangangailangan sa hardware at software sa pamamagitan ng pakikipag-usap sa mga end-user, customer, staff, at stakeholder
Suriin ang mga konsepto ng proyekto at magbigay ng mga mungkahi para sa mga pagpapabuti

Mga Karagdagang Responsibilidad

Makilahok sa mga proyektong multidisiplinaryo
Magsagawa ng mga pagsubok sa mga bagong sistema
Makilahok sa mga propesyonal na organisasyon upang magbahagi ng pananaliksik at mga natuklasan

Mga Kasanayang Kinakailangan sa Trabaho

Mga Malambot na Kasanayan

Kayang hulaan ang mga problema
Aktibong pag-aaral
Analitikal
Maingat sa detalye
Kakayahang i-konteksto ang mga ideya para sa iba
Malikhain at mausisa
Kritikal (ngunit nababaluktot) na pag-iisip
Mapagpasyahan
Pokus
Maayos
Pagtitiyaga at katatagan
Paglutas ng Problema
Mahusay na pagpapasya
Malakas na kasanayan sa komunikasyon

Mga Kasanayang Teknikal

Software sa pagbuo ng web platform: SQL (Structured Query Language), Python, Tableau, R
Mga kasanayan sa komunikasyon: kailangang magamit ang mga estadistika na nagmula sa pagkalap ng datos at ipaliwanag ito sa madaling salita sa iba pang sangay ng korporasyon, tulad ng IT at pananalapi
Pagtutulungan: kayo ang magiging tagapamagitan ng iba't ibang departamento na nangangailangan ng impormasyong nakalap mula sa datos upang makagawa ng mga desisyon.
Pagsusuri ng datos/estadistika: Pangangailangang suriin at ilapat ang feedback at pananaliksik ng gumagamit
Magandang paningin
Kakayahang suriin at suriin ang mga sistema
Pangunahing pag-unawa sa benta at marketing, serbisyo sa customer, telekomunikasyon, disenyo, mga prinsipyo ng pamamahala, at agham ng inhinyeriya
Mga programa sa pagsusuri ng intel/datos ng negosyo, tulad ng IBM Cognos Impromptu, Oracle Business Intelligence Enterprise Edition, QlikView, at Tableau
Software para sa compiler, tulad ng Polaris parallelizing compilers, Greenhills Ada compilers, at LLVM compilers
Pamamahala ng database at mga programa sa user interface/query
Software para sa development environment, tulad ng LabVIEW, Apache Kafka, o Eclipse IDE
Pag-imahe ng grapiko
Kaalaman sa analytical at scientific software, tulad ng Minitab, StataCorp Stata, at MATLAB
Software sa pagbuo ng object o component oriented (C++, ActiveX, Java, Python)
Malakas na kasanayan sa matematika, kabilang ang algebra, geometry, calculus, at stats

Mga Uri ng Organisasyon

Mga institusyong akademiko
Mga sektor ng pagbabangko at pananalapi
Mga serbisyo sa cloud at pagho-host
Pagkonsulta
Software bilang isang Serbisyo (SAAS), web, mobile
Mga tagapaglathala ng software ng kompyuter
Mga kompanya ng paghahatid
Mga ahensya ng pederal na pamahalaan/militar
Malalaking korporasyon
Mga kompanya ng tingian
Mga ahensya ng seguro
Telekomunikasyon
Iba pang mga organisasyon ng pananaliksik at pagpapaunlad
Mga pribadong espesyalisadong kumpanya
Paghahanap/social networking

Mga Kasalukuyang Uso sa Industriya

Pag-unawa sa machine learning: isang paraan ng pagsusuri ng datos na nag-aautomat sa pagbuo ng analytical model. Pinapayagan ng machine learning ang mga computer na makahanap ng mga nakatagong insight gamit ang mga algorithm na natututo mula sa datos nang walang tahasang programming.
Ang pagsasanib o agham ng datos at IoT: ang lumalaking network ng mga pisikal na bagay na nagtatampok ng isang IP address para sa koneksyon sa internet, at ang komunikasyon na nangyayari sa pagitan ng mga bagay na ito at iba pang mga device at sistema na pinapagana ng Internet.
Kakayahang gumamit ng RIL (radio interface layer), na kasabay ng IoT
Paggamit ng agham ng datos sa pangangalagang pangkalusugan: ang datos na nakalap ng mga siyentipikong ito ay maaaring gamitin upang mahulaan ang mga trend ng sakit tulad ng muling pagsikat ng Ebola

Mga Inaasahan at Sakripisyo

Karamihan sa mga organisasyong nag-eempleyo ng mga Data Scientist ay ginagawa ito dahil lubos silang umaasa sa mga kasanayan at impormasyong dala ng mga manggagawang iyon. Sa ilang mga kaso, literal na binubuo ng mga Data Scientist ang mga produkto o serbisyong ibinebenta, habang sa ibang mga sitwasyon ay tinutulungan nila ang mga kumpanya na matukoy kung ano ang ibebenta, kanino ito ibebenta, at kung paano magbebenta nang higit pa. Bilang resulta, mataas ang mga inaasahan, ngunit mataas din ang pinansyal na kabayaran!

