Πρέπει να Γίνω Επιστήμονας Δεδομένων ή Επιχειρηματικός Αναλυτής;

Πρέπει να Γίνω Επιστήμονας Δεδομένων ή Επιχειρηματικός Αναλυτής;

September 30, 2022 0 Von admin

Εισαγωγή

Ένα από τα κοινά ερωτήματα που συναντώ επανειλημμένα σε πολλά φόρουμ είναι «Πρέπει να γίνω επιστήμονας δεδομένων (ή αναλυτής);» Το ερώτημα λαμβάνει διάφορες μορφές και παράγοντες, αλλά εδώ είναι ένα κοινό πραγματικό ανέκδοτο:

«Έχω κάνει πωλήσεις για πολλούς γίγαντες της BFSI τα τελευταία 3 χρόνια, αλλά έχω σταματήσει να απολαμβάνω τον ρόλο μου. Αφού διάβασα για το Business Analytics και τη μηχανική μάθηση, το ενδιαφέρον μου για αυτόν τον τομέα έχει αυξηθεί. Πρέπει να κάνω μια αλλαγή και να μάθω την επιστήμη των δεδομένων; Εάν ναι, πώς μπορώ να το κάνω αυτό;

καριέρα-διαδρομή-σύγχυση

Όταν αναλογίζομαι πώς πήρα την απόφαση, συνειδητοποίησα – έτυχε να είμαι τυχερός! Η απόφαση ήταν σχετικά πιο εύκολη για μένα. Γιατί; Ήξερα τις βιομηχανίες/ρόλους, δεν θα μου άρεσε – αυτοί περιλάμβαναν ρόλους στις πωλήσεις, ρόλους στη φυσική μηχανική και μερικούς άλλους. Ήμουν ανοιχτός σε ρόλους στην επιστήμη δεδομένων σε τράπεζες λιανικής και επενδυτικές τράπεζες και ευτυχώς κατέληξα στο Capital One.

Σήμερα, αφού πέρασα ~8 χρόνια στον κλάδο, είναι πολύ πιο εύκολο για μένα να καθοδηγώ και να καθοδηγώ τους ανθρώπους σχετικά με το εάν το Analytics είναι ο σωστός ρόλος για αυτούς ή όχι. Έτσι, σκέφτηκα, θα προσπαθήσω να βάλω τις σκέψεις μου σε ένα πλαίσιο και να τις μοιραστώ με το κοινό αυτού του blog. Ο στόχος αυτής της ανάρτησης είναι να βοηθήσει εκείνους τους ανθρώπους που κάθονται στον φράχτη και σκέφτονται ποια δουλειά/ρόλος είναι κατάλληλος για αυτούς. Έτσι, εάν είστε κάποιος που σκέφτεται να προχωρήσει στην επιστήμη των δεδομένων ή αναρωτιέστε αν ταιριάζεις σωστά σε αυτόν τον κλάδο, εδώ είναι ένα τακτοποιημένο πλαίσιο που μπορεί να βοηθήσει.

Ο ρόλος ενός μέντορα στην οικοδόμηση μιας καριέρας είναι ανεκτίμητος. Όντας από τον κλάδο, ο μέντορας μπορεί να σας βοηθήσει να πλοηγηθείτε στο μονοπάτι μάθησής σας, ώστε να μην πέσετε σε παγίδες. Πιστοποιημένο BlackBelt AI & ML Συν Το πρόγραμμα συνοδεύεται από 100+ ώρες ζωντανών μαθημάτων, 100+ ώρες βίντεο με αυτορυθμισμένο ρυθμό, 18+ έργα πραγματικής ζωής και το πιο σημαντικό – καθοδήγηση 1:1, ώστε να μπορείτε να εστιάσετε στο να γίνετε επαγγελματίας έτοιμος για τον κλάδο με σχετική καθοδήγηση. 🙂

Δομή

Έχω βάλει ένα πλαίσιο με τη μορφή ενός πολύ απλού τεστ. Αυτό το τεστ βασίζεται στα χαρακτηριστικά που πρέπει να διαθέτει κάθε αναλυτής. Θα πρέπει να βαθμολογήσετε τον εαυτό σας σε κάθε μία από τις ερωτήσεις (εκτός της βαθμολογίας που αναφέρεται μετά την ερώτηση) και στη συνέχεια να προσθέσετε τις βαθμολογίες σας. Ένας καλός αναλυτής θα πρέπει να σκοράρει περισσότερο από 70 και όποιος σκοράρει κάτω από το 50 θα πρέπει να επανεξετάσει σοβαρά την απόφαση να γίνει επιστήμονας δεδομένων.

