轉行大數據分析必知技能

　　我們收到了很多來自讀者的詢問，要求他們提供職業(yè)建議，其中許多被認為是正在尋求轉入數據科學的職業(yè)中期。如果您在這個小組中，您將面臨初學者面臨的一些相同挑戰(zhàn)，但也面臨您所處環(huán)境所特有的挑戰(zhàn)。以下是一些可能有價值的想法和觀察。
 

　　關于你
 

　　當人們自我認同為職業(yè)中期時，他們通常會引用10或20年的經驗。根據我的想法，這很可能使您30歲或40歲。這些人中的大多數人說，他們以程序員，分析師，管理員或類似人員的身份參與IT。有些是在大量數據驅動的操作區(qū)域中。大多數人擁有學士學位，但有些人沒有。我在以下說明中考慮的是您。
 

　　當您閱讀本文時，您可能會說“這不適用于我，我與眾不同。

 

　　為什么要完全切換?
 

　　因為數據科學很熱!我的意思是，我們不斷接觸稱其為中國最佳職位的文章，從內部人士的角度來看，我認為它們是正確的。這項工作既有趣又充滿挑戰(zhàn)。我們使用快速發(fā)展的工具來發(fā)展。這意味著我們必須終身學習，這是一件好事。
 

　　每個人都知道合格的數據科學家在結構上是短缺的。公司正在積極招聘，找不到足夠的人，這反映在遠遠高于平均水平的薪酬上。
 

　　大概您對投入的10或20年的回報也有一定的不滿意。如果您正在尋找更綠色的牧場，那么這是一個不錯的地方。
 

　　切換成本
 

　　好的，短缺正在對您有利，但讓我們坦誠。您從事IT或分析工作的年限有一些好處，但您與家人定居的可能性也更大，更不用說薪水增加10或20年的收入了。
 

　　您將要面臨的最大障礙是，在哪里找到時間接受培訓同時又要謀生。其次，由于您將與應屆畢業(yè)生爭奪這些入門職位，因此起薪實際上可能比您現在所賺的要少。
 

　　未來的前景可能會更光明，但實際上沒有辦法從擁有博士學位開始進入這一職業(yè)。
 

　　雇用新創(chuàng)建的數據科學家的雇主強烈希望獲得認可大學的學位。這類信息沒有中央票據交換所，但通過閱讀和我的個人對話，AAA教育確實可以為最積極的人提供有價值的技能，但是當您面試時，擁有正式學位的人將受到青睞，其他事情是平等的。
 

　　六個月的計劃可以成為合格的入門級數據科學家。這不像選擇另一種編程語言。

　　該領域最受好評的入門級學位是數據科學碩士學位。在基礎水平上裝備您將需要大約兩年的課程工作和經驗。您可以通過遠程學習計劃做兼職嗎?是的，盡管這更多的是自律問題。
 

　　如果您沒有學士學位，您會被排除在外嗎?絕對不是。越來越多的學士學位課程針對碩士課程教授的相同技能。沒有任何理由為什么您無法在同一兩年的學士學位課程中獲得這些相同的技能。
 

　　這是碩士和學士課程的警告。確保課程是針對數據科學的，而不是針對計算機科學或諸如業(yè)務數據分析之類的術語。
 

　　您如何使自己與眾不同以得到雇用?
 

　　剛接觸或即將畢業(yè)的學生經常會問我有關實習或職位空缺的信息。我的回答始終是：詳細告訴我您所處理的問題的類型，如何準備數據，用于建模的特定算法，用于此問題的工具或語言(R，Python， SAS，SPSS等)，結果如何。
 

　　最常見的回應是沉默(嘿，我上了你想要的課程)，或者過于深入地研究了一個項目。是的，我想知道您是否使用過R，但是我不想知道任何有關代碼細節(jié)的信息。我想知道您知道在處理數據，建立模型和解決問題方面的重要問題。
 

　　這有點像從風投中賺錢。您需要一個電梯音調(可能是一分鐘)，并由覆蓋所有這些點的三個或四個特定示例作為后盾，每個示例不超過5分鐘。如果您想要輪廓，則外觀如下所示：
 

　　1、什么是要解決的業(yè)務問題。
 

　　2、您是如何獲得數據的。
 

　　3、您采取了哪些措施來清理和準備數據，包括任何要素工程。
 

　　4、您應用了什么算法，為什么?(您可以在這里告訴我有關R或Python或其他工具的信息，但我更關心算法)。
 

　　5、您如何選擇模型。
 

　　結果是什么。如果實施了假設的案例，財務或業(yè)務結果將是什么。
 

　　一旦開始與目標公司中的其他數據科學家進行內部采訪，您就可以自由探索?，F在，最好在與我的業(yè)務相關的問題上給我留下深刻的印象。
 

　　在學習期間，無論是通過學校還是您自己，這都是一個不錯的策略，即與當地的中型和大型企業(yè)聯系，并詢問您可以從事公益事業(yè)的實際業(yè)務問題。與您最感興趣的行業(yè)相關的這些“參考項目”中的三到四個就像黃金，只要您使用它們來說明您的學習已得到實際應用。
 

　　請記住，在真實數據科學中，您不會花費所有時間來解決問題。在您的時間成本和一方面的解決方案價值之間可以權衡，而您可以在另一方面花費時間。最好是能談談有效和高效地利用你的時間解決問題，而不是談論在3具有改進的準確性次或4 次小數點。
 