Ayon sa University of Wisconsin, ang mga manggagawang nasa antas ng pagpasok ay kumikita ng hanggang $95,000, ang mga manggagawang nasa antas ng kalagitnaan ay kumikita ng median na $128,750, ang mga tagapamahala sa antas ng kalagitnaan ay maaaring kumita ng hanggang $185,000, at ang mga may karanasang tagapamahala ay maaaring umabot ng hanggang $250,000. Malinaw na ang mga organisasyong nagbabayad ng mga halagang ito ay mangangailangan ng mataas na kahusayan at gawaing may dagdag na halaga. Samakatuwid, ang isang malaking sakripisyo, kung matatawag man ito, ay para sa mga Data Scientist na maabot at mapanatili ang kahusayan sa lahat ng larangan, at makasabay (o mauna) sa mga bago at umuunlad na teknolohiya. Maaari itong mangailangan ng napakalaking at pangmatagalang pangako, na may malaking trabahong ginagawa "pagkatapos ng oras ng trabaho" sa sariling oras.

Ano ang mga bagay na kinagigiliwan ng mga taong nasa karerang ito noong sila ay bata pa...

Halos tiyak na interesado na ang mga Data Scientist sa mga kompyuter noong bata pa sila, pati na rin sa mga palaisipan at problemang kailangan nilang lutasin o solusyunan. Mahilig sila sa mga hamong intelektwal kung saan ang pagtuklas ng impormasyon at kung paano ito gamitin ang mga susi sa tagumpay. Ang ilan ay maaaring nasiyahan sa pagbabasa o panonood ng mga misteryo at kwentong detektib. Interesado sila sa sikolohiya, kung paano nag-iisip ang mga tao, kung ano ang nag-uudyok sa kanila, at kung paano makakahanap ang mga kompyuter ng mga paraan upang mas maunawaan ang mga tao sa iba't ibang antas, mula sa mga indibidwal hanggang sa mga grupo at maging sa buong lipunan.

Malamang, ang isang mahusay na Data Scientist ay isang taong, noong bata pa, ay nakakakita ng "malaking larawan" at kung paano maaaring magkaroon ng malalaking kahihinatnan ang maliliit na elemento, salik, o desisyon. Maaaring magmukha silang organisado, ngunit sa kanilang isipan, ang impormasyon ay hindi static, ito ay nababaluktot at nababaluktot. Sa madaling salita, kadalasan ay kaya nilang "mag-isip nang lampas sa karaniwan" upang malikhaing magamit ang data sa mga paraang hindi naisip ng iba. Malamang ay mahusay din silang magpaliwanag ng mga teknikal na bagay sa madaling salita.

Kailangan ang Edukasyon

Karamihan sa mga siyentipiko sa pananaliksik sa kompyuter at impormasyon ay nangangailangan ng master's degree sa agham pangkompyuter o isang kaugnay na larangan, tulad ng computer engineering.
- Ayon sa Burtch Works, “91% [ng mga Data Scientist] ay mayroong kahit man lang Master's degree at 48% ay may PhD”
Binanggit ng LinkedIn ang mga sumusunod na pangunahing major sa bachelor's degree: biostatistics, chemistry, computer science, engineering, mathematics/applied mathematics, meteorology/astrophysics, physics, o statistics
Ang iba pang karaniwang mga major sa degree ay kinabibilangan ng matematika, estadistika, natural na agham, at iba pang uri ng inhenyeriya
Maraming Data Scientist ang dalubhasa sa isang partikular na larangan, kaya mahalaga ang pagkakaroon ng kaugnay na karanasan sa akademiko at trabaho. Makipag-usap sa mga program manager at academic advisor upang bumuo ng isang programa sa degree na angkop sa iyong mga partikular na layunin sa trabaho.
Maraming opsyonal na sertipikasyon, kabilang ang:
- Adobe - Praktista sa Negosyo ng Analytics; Praktista sa Negosyo ng Adobe Campaign Classic
- Broadcom - Pangangasiwa ng Symantec ProxySG 7.2 gamit ang Secure Web Gateway
- Dell - Espesyalista - Siyentipiko ng Datos, Bersyon 1.0 ng Advanced Analytics; Kasama - Bersyon 2.0 ng Agham ng Datos
- IBM - Sertipiko ng Propesyonal sa Agham ng Datos
- Instituto para sa Sertipikasyon ng mga Propesyonal sa Kompyuter - Associate Computer Scientist; Sertipikadong Computer Scientist
- Microsoft - Pagdidisenyo at Pagpapatupad ng Solusyon sa Data Science sa Azure
- SAP - Sertipikadong Kasamahan sa Aplikasyon, SAP Predictive Analytics
- SAS - Sertipikadong Siyentipiko ng Datos