Πρέπει να γίνω Επιστήμονας Δεδομένων ή Επιχειρηματικός Αναλυτής

Ερωτήσεις δοκιμής:

  • Λατρεύετε το τραγάνισμα αριθμών και τη λογική επίλυση προβλημάτων – π.χ. παζλ, πιθανότητες και στατιστικά; (βαθμολογία από 20)

Λέγοντας αγάπη δεν εννοώ όπως, δεν εννοώ ότι δεν σας πειράζουν οι αριθμοί – εννοώ, έχετε εμμονή με τους αριθμούς! Σας αρέσει να κάνετε εικασίες-εκτιμήσεις οποιαδήποτε στιγμή της ημέρας – έκανα αυτές τις εκτιμήσεις ενώ κάνω ντους, ενώ οδηγώ, ενώ παρακολουθώ μια ταινία ή ακόμα και όταν κολυμπάω (και έχασα το μέτρημα γύρους)! Ξέρω ότι ο φίλος μου Tavish κάνει αυτούς τους υπολογισμούς και στο μυαλό του – ενώ οδηγεί ή ενώ παίζει μπάντμιντον. Αν θέλετε να ξεφύγω από μια συζήτηση, απλώς ρωτήστε με ένα πολύ δύσκολο λογικό πρόβλημα!

Κλειδί:

5 – φοβάστε τα μαθηματικά και τις στατιστικές, αλλά μπορεί να αντιμετωπίσετε σε κάποιο βαθμό

10 – Άνετα με μαθηματικά και στατιστικά, αλλά χρειάζεσαι αριθμομηχανές και excel για να λύνεις προβλήματα. Μην πειράζετε να επιχειρήσετε παζλ

15 – Λατρεύετε να τσακίζετε αριθμούς και να λύνετε λογικούς γρίφους οπουδήποτε

20 – Δεν μπορώ να ζήσω χωρίς τσακίσματα αριθμών και λογικούς γρίφους – μια εμμονή!

  • Σας αρέσει να εργάζεστε/να χειρίζεστε μη δομημένα προβλήματα; (βαθμολογία από 20)

Ένας αναλυτής αναπόφευκτα θα δοκιμαστεί έναντι αδόμητων και άμορφων επιχειρηματικών προβλημάτων. Και είναι το πώς λύνεις αυτά τα μη δομημένα προβλήματα, που αποφασίζει πόσο καλός ή κακός αναλυτής είσαι. Το πρώτο μου έργο στον πρώτο μου ρόλο ανέφερε:Τους τελευταίους μήνες, έχουμε δει υψηλή αύξηση σε πελάτες υψηλού κινδύνου τύπου X. Πρέπει να δημιουργήσετε μια στρατηγική βασισμένη σε δεδομένα για τη μέτρηση, τον έλεγχο και τη βελτίωση αυτής της κατάστασης.

Ακόμη και η επιχείρηση δεν είχε σαφή ορισμό αυτών των πελατών. Μπορείτε να χειριστείτε αυτό το είδος ασάφειας και να δώσετε μια κατεύθυνση μόνοι σας; Απολαμβάνετε αυτές τις καταστάσεις ή θα προτιμούσατε να αισθάνεστε άνετα σε έναν πιο καθορισμένο ρόλο;

Κλειδί:

5 – Έχω δοκιμάσει αυτά τα προβλήματα στο παρελθόν – αλλά όχι το φλιτζάνι του τσαγιού μου!

10 – Η βαθμολογία 10 θα σήμαινε ότι σας αρέσει να λύνετε αυτά τα προβλήματα μια στο τόσο (ας πούμε 3 – 6 μήνες)

15+ – Προτιμάτε τα αδόμητα προβλήματα υπερδομημένα. Δεν απολαμβάνετε κάποιος άλλος να διαμορφώνει προβλήματα για εσάς.

