Auf dem Höhepunkt des mit dem Oscar nominierten Films Hidden Figures soll die Mathematikerin Katherine Johnson die Berechnungen für die Landekoordinaten von John Glenns Weltraumkapsel Friendship 7 verifizieren. Die Technologie hat soeben den menschlichen Computer ersetzt, die Daten berechnenden Personen, die komplexe Gleichungen vervollständigten vor dem Aufkommen des Computersystems, aber die Daten von der Maschine hatten Diskrepanzen, die von einer Person gelöst werden mussten.
Das war 1961 Data Science. Heutzutage ist das etwas anders. Mit komplexen Datenerfassungssystemen können Unternehmen aller Branchen mehr über ihre Unternehmen, Kunden und Zukunftsaussichten erfahren. Aber ähnlich wie in Hidden Figures müssen Menschen wichtige Wahrheiten aus den Daten herausfinden.
Im Folgenden erfahren Sie, wie wir Data Science täglich einsetzen und welche grundlegenden Fähigkeiten Sie benötigen, um als Data Scientist, Ingenieur oder Analyst erfolgreich zu sein.
Data Science ist überall
Das Potenzial für Datenwissenschaftler, das weit über die Finanz- und Technologieindustrie hinausgeht, blüht. „In allen Sektoren wird zunehmend klar, dass Data Science-Kenntnisse für den Wettbewerb und die Verbesserung auf dem heutigen Markt unverzichtbar geworden sind“, sagt Michael Galvin, Executive Director von Data Science Corporate Training für Metis, ein Unternehmen für Data Science-Kenntnisse, das mit Einzelpersonen und Unternehmen zusammenarbeitet .
Denken Sie an Cookies. Nein, nicht diejenigen, die Sie in Milch eintauchen - die leistungsstarken Datenerfassungstools, mit denen Datenanalysten, Wissenschaftler und Ingenieure die Gewohnheiten des Web-Verbrauchers kennenlernen und die Algorithmen zu den Themen „Woher weiß man, dass ich nur gedacht habe?“ Erläutern -of-that ?! ”Anzeigen werden auf Facebook gezeigt. Ihr Ziel? Ermittlung der Verbraucherinteressen und des Verbraucherverhaltens und Verwendung dieser Analysen, um wichtige Geschäftsentscheidungen für Unternehmen aller Branchen zu treffen.
„Im Mainstream gibt es ein breiteres Bewusstsein für Data Science. Von Amazon-Käufen bis hin zu Netflix-Binges berührt Data Science mehr Menschen als je zuvor “, sagt Galvin.
Wie Sie sich einfügen
Mit dem Anwachsen der datenwissenschaftlichen Bereiche gab es eine zunehmende Überschneidung zwischen den Rollen von Datenwissenschaftlern, Datenanalysten und Modellierern.
Laut Dr. Flavio Villanustre, Vizepräsident für Technologie und HPCC-Systeme bei LexisNexis Risk Solutions, ist die Unterscheidung zwischen verschiedenen Positionen jedoch recht einzigartig - und bietet Chancen für Begabte in bestimmten Bereichen.
„Datenanalysten sind traditionell auf Datenmanipulationstechniken spezialisiert, die eine Schulung in allen Bereichen erfordern, von Abfragesprachen bis hin zu grafischen Datenmodellen“, sagt Villanustre. "In der Zwischenzeit analysieren Modellierer numerische Daten auf Korrelationen und Muster."
Villanustre erklärt, dass ideale Kandidaten eine Obermenge dieser beiden Arten von Fähigkeiten aufweisen sollten, die mit Fach- und Geschäftskenntnissen kombiniert werden. "Datenwissenschaftler verfügen in der Regel über ein tieferes Wissen über Programmiertechniken als Datenanalytiker und über ein breiteres Wissen über Datenanalysemethoden unter Verwendung komplexerer Techniken als statistische Modellierer."
Bei der Bewerbung für diese Positionen ist es wichtig zu wissen, welche Aufgaben ein Unternehmen wirklich haben möchte.
„Das Rummel um Data Science hat dazu geführt, dass viele Unternehmen Data Scientists als Datenanalyst eingestellt haben, die Daten bereinigen und aufbereiten und nur sehr wenig Zeit für die eigentliche Datenwissenschaft aufwenden“, erklärt Nick Kramer, Senior Director für Data and Analytics bei SSA & Company, eine Unternehmensberatung, die sich darauf spezialisiert hat, Big-Data-Analysen in betriebliche Prozesse für Unternehmen umzuwandeln.
Mit neuen Tools können Analysemodelle von Personen mit geringerem Fachwissen erstellt werden. Daher sind abwechslungsreiche, verwandte Fähigkeiten wie Geschäftskenntnisse und effektive Kommunikationsfähigkeiten wichtig, um Arbeitssuchende von anderen abzuheben. Stellen Sie beim Vorstellungsgespräch unbedingt Fragen, um genau zu erfahren, wonach ein Unternehmen sucht, und zeigen Sie dann Ihre Stärken entsprechend.
Unser Büro
Was Sie brauchen, um erfolgreich zu sein
Das alte Sprichwort, den Wald vor lauter Bäumen nicht zu sehen, ist ein wichtiges Kriterium bei der Arbeit als Datenwissenschaftler, Analyst oder Ingenieur. Während die Genauigkeit der Kerndaten wichtig ist, wird auch das übergreifende Bild der Probleme anerkannt, die ein Unternehmen lösen möchte.
"Datenwissenschaftler neigen dazu, Dinge zu komplizieren und sich in ein schwarzes Loch voller Details zu stürzen", warnt Galvin. "Stattdessen sollten sie über das Geschäftsproblem nachdenken, das sie lösen möchten, etwas zum Laufen bringen und es dann wiederholen."
Darüber hinaus ist ein Interesse an dem, was Sie - wie bei jedem Job - tun, von entscheidender Bedeutung.
„Unternehmen arbeiten mit unterschiedlichen Arten von Daten (wie Bildern, Texten und Finanzdaten) an unterschiedlichen Problemen. Sie müssen sich für die Art von Daten interessieren und sie verstehen, mit denen Sie arbeiten, um erfolgreich zu sein “, sagte Galvin. „Zum Beispiel sind Datenwissenschaftler, die mit medizinischen Bildern arbeiten, in der Regel keine Ärzte selbst, sondern ihr Endbenutzer oder Kunde wird ein Arzt sein. Kannst du verstehen, welche Probleme sie lösen wollen? Möchten Sie diese Probleme lösen? “
Und dann ist da noch Kommunikation. Es heißt, dass Datenwissenschaftler, Analysten und Ingenieure ihre eigene Sprache sprechen. Um jedoch am Arbeitsplatz erfolgreich zu sein, müssen Sie in der Lage sein, klar mit denen zu kommunizieren, die Ihre Fähigkeiten am meisten nutzen und davon profitieren.
„Die Zusammenarbeit mit Geschäftsinteressenten wird immer wichtiger“, sagte Kramer.
Die Datenwissenschaft und die damit verbundenen Karrieren haben einen langen Weg zurückgelegt, als die NASA menschliche Computer benötigte, um die Arbeit neuer Computer zu nutzen und zu verifizieren. Aber brillante Köpfe, die daran interessiert sind, wie Daten unser Leben, Arbeiten und Wirtschaften beeinflussen können, sind nach wie vor unerlässlich - ohne einen menschlichen Experten, der sowohl die Eingaben als auch die Ergebnisse interpretiert, könnte Data Science wild missbraucht werden oder einfach nur verwirrend sein.