Mga bagay na dapat hanapin sa isang unibersidad

Ang ilang unibersidad ay nag-aalok ng mga hybrid degree program para sa mga estudyante upang mapabilis ang kanilang bachelor's at master's degree, na makakatipid ng oras at pera.
Malawak ang larangan ng Data Science, na may maraming espesyalisasyon. Kung mas maaga mong malalaman kung saan mo gustong magpakadalubhasa, mas makakapili ka ng tamang major at programa.
Ang mga Data Scientist ay nangunguna sa isang umuusbong na larangan, kaya dapat sikapin ng mga estudyante na makapasok sa mga programang may pinakamahusay na pondo na magagawa nila
Ang mga paaralang may malaking pondo ay karaniwang may mas mahusay na mga guro, pasilidad, mga pagkakataon sa pananaliksik, at mga ugnayan sa industriya na makakatulong sa mga nagtapos na mas mabilis na makahanap ng trabaho.
Tingnan ang mga rate ng pagkakalagay sa trabaho pagkatapos ng graduation ng bawat programa at iba pang mga punto ng pagmamalaki
Siguraduhing ang institusyon ay ganap na akreditado
- Ang mga programa sa agham pangkompyuter na kinikilala ng ABET ay mayroon ding ilang mga bentahe
Ang Data Science ay isang angkop na major para sa online education, para sa mga nangangailangan ng flexibility. Tandaan, ang mga online class ay maaaring kasing-higpit ng mga on-campus.
Halos kalahati ng lahat ng Data Scientists ay may hawak na PhD, kaya isaalang-alang iyon kung umaasang manatili sa isang institusyon.

Mga bagay na dapat gawin sa High School at Kolehiyo

Magbasa hangga't maaari tungkol sa larangan! Ang gabay ng US News sa Paano Matuto ng Data Science ay isang magandang panimulang punto.
Kumuha ng mga kurso sa matematika at programming para sa paghahanda sa kolehiyo
Mag-sign up para sa maiikling libre o bayad na mga online na kurso, tulad ng:
- Pagsusuri ng Datos ng Codecademy Gamit ang Python
- Mga Kasanayan sa Matematika sa Data Science o Espesyalisasyon sa Deep Learning ng Coursera
- Sertipiko ng Propesyonal sa Agham ng Datos ng IBM ng edX
- Komputasyonal na Linear na Algebra ng fast.ai
- Livestream ng Panimula sa Data Science ng Pangkalahatang Asamblea
- Mga Pundasyon ng Data Science ng LinkedIn Learning: Mga Pangunahing Kaalaman
- Pag-unawa ng Pluralsight sa Machine Learning Gamit ang Python
- Programa ng Nanodegree para sa Naging Data Scientist ang Udacity
- Kurso sa Data Science ng Udemy 2020: Kumpletong Bootcamp para sa Data Science
- Etika sa Agham ng Datos ng Unibersidad ng Michigan
Mag-browse rin sa YouTube, Khan Academy, at MIT OpenCourseWare para sa mga kaugnay na video at kurso na makakatulong sa iyong maunawaan ang mga pangunahing konsepto.
Magbasa ng mga libro, magsanay ng mga kasanayan sa coding, at sumali sa mga organisasyon ng paaralan na may kaugnayan sa larangang ito
- Sumali sa mga computer club, magbahagi ng kaalaman, at isagawa ang iyong mga kasanayan
Magpa-publish nang propesyonal. Sumulat ng mga artikulo para sa mga peer-reviewed na site o magasin, kumpara sa mga site na nagpapahintulot sa sinuman na mag-publish ng kahit ano

