Bild von Autor | Leinwand
Wenn Sie über eine Datenkarriere nachdenken, welche Jobtitel sind die ersten, die Ihnen in den Sinn kommen? Datenanalyst. Datenwissenschaftler? Das struggle’s. Selbst ein Dateningenieur oder ein maschinelles Lerningenieur scheint eine etwas linke Feldauswahl zu sein.
Wenn die meisten von Ihnen genauso denken, überraschen Sie nicht, dass es so schwierig ist, einen Datenwissenschaftlerjob zu landen.
Heute werden wir uns einige different Karrierewege ansehen. Sie bieten Ihnen möglicherweise eine bessere Likelihood auf Beschäftigung und bieten Ihnen sogar eine interessantere Karriere als diese geschlagenen Tracks.
1. Datenproduktmanager
Diese Rolle ist eine Brücke zwischen Geschäfts-, Ingenieur- und Datenteams. Sie definieren die Datenanforderungen für Datenprodukte. Diese Place kann je nach Produkt (en), an denen Sie arbeiten, von Kunden ausgerichtet sein oder nicht.
Beispielsweise wären Datenprodukte für kundenbezogene Daten Daten-APIs, Schnittstellen für maschinelles Lernmodell oder Kunden-Schnittstellen und Dashboards in Analysetools. In Ihrer Arbeit konzentrieren Sie sich auf Zugänglichkeit, Skalierbarkeit und Zuverlässigkeit des Instruments. Kurz gesagt, Benutzererfahrung.
In einer nicht kundenspezifischen Rolle arbeiten Sie möglicherweise an internen Dashboards, internen Self-Serve-Analyse-Instruments, Datenpipelines oder maschinellen Lernmodellausgängen. Der Schwerpunkt liegt hier auf dem Umgang mit funktionsübergreifenden Anforderungen, dem Erhalten von schnellen Erkenntnissen und zuverlässigen Daten.
Um das Bild klar zu machen, ist dies eine Rolle, in der Sie mit Anforderungen wie folgt werden::
- Wir brauchen einen Filter von Kohorte in diesem Armaturenbrett.
- Diese API erfordert Pagination und Zugriffskontrolle.
- Das CHURN -Vorhersagemodell muss für das Buyer Success -Workforce erklärbar sein.
Fähigkeiten erforderlich:
1. SQL & Information Analytics
2. Kommunikation der Stakeholder
3. Produktmanagement
4. Primary UX für Dashboards
So lernen Sie kostenlos:
2. Datenjournalist
Datenjournalisten erzählen eine Geschichte mit Daten mit ihren Datenanalyse- und Visualisierungsfähigkeiten. Sie könnten selbst „reguläre“ Journalisten selbst oder Analysten sein, die mit Journalisten zusammenarbeiten, um Muster in öffentlichen Daten zu finden, Ansprüche mit Beweisen zu überprüfen und Informationen durch Datenvisualisierungen verdaulich zu machen.
Sie können in Nachrichtenräumen der Presse und elektronischen Medien, investigativen Einheiten (z. B. ProPublica, ICIJ), gemeinnützigen Organisationen und Assume Tanks arbeiten.
Zu den Projekten, an denen Datenjournalisten arbeiten, können die Analyse der Analyse von staatlichen Ausgabenaufzeichnungen umfassen, um Korruption zu enthüllen, interaktive Wahlvisualisierungen zu erstellen, über den Klimawandel zu berichten und so weiter.
Fähigkeiten erforderlich:
1. Datenreinigung
2. Datenvisualisierung
3.. Geschichtenerzählen und Schreiben
- Identifizierung des Winkels oder der Erzählung in einem Datensatz
- Schreiben von Schlagzeilen und Leitungen, die Aufmerksamkeit erregen
- Statistiken in einfacher Sprache erklären
- Zitat von Experten oder Group -Mitgliedern, um die Geschichte zu humanisieren
4. Daten finden
So lernen Sie kostenlos:
3.. Analytics Engineer
Dateningenieure verarbeiten Rohdatenaufnahme und -speicher, während Analysten Abfragen ausführen und nach Datenersichten suchen. Was sind Analytics Engineers dann? Sie verwandeln Rohdaten in saubere Datensätze, die für die Analyse und die eigene Analyseschicht eines Datenstapels bereit sind.
Typische Aufgaben für Analyseingenieure umfassen das Entwerfen und Aufbewahren eines DBT -Modells zur Datenumwandlung, die Definition von Metriken und Geschäftslogik sowie das Erstellen von Datenmarts und semantischen Schichten. Sie arbeiten auch mit Information Engineers (Upstream) und Analysten/Produktmanagern (nachgeschaltet) zusammen.
In gewisser Weise sind Analyseingenieure Software program -Ingenieure von Datenanalysen.
