Popis znanstvenih vještina i primjeri

“Data scientist” je širok pojam koji se može odnositi na brojne vrste karijera. Općenito, podatkovni znanstvenik analizira podatke kako bi naučio o znanstvenim procesima. Neki naslovi u znanosti o podacima uključuju podatke analitičar, inženjer podataka, računalnih i informacijskih istraživanja znanstvenik, analitičar operacija istraživanja i računalnih sustava analitičar.

Znanstvenici koji se bave podacima rade u različitim industrijama, od tehnologije do medicine do vladinih agencija. Kvalifikacije za posao u znanosti o podacima razlikuju se jer je naslov tako širok. Međutim, postoje određene vještine koje poslodavci traže u gotovo svakom znanstveniku. Znanstvenici za podatke trebaju jake statističke, analitičke i vještine izvještavanja.

Evo popisa podataka znanstvenika vještine za biografije, cover slova, prijave za posao, i intervjue. Uključen je detaljan popis pet najvažnijih vještina za podatke znanstvenika, popraćen popisima povezanih vještina i radnih odgovornosti.

Savjeti za korištenje popisa vještina

Ključni dio stvaranja životopisa i popratnog pisma koje poslodavci primijete jest uključiti što je moguće više ključnih riječi i ključnih fraza. To je zato što poduzeća koja zapošljavaju sada često koriste automatizirane sustave za praćenje podnositelja zahtjeva (ATS sustavi) kako bi osigurala prvu fazu analize prijava za posao koje primaju. Što više ključnih riječi sadrži vaš životopis, to je vjerojatnije da će proći prvi rez od ATS sustava i, u konačnici, doći do ljudskog oka menadžera za zapošljavanje.

Ovdje navedeni pojmovi spadaju među najčešće tražene ključne riječi koje su programirane u ATS sustavima i koriste se za posao stručnjaka za podatke. Stoga biste trebali pokušati uvrstiti mnoge od ovih ključnih riječi u svoj životopis - u početni sažetak kvalifikacija, u odjeljak o radnoj povijesti i u tehničku tablicu koja opisuje vaše hardverske i softverske vještine.

Također biste trebali opisati svoje znanje o najvažnijim vještinama u popratnom pismu i, na kraju, tijekom osobnih razgovora. Pobrinite se da poboljšate ove opise s konkretnim primjerima kako ste iskoristili svaku vještinu u radnom ili trening okruženju.

Vaš najbolji vodič o tome koje od ovih ključnih riječi trebate uključiti je opis posla na koji se prijavljujete. Svaki posao na koji se prijavljujete zahtijevat će različite vještine i iskustva, stoga pazite da pažljivo pročitate opis radnog mjesta i usredotočite se na vještine koje je naveo poslodavac, prilagođavajući svaki životopis i popratno pismo koje podnosite kvalifikacijama koje traže različiti poslodavci.

Pet najboljih podataka znanstvenika

Analitički

Možda je najvažnija vještina za znanstvenika s podacima da bude u stanju analizirati informacije. Znanstvenici za podatke moraju gledati, i smisliti, velike podatke. Moraju biti u stanju vidjeti obrasce i trendove u podacima i objasniti te obrasce. Sve to zahtijeva jake analitičke vještine.

• Analitički alati
• Analitika
• Veliki podaci
• Konstruiranje prediktivnih modela
• Stvaranje kontrola za osiguranje točnosti podataka
• Kritičko razmišljanje
• Podaci
• Analiza podataka
• Analitika podataka
• Upravljanje podacima
• Podjela podataka
• Data Science Alati / Alati za podatke
• Data Mining
• Procjena novih analitičkih metodologija
• Tumačenje podataka
• metrika
• Rudarstvo podataka društvenih medija
• Podaci o modeliranju
• Alati za modeliranje
• Izrada vizualizacija podataka
• Istraživanje
• Modeliranje rizika
• Ispitivanje hipoteza

Kreativnost

Biti dobar znanstvenik podataka također znači biti kreativan. Prvo, morate koristiti kreativnost kako biste uočili trendove u podacima. Drugo, morate uspostaviti veze između podataka koji se mogu činiti nepovezanim. Za to je potrebno puno kreativnog razmišljanja. Konačno, te podatke morate objasniti na načine koji su jasni rukovoditeljima vaše tvrtke. To često zahtijeva kreativne analogije i objašnjenja.

• Prilagodljivost
• Prenošenje tehničkih informacija ne-tehničkim osobama
• Odlučivanje
• Odlučujuća stabla
• Izvršavanje u brzom okruženju
• Logično mišljenje
• Rješavanje problema
• Raditi samostalno

Komunikacija

Znanstvenici koji se bave podacima ne samo da moraju analizirati podatke, nego i druge podatke. Moraju biti u stanju komunicirati podatke ljudima, objasniti važnost obrazaca u podacima i predložiti rješenja. To uključuje objašnjavanje složenih tehničkih pitanja na način koji je lako razumljiv. Često komuniciranje podataka zahtijeva vizualne, usmene i pisane komunikacijske vještine.

• samopouzdanje
• kolaboracija
• savjetodavni
• Negovanje odnosa s unutarnjim i vanjskim dionicima
• Služba za korisnike
• dokumentiranje
• Sklapanje konsenzusa
• Olakšavanje sastanaka
• Rukovodstvo
• Mentorstvo
• prezentacija
• Upravljanje projektima
• Metodologije upravljanja projektima
• Vremenski rokovi projekta
• Pružanje smjernica IT profesionalcima
• Izvještavanje
• Nadzorne vještine
• Trening
• Verbalne komunikacije
• Pisanje

Matematika

Dok su meke vještine kao što su analiza, kreativnost i komunikacija važne, tvrde vještine su također kritične za posao. Znanstvenici su potrebni matematičke vještine, osobito u multivarijabilnom računu i linearnoj algebri.

• algoritmi
• Izrada algoritama
• Skupovi podataka za dohvaćanje informacija
• Linearna algebra
• Modeli strojnog učenja
• Tehnike strojnog učenja
• Multivarijabilni račun
• statistika
• Modeli statističkog učenja
• Statističko modeliranje

Programiranje i tehničke sposobnosti

Znanstvenici za podatke zahtijevaju osnovne računalne vještine, ali su posebno važne vještine programiranja. Sposobnost kodiranja je ključna za gotovo bilo koju poziciju znanstvenika. Poznavanje programskih jezika kao što su Java, R, Python ili SQL je bitno.

• AppEngine
• Amazon Web Services (AWS)
• C ++
• Računalne vještine
• CouchDB
• js
• ECL
• bljesak
• Google API za vizualizaciju
• Hadoop
• HBase
• Java
• Matlab
• Microsoft Excel
• Perl
• PowerPoint
• Piton
• R
• js
• Softver alata za izvješćivanje
• SAS
• Jezici za skriptiranje
• SQL
• tablo

Outlook za znanstvenike podataka

Prema podacima Državnog zavoda za statistiku rada, u 2016. godini zaposleno je 27.900 osoba kao znanstvenici za istraživanje računala i informacija; njihova srednja godišnja plaća u 2017. godini iznosila je 114.520 dolara. Očekuje se da će mogućnosti za karijeru na ovom području porasti za 19 posto do 2026. godine, što je znatno brže od prosjeka.