  • Σας αρέσει η βαθιά έρευνα και μπορείτε να αφιερώνετε ώρες τεμαχίζοντας και τεμαχίζοντας δεδομένα; (βαθμολογία στα 20)

Επιστρέφοντας στο πρώτο έργο που αντιμετώπισα, μου πήρε 3 μήνες για να κατανοήσω την επιχείρηση, να κάνω πολλές συζητήσεις με τους ενδιαφερόμενους, να τους φέρω στην ίδια σελίδα και μετά να εξορύξω τα δεδομένα για να αναδείξω λύσεις. Χρειάζεστε μια προοπτική ενός ερευνητή για να είστε καλός αναλυτής επιχειρήσεων. Πότε ήταν η τελευταία φορά που αφιερώσατε ώρες και ώρες στην επίλυση ενός προβλήματος; Μπορείς να το κάνεις ξανά και ξανά;

Κλειδί:

5 – Θέλετε μια αλλαγή κάθε λίγες ώρες. Δεν μπορείτε να δουλέψετε σε ένα μόνο πρόβλημα για ολόκληρη την ημέρα

10 – Μπορείτε να δουλέψετε σε ένα ερευνητικό πρόβλημα – αλλά χρειάζεστε κάποια παράπλευρη εργασία για να σας βοηθήσει από την πλήξη

15 – Νιώθετε ότι η παράπλευρη εργασία σας αποσπά την προσοχή από το να σημειώσετε πρόοδο στο βασικό πρόβλημα που εργάζεστε. Θα χαιρόμασταν αν τους αφαιρούσαν

20 – Δεν αντέχετε τους περισπασμούς

  • Σας αρέσει να δημιουργείτε και να παρουσιάζετε ιστορίες βασισμένες σε στοιχεία; (βαθμολογία στα 20)

Ένας επιστήμονας δεδομένων πρέπει να είναι ένας ρευστός παρουσιαστής. Σε τι χρησιμεύει όλη η σκληρή δουλειά, αν δεν είναι σε θέση να επηρεάσει τα ενδιαφερόμενα μέρη του; Η επικοινωνία με δεδομένα και η παρουσίαση ιστοριών που υποστηρίζονται από δεδομένα είναι ένα από τα πιο σημαντικά στοιχεία στη ζωή ενός επιστήμονα δεδομένων. Φανταστείτε ότι συμμετέχετε σε εταιρείες όπως η Google και η Amazon – έχετε όλα τα δεδομένα που χρειάζεστε (πιθανώς περισσότερα από αυτό) για τον τομέα στον οποίο εργάζεστε, αλλά πρέπει να τα μετατρέψετε σε μια ουσιαστική ιστορία, να τα παρουσιάσετε στους ενδιαφερόμενους και να τους επηρεάσετε να πάρεις τη σωστή απόφαση!

Κλειδί:

5 – Δυσκολεύεστε να επικοινωνήσετε τις μαθηματικές μου σκέψεις στο κοινό

10 – Μπορείτε να διαχειριστείτε την αφήγηση ιστοριών με πολλή εξάσκηση. Δεν μπορώ να σκεφτώ να το κάνω εν κινήσει!

15+ – Οποτεδήποτε, οπουδήποτε!

  • Αναρωτιέστε πάντα τις υποθέσεις των ανθρώπων και είστε πάντα περίεργοι να μάθετε το «Γιατί»; (βαθμολογία στα 10)

Αυτό είναι ίσως το καλύτερο και το πιο διασκεδαστικό κομμάτι! Εδώ είναι ένα απόσπασμα που διαβάζεται κάπου στο Linkedin: Το να μαλώνεις με έναν μηχανικό μοιάζει πολύ με το να παλεύεις στη λάσπη με ένα γουρούνι: Μετά από λίγες ώρες, συνειδητοποιείς ότι αρέσει στο γουρούνι. Ομοίως, το να ρωτάς γιατί έρχεται φυσικά σε έναν καλό επιστήμονα δεδομένων. Μερικοί από τους καλύτερους επιστήμονες δεδομένων θα σταματούσαν οποιονδήποτε και θα ζητούσαν μια λογική αν δεν είναι ξεκάθαροι – Γιατί κάνατε αυτήν την ερώτηση; Ποια ήταν η διαδικασία σκέψης σας; Γιατί το υποθέτεις; είναι μόνο μερικά παραδείγματα από αυτές τις ερωτήσεις!