Fähigkeiten erforderlich:
1. Superior SQL (für die Transformationslogik)
2. Datenbauwerkzeug (DBT) (für Analytics Engineering)
- Schreibmodelle in DBT
- Einrichten von Abhängigkeiten und Ref () -Ketten
- Modellverzeichnisse aufbauen und aufrechterhalten (Staging -> Zwischenprodukt -> Marts)
- Schreiben von Checks (einzigartig, nicht_null, Accepted_values)
3.. Git und Versionskontrolle
- Verwenden Sie Git zum Drücken/Zugcode und Verwalten von Zweigen
- Nachrichten begehen
- Öffnen von Pull -Anfragen zur Codeüberprüfung
- Lösung von Zusammenführungskonflikten
4. Information Warehousing
- Anfragen optimieren
- Verwalten von Datensätzen, Berechtigungen und Schemas
- Inkrementelle Modelle und Materializationen
- BigQuery
- Schneeflocke
- Rotverschiebung
5. Bonusfähigkeiten:
So lernen Sie kostenlos:
4. Operations Analyst
Operations -Analysten analysieren Workflows (z. B. eine Lieferkette, Private, Kundenservice), identifizieren suboptimale Leistung, verschwendete Ressourcen und Engpässe und schlugen Lösungen vor.
Kurz gesagt, sie verwenden Daten, um den Geschäftsbetrieb zu optimieren. Einige häufige Beispiele sind die Lieferoptimierung, Analyse der Kostenreduzierung und die Planung der Belegschaft.
In ihren Arbeiten erstellen Operations-Analysten Berichte über KPIs, Szenariomodelle zur Beantwortung von Fragen (z. B. was ist, wenn das Unternehmen Verschiebungen reduziert), das Dashboard für die Echtzeitbetriebsüberwachung und automatisiert Aufgaben.
Fähigkeiten erforderlich:
1. Excel und SQL
- Aufbau von Drehzägen und zusammenfassenden Berichten
- Datenbanken aus Datenbanken ziehen
- Daten reinigen und analysieren
2. Instruments zur Datenvisualisierung
- Diagrammtypen
- Bauen von Dashboards mit Filtern und Bohrern
- Verbindung zu Datenquellen und Automatisierung von Aktualisierungsplänen
- Tableau
- Energy Bi
- Looker Studio
3. Vorhersage und Szenariomodellierung
4. Prozessautomatisierung
So lernen Sie kostenlos:
5. Datenethiker/KI -Politikanalyst
In diesem Job stellen Sie sicher, dass Algorithmen und Datensysteme truthful und rechenschaftspflichtig im Einklang mit Menschenrechten und sozialen Werten verwendet werden. Die Rolle konzentriert sich auf die ethischen Aspekte der Entwicklung, Bereitstellung und Regulierung der datengesteuerten Technologie.
Diese Experten werden in der Regel von Regierungen, akademischen Institutionen, Assume Tanks und NGOs beschäftigt. Sie können auch eine Beschäftigung in privaten Unternehmen finden, die auf Ethik gezwungen sind (gezwungen sind), nicht nur Gewinne.
Typische Aufgaben umfassen die Überprüfung von Modellen für maschinelles Lernen für Verzerrungen oder unterschiedliche Auswirkungen, Beratung von Produkt- und Rechtsteams zur Einhaltung der Datenschutzbestimmungen (z. B. der DSGVO) und zur Beitrag zu KI -Richtlinienvorschlägen, Modelldokumentation oder Prüfungsrahmen. Sie werden auch mit Datenwissenschaftlern zusammenarbeiten, um die Erklärung und Modelltransparenz zu fördern
Fähigkeiten erforderlich:
1. grundlegendes Verständnis von Algorithmen und Modellverzerrung
2. rechtliche und ethische Rahmenbedingungen
3.. Kommunikations- und Richtlinienschreiben
- Schreibmodelldokumentation und Folgenbewertung
- Übersetzen Sie technische Modellrisiken in eine einfache Sprache
- Entwurf von Ethik -Richtlinien, Richtlinien oder Positionspapieren
So lernen Sie kostenlos:
Abschluss
Beschränken Sie sich nicht auf nur wenige Karrieremöglichkeiten, wenn Sie mit Daten arbeiten möchten. Nicht jeder muss Datenwissenschaftler sein. Es ist so hochgespielt, Sie würden denken, es ist die einzige Possibility. Nein, das ist es nicht. Die fünf hier erwähnten Alternativen zeigen, wie vielfältig eine Datenkarriere sein kann. Diese Alternativen ermöglichen es Ihnen, Ihr technisches Wissen mit einem greifbaren Ergebnis zu nutzen und sogar eine bessere Gesellschaft zu schaffen.
Nate Rosidi ist Datenwissenschaftler und in Produktstrategie. Er ist außerdem eine zusätzliche Professorin für Lehranalysen und Gründer von Stratascratch, einer Plattform, die Datenwissenschaftlern hilft, sich auf ihre Interviews mit echten Interviewfragen von Prime -Unternehmen vorzubereiten. Nate schreibt über die neuesten Traits auf dem Karrieremarkt, gibt Interviewberatung, teilt Datenwissenschaftsprojekte und deckt alles SQL ab.