在SkillFactory，作为一所专门培训数据科学家和数据分析师的学校，我们关注学生本身和雇主对专业本身的看法。我们已经讨论了Data Analyst专业人员的要求以及本材料中职位空缺的困惑，现在我们想与您分享Google智能决策部门负责人的文章翻译，她在其中谈到了Data Scientist职位的前景。关于由于对职位的不同理解或缺乏经验的人力资源以及如何保护您免受简历中的错误而聘用数据科学家时公司的风险。
数据科学是泡沫吗？您会惊讶于我经常被问到这个问题。我的答案？
可能不是，但数据科学家的职位可能是。
让我在干草叉人群到达之前解释一下自己。
数据科学家与数据科学的定义
有很多观点，但是我更喜欢以下定义：“数据科学是使数据有用的学科。” 如果您不喜欢我的定义，则可能会喜欢Harlan Harris的明确定义：
数据科学由数据科学家的工作定义以及他的工作被很好地定义。但是，数据科学家是谁，也许是一个更基本的问题。
好的。那我们是谁 好吧，这取决于您所在的俱乐部。这就是泡沫想法起作用的地方。
AND与OR
对于某些人来说，该职位意味着他在三个专业（统计，数据收集，机器学习）中的全部能力。对于其他人，这意味着一个人的技能与其他人的技能结合在一起。招聘时对职位的这种不同理解可能会伤害您。
选项一。只有值得的！
有些人梦想着剥夺他们的工作的模仿者，并将神圣的职业限制为对数据了解一切的精英。
这样的人在面试时感觉如何？他们希望将我视为一位经验丰富的统计学家，拥有机器学习知识，分析黑带和一系列应用项目。他们想知道我的研究生院是否时髦。他们想测试我如何成为领导者以及如何解决业务问题。哦，我最好有沟通能力。那棍子上的月亮呢？如果我从八岁起就没有做过数据，那我会感到恐惧。在那之前，这是一个有趣的小俱乐部，我对此深有抵触。
我称它为：俱乐部和... 参与者必须是有能力的统计学家，机器学习专家和具有珠宝编码技能的分析师。请注意，进入这个俱乐部非常困难；在所有数据问题上都是专家的人并不多。这些人将永远无法满足世界对专家的需求。可悲的是，这就是供求的本质。
选项二。门向所有人开放！
另一种更为拥挤的俱乐部是OR俱乐部。它由将职务（例如分析师或统计学家）重命名为通用术语的人员组成。听起来更好，增加了数据科学的就业机会，扩大了社区，带来了各种技能。每个人都赢。对？几乎。
我喜欢什么：它强调团队合作，数据科学的运动性质，这种方法使更多的人参与数据科学。优秀的！数据科学的某些领域并不难。数据挖掘，即收集数据，是人们比他们想像的要熟练的东西。如果您认为收集数据需要博士学位，那么我有个好消息。您只需要了解如何查看数据集，适度的谦卑和常识。
那另一边呢？数据科学以其高要求和长期沉浸于学习而闻名。我对那些可怜，困惑的招聘经理深表同情，他们认为他们正在招募多才多艺的专家，但正在招聘的人才远不如此。虚假广告具有破坏性。
提示：如果要完全保证自己不会夸大简历，那么数据分析师的职位是最安全的选择。
虚假广告
老实说，每当我成为数据科学家时，我都会做与以前相同的工作，只是职位不同。当“有效的经理”再次改变其职务时，我的职责丝毫没有改变。
我也不例外。我有很多前统计学家，决策支持工程师，定量分析师，数学教授，大数据科学家，业务分析师，领先分析师，研究科学家，软件工程师，博士学位...所有人都为之骄傲科学家们。
当我成为数据科学家时，我的职责完全没有改变。
朋友，我不判断。妥善管理您的个人品牌。但我想指出的是，鉴于杂乱无章的人群如何吸引这个名字，基于“数据科学家”的概念对数据科学的定义不是很准确。以极限为单位，我们得到一组精心设计的单词，以尽量少说。这反映在数据科学家的观察方式中。最近，当数据科学招聘经理发布诸如“您有博士学位吗？”之类的信息时，我感到压力激增。那你可能是一位数据科学家。“ 改写以保护无辜者。
使用职务定义数据科学是一个危险的游戏。
知名的数据科学家已经知道他们在寻找什么，并且可以找到一个很好的数据科学家，即使职位名称上说的是外星人。我担心经验不足的招聘经理。许多刚开始从事数据科学工作的公司都没有帮助他们的专业知识。他们的计划？雇用数据科学家，一切都会好起来的。
