Lektionen eines CEO – DataQuest

https://www.youtube.com/watch?v=0JMPH-o2iH4

Das Einbrechen in eine Karriere in der Daten kann eine Herausforderung sein, insbesondere für diejenigen, die sich nicht sicher sind, wo sie anfangen sollen oder wie sie sich in einem wettbewerbsfähigen Arbeitsmarkt abheben können. Deshalb haben wir uns mit Kishawna Peck zusammengesetzt, CEO von Womxn in Information Scienceder Erkenntnisse, die aus über einem Jahrzehnt führender Datenteams gewonnen, Programme erstellt und Tausende von Lernenden auf ihren Datenreisen unterstützt wurden.

Ein nicht-traditioneller Weg in Daten

Kishawnas Reise in die Daten struggle nicht einfach. Sie studierte zunächst die Soziologie, bevor sie in die Wirtschaft wechselte, obwohl sie den mathematischen Hintergrund fehlte, den viele ihrer Kollegen hatten. Sie unterrichtete sich Berechnung und Statistiken, konfrontierte akademische Rückschläge und das Lernen durch Versuch und Irrtum und beharrte durch Neugier und Entschlossenheit.

Während ihrer gesamten Karriere wurde sie oft die erste Daten in verschiedenen Organisationen, was bedeutete, Groups und Prozesse von Grund auf zu etablieren. Diese Erfahrungen lehrten sie, wie sie mit minimaler Dateninfrastruktur umgebunden werden und den Wert von Daten in Räumen demonstrieren, in denen sie nicht ausreichend waren. Später gründete sie Kanadas erste Frauen in der Information Science Convention. Aufbau einer Gemeinschaft von über 4.000 Mitgliedern. Heute ist sie für ihre Beiträge zur KI und für die Datenkompetenz anerkannt – Akkompeten, die nie Teil eines vorgegebenen Plans waren, sondern aus der Nutzung von Möglichkeiten und dem kontinuierlichen Lernen entstanden sind.

Kishawna betont, dass der Ausgangspunkt der eigenen ihre Zukunft im Bereich Daten nicht diktiert.

Wesentliche Fähigkeiten für eine Datenkarriere

Um eine starke Grundlage für Daten aufzubauen, hebt Kishawna die folgenden Kernkompetenzen hervor:

• Technische Kenntnisse: Lerne SQL mit Datenbanken arbeiten, Python oder R zur Analyseund Instruments, um Daten klar zu visualisieren.
• Effektive Kommunikation: Die Fähigkeit, Datenerblicke in das nicht-technische Zielgruppen zu erklären, ist genauso wichtig wie die Durchführung der Analyse selbst.
• Problemlösung: Analytisches Denken und Liebe zum Element helfen dabei, Rohdaten in umsetzbare Erkenntnisse umzuwandeln.
• Neugier und Anpassungsfähigkeit: Die Datenindustrie entwickelt sich rasant und macht es wichtig, sich mit neuen Entwicklungen zu beschäftigen und kontinuierlich zu lernen.

Überbrückung der Lücke: vom Anfänger bis zu Jobbereitschaft

Kishawna beschreibt einen strukturierten Ansatz zum Übergang in eine Datenkarriere:

1. Karriereziele identifizieren: Verständnis verschiedener Datenrollen – zum Beispiel als DatenanalystDatenwissenschaftler und Dateningenieur– Individuen richten ihr Lernen mit den Erwartungen der Branche aus. Verschiedene Felder können bestimmte Werkzeuge bevorzugen. Zum Beispiel verwendet das Gesundheitswesen häufig R, während Technologieunternehmen häufig auf Python verlassen.
2. Aktuelle Fähigkeiten bewerten: Der Vergleich der persönlichen Erfahrung mit Jobbeschreibungen hilft bei der Identifizierung von Talent -Lücken. Instruments wie Begriff oder KI-basierte Plattformen können einen Lernplan strukturieren.
3. Einen Lernplan erstellen: Ein strukturierter Ansatz sollte sich auf technische Fähigkeiten sowie auf Mushy Abilities wie Kommunikation und kritisches Denken konzentrieren. Praktische Lernplattformen wie DataQuest bieten Möglichkeiten, Wissen durch reale Projekte anzuwenden.