Karaniwang Roadmap

Roadmap ng Siyentipiko ng Datos na Gladeo

Paano makuha ang iyong unang trabaho

Ang trabaho ng Data Scientist ay nasa ika-3 pwesto sa listahan ng Pinakamahusay na Trabaho sa Teknolohiya ng US News, ibig sabihin ay maaaring mayroong maraming kompetisyon sa merkado ng trabaho.
- Maraming trabaho sa Data Science ang nasa mga matatag na kumpanya at ahensya ng gobyerno, ngunit ang mga tech startup, kolehiyo, at institusyong pananaliksik ay marami ring kinukuhang empleyado.
  Humingi ng tulong sa mga tagapamahala ng programa sa Data Science o career center ng iyong paaralan sa paghahanap ng mga recruiter at job fair.
Ang pagkakaroon ng master's degree ang pinakamagandang paraan para makuha ang pangarap mong trabaho sa Data Science. Kahit na makahanap ka ng trabahong bachelor's degree, kakailanganin mo pa rin ang graduate degree na iyon para umangat.
Sa kolehiyo, tumuon sa matataas na marka at mga kursong magagamit mo sa iyong espesyalidad.
Sumali sa mga propesyonal na organisasyon at club na nagbibigay-daan sa iyong makakuha ng praktikal na karanasan habang nakikipag-network
Humingi ng payo at mga tip sa paghahanap ng trabaho sa mga propesor at kasamahan tungkol sa mga bakanteng posisyon
Gamitin ang career center ng iyong paaralan at humingi ng tulong sa pagpapabuti ng iyong mga kasanayan sa resume at panayam
Tanungin ang departamento ng iyong programa tungkol sa mga job fair at koneksyon sa mga recruiter. Maraming organisasyon ang nakikipagsosyo sa mahuhusay na paaralan upang magrecruit ng mga talento pagkatapos ng graduation.
Simulan nang maaga ang paghahanap sa mga job portal upang makakuha ng ideya tungkol sa mga kasalukuyang kinakailangan na inililista ng mga employer.
- Ang Glassdoor, Indeed, USAJobs, ZipRecruiter, Kaggle, Amazon, Dice, at LinkedIn ay pawang magagandang lugar para makahanap ng mga oportunidad sa trabaho sa Data Science. Mag-set up ng mga alerto para makakuha ng paunang abiso tungkol sa mga bagong post.
Magnakaw ng ilan sa mga ideya para sa template ng resume ng Data Scientist ng Monster
Kumuha ng mga tip sa portfolio mula sa mga Data Science Portfolio ng Dataquest na Magbibigay sa Iyo ng Trabaho
Silipin ang ilang tanong at sagot sa interbyu at maging handa kapag tumawag ang mga hiring manager!

Paano Umakyat sa Hagdan

Patuloy na hasain ang mga kasanayang may kaugnayan sa estadistika, programming, machine learning, pamamahala ng datos, at komunikasyon
Tanggalin ang mga propesyonal na sertipikasyon
Magtagumpay ka! Kunin ang iyong PhD kapag nababagay ito sa iyong iskedyul sa karera
Manatiling malikhain at maghanap ng mga paraan upang mapataas ang kita ng iyong employer
Patuloy na maglathala at bumuo ng reputasyon para sa iyong sarili
Manatiling aktibo at nag-aambag na miyembro sa mga propesyonal na organisasyon

Mga Inirerekomendang Mapagkukunan

Mga Artikulo

Mga Asosasyon

Asosasyon ng Estadistika ng Amerika
DMG
ICDM, IEEE Pandaigdigang Kumperensya sa Pagmimina ng Datos
IMLS, Ang Pandaigdigang Lipunan ng Pag-aaral ng Makina

Mga Libro

Mga Kumperensya

Mga Wikang Programming na Dapat Pag-aralan

Mga Blog/Magasin/Mga Website

Plano B

Inhinyero ng Software
Analista ng Negosyo
Mga analyst ng IT
Mga Arkitekto ng Datos
Mga Konsultant sa IT/Software
Inhinyero ng Malaking Datos

Infograpiko

Mag-click dito para i-download ang infographic

Balita

Inedit ni Gladeo

Mga Itinatampok na Trabaho

Mga Online na Kurso at Kagamitan

Mga Inaasahang Taunang Sweldo

$84K

$97K

$154K

Ang mga bagong manggagawa ay nagsisimula sa humigit-kumulang $84K. Ang median na suweldo ay $97K bawat taon. Ang mga manggagawang may mataas na karanasan ay maaaring kumita ng humigit-kumulang $154K.