　　機會與市場
 

　　數據科學家有兩個主要市場：
 

　　我們最常閱讀的內容是深度學習的前沿發(fā)展或其在新產品中的應用，主要是在硅谷，洛杉磯，西雅圖，奧斯丁和紐約。(有關城市的風險投資水平的最新文章，您將獲得此細分的準確地圖)。
 

　　核心數據科學市場，包括所有和所有在業(yè)務中具有重要百度的主要公司。這些包括(但不限于)保險，銀行，抵押金融，電信公司，公用事業(yè)，電子商務，政府，咨詢等。他們遍布中國各地，并為此在海外。
 

　　如果您的知識和動力是頂尖的，請務必加入可以指揮頂尖學校畢業(yè)生的精英公司。盡管該組中出現了最令人興奮的高級開發(fā)，但它所代表的數據卻少于(可能更少)所有數據科學工作的10%。
 

　　好消息是，職業(yè)中期切換員感興趣的數據科學機會中有90%位于中國的大城市。
 

　　另外，目前的最佳估計是大約40%的中國公司正在積極使用預測分析。這是一個很難驗證的數字，但這聽起來是正確的。這意味著100%的大公司已采用該方法，并且隨著尺寸的減小而變薄。
 

　　這是一家極其罕有的公司，它充分利用了預測分析，因此，即使是最大的公司，也應該不斷涌現新的數據科學機會。
 

　　在哪里看。去哪里上學。
 

　　作為職業(yè)過渡者，您可能非常擔心自己想住哪里。可能有很好的數據科學工作非常接近您想要的位置。
 

　　同樣，當人們問我應該在哪里上學時，我通常會反駁“你想住在哪里”。除非您有機會進入享有聲望很高的名字識別的大學，否則請選擇您可以住的最好的學校。校友網絡和本地知識很可能會為您服務。
 

　　數據科學與數據工程師
 

　　在過去的24個月內，我們開始使數據工程師與數據科學家區(qū)分開。并不是每個人都使用或理解這種區(qū)別，但是他們很快就會使用。
 

　　數據工程方面與經典計算機科學和IT運營相比，真正的數據科學具有更多的共同點。您可以將這種鴻溝看作是數據科學家，從原始數據開始，一直到建模和實現。數據工程師與支持數據科學所需的基礎架構有關。
 

　　自從像Hadoop(現在是Spark)之類的NoSQL數據庫問世到物聯網和其他流傳輸方法，并包括數據湖作為EDW的替代方法之后，那些知道如何在其上創(chuàng)建和維護這些工具的人中的專業(yè)就在不斷增長。數據科學的基礎。這尤其擴展到云和SaaS的快速增長的功能。如果您可以學習在AWS，Azure或Google上設置Spark實例，數據湖或流式應用程序，那么這可能是您考慮的一個非常舒適且補償充分的中間立場。
 

　　雖然了解數據科學家的所有技能將很高興，但獲得此技能水平并不耗時，并且取決于您的公司可以通過AAA教育獲得。
 

　　廣告的問題
 

　　在閱讀求職廣告時，與眾不同的數據工程師和數據科學家是您的后顧之憂。當需要的是全棧數據科學家時，通常會看到針對數據分析師的廣告，反之，針對實際任務和技能不會超過EDW上的SQL的數據科學家，則出現廣告。人力資源部門可能需要一段時間才能趕上。同時請注意問題并閱讀工作說明的詳細信息。
 

　　人工智能，深度學習，選擇專業(yè)
 

　　在過去的幾年中，不同行業(yè)的需求已經在數據科學領域創(chuàng)造了特色。奇怪的是，這些技術保持不變，但是它們在每個行業(yè)中的應用方式卻有所不同。深入了解每個行業(yè)的業(yè)務模型和典型數據變得很重要。例如，電子商務尋找具有分析網絡日志和建立推薦人的工作知識的人員，而保險，銀行和抵押貸款正在研究風險，交叉銷售和向上銷售模型。
 

　　他們的共同點是，數據科學領域90%的工作仍與預測消費者行為有關。如果您想留在該行業(yè)，那么您以前的行業(yè)經驗可能會特別有益。
 

　　另外，人們經常詢問有關AI和深度學習的問題。做你的閱讀。您很快就會了解到，許多深度神經網絡架構，特別是具有LSTM的卷積神經網絡和遞歸神經網絡，構成了當今所有商業(yè)AI的基礎。除非您特別有動力，否則這不是入門級的材料。但是要堅持建立有關消費者行為的建?；A以及一些時間序列建模，而這一切都是您需要開始的。
 

　　尾注
 

　　市場應對數據科學家短缺的方法之一是進一步自動化我們使用的工具。這樣一來，較少的數據科學家就可以完成許多工作。
 

　　開發(fā)這些更加自動化的工具的人們也希望市場相信它們足夠簡單，可供非數據科學家使用，該小組被巧妙地稱為公民數據科學家。的確，建模任務中一些較死板的元素可以實現自動化，我們對此很高興。但是，需要對預測分析過程有充分的了解，或者您可以構建一些模型來預測準確的錯誤。
 

　　最后，您的經驗是一把兩刃劍。如果您選擇一個有經驗的行業(yè)，那么您將真正擁有幾乎沒有工作經驗的應屆畢業(yè)生。但是，如果您有10到20年的工作經驗，那么在招聘中遇到一些年齡歧視是很可能的。
 

　　不要讓任何事情阻止您。這是一個偉大的職業(yè)，前景廣闊。充分利用自己擁有的一切，繼續(xù)努力。