Ein starkes Portfolio aufbauen

Ein intestine ausgearbeitetes Portfolio ist für das Präsentieren von Fachkenntnissen von wesentlicher Bedeutung. Kishawna rät den Lernenden, Themen zu erforschen, die mit ihnen in Anspruch nehmen, wie z. Ein starkes Portfolio sollte eine überzeugende Geschichte erzählen, indem sie das Downside, die Methodik und Erkenntnisse beschreiben. Das Ziel ist zu zeigen, dass Sie können ein Projekt durcharbeiten von Anfang bis Ende.

Wo kann man Ihre Arbeit teilen
Hostet dein Portfolio auf GitHubeine persönliche Web site oder Tableau Public. Stellen Sie sicher, dass es organisiert, klar und leicht zu navigieren ist. Präsentationsangelegenheiten – Sie möchten, dass die Leute Ihre Arbeit verstehen, ohne einen technischen Hintergrund zu benötigen.

Strategien für Netzwerk- und Arbeitssuche

Kishawna unterstreicht die Bedeutung der Networking, die über die einfache Suche nach Beschäftigungsmöglichkeiten hinausgeht. Die Beschäftigung mit Branchenfachleuten, Besuchen von Veranstaltungen und dem Beitritt zu On-line -Communities bietet wertvolle Lernerfahrungen. Insbesondere mittelgroße Unternehmen bieten hervorragende praktische Möglichkeiten für Fachleute für Frühkarriere.

Bei der Vorbereitung auf Interviews sollten die Kandidaten bereit sein, ihren Ansatz zur Problemlösung zu artikulieren, Projektherausforderungen zu diskutieren und die von ihnen abgeleiteten Erkenntnisse zu erklären. Arbeitgeber schätzen kritisches Denken genauso wie technische Ausführung.

Bedenken auf gemeinsame Bedenken

Viele anstrengend Datenfachleute machen sich Sorgen um ihre mathematischen Kenntnisse. Während fortgeschrittene mathematische Fähigkeiten nicht immer erforderlich sind, grundlegende statistische Konzepte verstehen– wie Mittelwert, Median und Ausreißer – sind entscheidend für die effektive Interpretation von Daten.

Bedenken hinsichtlich des Ersetzens von KI -Ersetzen von Datenrollen sind ebenfalls häufig. Kishawna versichert den Lernenden, dass die Automatisierung, während sie sich wiederholende Aufgaben erwerben kann, das menschliche Urteilsvermögen, das für strategische Entscheidungsfindung und ethische Dateninterpretation erforderlich ist, nicht ersetzen kann.

Umsetzbare Schritte zum Einstieg

Für diejenigen, die das Feld betreten möchten, bietet Kishawna eine Roadmap:

1. Setzen Sie klare Ziele: Definieren Sie die gewünschte Rolle und Industrie.
2. Fähigkeiten bewerten: Identifizieren Sie Stärken und Lücken.
3. Fangen Sie an zu lernen: Erstellen Sie technische und analytische Fähigkeiten durch strukturierte Ressourcen.
4. Erstellen Sie ein Portfolio: Arbeit an Projekten, die die reale Problemlösung demonstrieren.
5. Netzwerk mit Zweck: Beschäftige dich mit Gemeinschaften und baue sinnvolle berufliche Verbindungen auf.

Letzte Gedanken

Kishawnas Reise zeigt, dass der Erfolg in der Datenwissenschaft keinen linearen Weg erfordert. Persistenz, Neugier und Anpassungsfähigkeit sind weitaus wichtiger als alle Antworten von Anfang an. Sie ermutigt aufstrebende Datenfachleute, sich auf das Wachstum zu konzentrieren, geduldig mit sich selbst zu sein und einen Schritt nach dem anderen zu tun.

Wenn Sie bereit sind, loszulegen, entdecken Sie Die Lernpfade von DataQuest und laden Sie die herunter Winterbogen Arbeitsbuch Um Ihnen dabei zu helfen, Ihre Fähigkeiten zu bewerten und klare, umsetzbare Ziele für Ihre Karrierereise zu setzen.