小心那些付款的人
让自己成为新的招聘经理吧：您已经读了很多书，并决定需要项目的统计，数据收集和机器学习技能。您可以雇用三个人。现在让我们看一下候选人：10张标有“数据科学家”的简历。
如果这些人是I俱乐部的成员，则可以选择任何三个简历。每个候选人都有您需要的技能。不幸的是，这个俱乐部并不大（阅读：聘用非常昂贵），所以很可能这10个人不是I成员。
招聘经理可能很难确定候选人真正擅长的数据科学部分。
如果他们是人或者（在当今的环境中很有可能），您必须仔细采访他们，以了解他们真正的技能。您需要三种不同的技能。面对您的人可能只有一个，但他们也有各种动机说服您他们是普遍的。他们可能对这三个领域（统计，数据收集，机器学习）的知识最少。这对于您的项目和招聘都可能是危险的。您需要弄清楚它们真正擅长的是什么，除非您是一位具有各种背景的经验丰富的数据科学家，否则这将非常棘手。
结果？求职时有误。简历流行语并不能保证真正的技能。
我已经看到许多团队不小心让多个分析师来收集数据，而不是由一个分散的小组来收集数据。但这不仅是数据科学问题。事实证明，简历上的流行语不一定具备技能保证。流行语越热，它的传播范围就越大。
数据分析到此结束了吗？
我个人对职位名称一无所知。技能必须符合公司的所有需求，这一点很重要。如果职位不是一个很好的指标，那么熟练的招聘经理将学会在简历中寻找其他内容。
一无所知，我什至可以预见到OR俱乐部的历史。这个职位可能只是过时了，但我不是那种跟随的人。
那么，数据科学是否有泡沫？
世界上越来越多的数据意味着对三项核心数据科学活动的更多需求-统计推断，机器学习，分析/数据收集-因此，尽管这些技能的名称可能会发生变化，但它们仍将保持高度相关性。您总是可以通过从数据中提取价值来谋生。
另一方面，那些被炒作聘用而从未学会专注于对业务有价值的团队可能会发现他们的时间已经用完了。
几年前，我的一个朋友（从事技术工作的CTO）抱怨他无用的数据科学家。我告诉他：“我认为您可以雇用数据科学家，就像毒drug为自己的财产买下一只老虎一样。” “你不知道要从老虎那里得到什么，但是其他所有毒drug都有一个。”
我不认识真正的毒drug（或老虎），所以我不知道他们的财产有什么。但是你了解我。
虽然Data Science听起来像泡沫，但实际上我很乐观。数据量的增长意味着机会的增长。所有这些都需要良好的管理。例如，我的一个朋友最终通过在数据分析师的帮助下意识到他的组织部分需要培训来解决了他的许多问题。从那时起，他的团队就如何分配工作变得更加周到。伟大的事情已经开始。教决策者如何使用数据科学节省了一天！
确保决策者具有正确的工作技能。如果存在气泡，则可能是气泡的根源。
今天的数据科学领导者所面临的挑战是帮助决策者通过这种培训。这将创造更多的人，他们可以指出有价值的数据科学家的技术才能。在这里阅读更多。数据科学家带来价值后，其内容就成为必需品，而不是时尚问题。我们可以在Data Scientist工作失去人气并开始重新命名之前解决这些问题吗？
在我们的课程中，我们不断分析市场并为学生提供那些使他们能够长期保持专业需求的真正技能。为了正确展示所学技能，我们将与毕业生的简历和作品集一起工作。
- Data Science (12 )
- - Data Analytics (5 )
- - Data Science (14 )
E
- (18 )
- (6 )
- Machine Learning (12 )
- « Machine Learning Data Science» (20 )
- «Machine Learning Pro + Deep Learning» (20 )
- - (8 )
- «Python -» (9 )
- DevOps (12 )
- Java- (18 )
- JavaScript (12 )
- UX- (9 )
- Web- (7 )