Κλειδί:

5 – Κάνεις ερωτήσεις μόνο όταν είναι κρίσιμο να τεθούν

8+ – Δεν αντέχεις το άγχος να μην καταλάβεις κάτι! Πηδώντας να κάνω ερωτήσεις!

  • Σας αρέσει η επίλυση προβλημάτων και ευδοκιμείτε στις πνευματικές προκλήσεις; (βαθμολογία στα 10)

Οι αναλυτές απαιτούν ικανότητα επίλυσης προβλημάτων. Τα περισσότερα από τα προβλήματα που θα αντιμετώπιζαν οι επιχειρήσεις θα ήταν μοναδικά για αυτές και θα χρειαζόταν ένας έξυπνος λύτης για να τα λύσει. Λύσεις, που λειτουργούν για έναν οργανισμό μπορεί να μην λειτουργούν για έναν άλλο – πρέπει να είστε κάποιος που αναπτύσσει γρήγορα μια βαθιά κατανόηση ενός προβλήματος και στη συνέχεια να βρείτε καινοτόμους τρόπους για να λύσετε αυτά τα προβλήματα

Κλειδί:

3 – Δεν σε πειράζει να σκέφτεσαι για την επίλυση προβλημάτων – αλλά παλεύεις.

6 – Μπορείτε να λύσετε προβλήματα κατά καιρούς

9 / 10 – Απλώς αγαπάτε τη διαδικασία της πνευματικής σκέψης

ερωτήσεις

Σημειώσεις τέλους:

Ποια είναι η βαθμολογία μου; Θα βαθμολογούσα κάπου μεταξύ 80 και 85 σε αυτό το τεστ. Είναι η σειρά σου τώρα. Κάντε το τεστ και πείτε μου πόσο βαθμολογείτε; Επίσης, ενημερώστε με εάν πιστεύετε ότι το τεστ ήταν χρήσιμο ή κάτι άλλο.

Σημειώστε ότι, όπως όλες οι υποκειμενικές ερωτήσεις, δεν υπάρχουν σωστές ή λάθος απαντήσεις εδώ. Μπορεί να έχετε χαμηλή βαθμολογία στο τεστ, αλλά παρόλα αυτά, να είστε ο καλύτερος αναλυτής/επιστήμονας δεδομένων εκεί έξω. Ωστόσο, το τεστ θα πρέπει να βοηθήσει τους περισσότερους ανθρώπους που αντιμετωπίζουν σύγχυση. Εάν εξακολουθείτε να είστε μπερδεμένοι μετά την ανάγνωση αυτού του άρθρου, μη διστάσετε να μοιραστείτε τη σύγχυση/ερώτησή σας μέσω των παρακάτω σχολίων. Θα σας βοηθήσει να ξεκαθαρίσετε τη σύγχυση και θα με βοηθήσει να βελτιώσω αυτό το πλαίσιο.

Σας άρεσε αυτό το πλαίσιο; Εμείς στο Analytics Vidhya ακολουθούμε μια αναλυτική προσέγγιση για την επίλυση προβλημάτων. Εάν θέλετε να γίνετε επιστήμονας δεδομένων με αυτήν την αναλυτική νοοτροπία, ρίξτε μια ματιά στο Certified AI & ML BlackBelt Συν Πρόγραμμα που προσφέρει 100+ ώρες ζωντανών μαθημάτων, 100+ ώρες βίντεο με αυτορυθμισμένο ρυθμό, 18+ έργα πραγματικής ζωής και το πιο σημαντικό – καθοδήγηση 1:1. Το μάθημα έχει σχεδιαστεί προσεκτικά από ειδικούς, ώστε να μπορείτε να γίνετε επαγγελματίας έτοιμος για τη βιομηχανία!

Τώρα που ξέρετε ότι μπορείτε / δεν μπορείτε να γίνετε επιστήμονας δεδομένων, ίσως ρωτάτε «Πώς μπορώ να γίνω επιστήμονας δεδομένων;». Εδώ είναι ο οδικός χάρτης –