Data scientist - Verdens stiligste jobb!

Publisert 18 okt 2017 Verdens stiligste jobb!

Forbes skriver at data scientist var den åttende best betalte jobben i 2015. Men hva gjør de, og hvordan skiller de seg fra bedriftsanalytikere?

Forbes skriver at data scientist var den åttende best betalte jobben i 2015. Yrket har fått en skikkelig oppsving i de senere årene, og er med big data utnevnt til århundrets mest stilige jobb.

Noen leter febrilsk etter en god data scientist som kan få fart på avansert analyse men det virker som om de er like sjeldne som enhjørninger. Men det er en viktig kjerne i konseptet som vi ønsker å fange opp og formidle. Data scientists spiller en viktig rolle, og er kommet for å bli. La oss ta en nærmere titt på hva som skiller en data scientist fra en bedriftsanalytiker, hvilken bakgrunn og karakter en data scientist har, og hvordan de driver utviklingen.

Data scientist eller bedriftsanalytiker?

I de fleste bedrifter har man i dag bedriftsanalytikere som utreder analytiske spørsmål, sammenstiller data, tolker og presenterer rapporter og interaktive grensesnitt for å analysere virksomheten.

Det er viktig for å kunne ta avgjørende beslutninger for å utvikle og forbedre virksomheten, på bakgrunn av fakta. Dette har lenge vært arbeidsoppgavene til bedriftsanalytikere.

Hva er hensikten med det arbeidet en data scientist utfører? Akkurat det samme! Snu på spørsmålet: hva ville hensikten ellers være, om det ikke gjaldt å utvikle og forbedre bedriften?

Den store forskjellen er at en data scientist tenker bredere, oppdager og angriper større og mer komplekse datakilder med nye metoder, tankemåter og verktøy. Et mer detaljert skille mellom disse to disiplinene finnes her. Spør vi Data Science Central (med en klar hensikt i spørsmålet) fremhever de data scientists som "dem som er engasjert i big data".

 

Data Scientist er svært bredt.

Data scientist = data + science

Hvis vi ser etymologisk på begrepet data scientist så handler det rett og slett om data og forskere.

Data kan være hva som helst, men når man tolker dem, er det i håp om å få informasjon og innsikt. En forsker er i sin tur en person "involvert i en systematisk aktivitet for å tilegne seg kunnskap som beskriver den naturlige verden". Begrepet "data scientist" er svært bredt, men det er også det som er en data scientists styrke: Bredden til å takle ulike utfordringer når nye data blir tolket og omdannet til forretningsmessige fordeler.

Les mer i artikkelen: "Derfor vil så mange jobbe med å skape intelligent business"

Et universalgeni?

I bildet under tar vi opp noen av de kvalifikasjoner som er avgjørende for en vellykket data scientist. Det har blitt sagt at "vanligvis har et geni en spesiell retning: men omfatter det alle eller de fleste områder kunnskap, kalles det universalgeni".

Under renessansen var universal-geniet idealet, og universitetene forsøkte å utvikle elevenes intellektuelle, kunstneriske, sosiale og fysiske sider [lat. universitas: helhet]. I dagens samfunn er spesialisering nøkkelordet og det er vanskelig å finne en universitetsutdannelse som omfatter "allmennkunnskap".

Samtidig er det akkurat det vi krever av en data scientist: håndtere store og komplekse datamengder, holde fokus på bedriftens strategiske mål, vurdere statistiske tester, skape nettverk med alt fra politikere til IT-profesjonelle, lage flotte effekter, bygge interaktive instrumentbord, scripte effektive maskinlærings-algoritmer, tenke ut nye hypoteser, sikre at analysen er vitenskapelig, forstå ulike virksomheter og ikke minst kommunisere og overbevise med det man har komme frem til. Hvordan gjør man det? Hemmeligheten er at nybegynnere lærer fort og at man ikke trenger å være ekspert på alle områder.

Data science

Hvor vokser data scientists?

Den viktigste grobunnen for data scientists er utvilsomt nysgjerrighet og inspirasjon kombinert med intelligens og motivasjon. En bred teknisk utdanning med forskningsorientering er ingen ulempe, og det er ingen tilfeldighet at eksempelvis tekniske fysikere blir vellykkede data scientists. Noen har tatt et steg videre og fordypet seg i et doktorgradsprosjekt. For noen fagområder er en doktorgrad en forutsetning, men det må veies opp mot den praktiske og kommersielle erfaring som tilsvaende tid i næringslivet kan gi. Uansett utdanning og bakgrunn: alle kan utvikles til en bedre data scientist! 

På Knowit tilbyr vi fokuserte kurs som kan løfte en hel bedrifts informatikknivå. For spesifikke emner og teknikker finnes også åpne tjenester som Coursera, European Data Science Academy og Data Science Masters.

Det er like viktig å utforske GitHub, Stack Overflow, StackExchange og prøving og feiling i konkurransene på Kaggle. Nøkkelen til vekst er stadig å lære nye ting, prøve nye teknikker og teorier for å utvide sin kunnskap. En data scientist foretrekker et åpent miljø med åpen kildekode, og tester gjerne nye løsninger. De elsker samarbeid for å dele lærdom og erfaringer og bli inspirert til å oppdage noe nytt. I en organisasjon, ser de seg selv som oppdagelsesreisende, og drives av de store hvite flekkene på kartet over spennende data.

Nå tenker du kanskje "Aha, det er de som stadig må google alt midt i middagen!" Vel, i noen tilfeller, men sosiale ferdigheter er like viktig!

Gode ​​håndverkere klager ikke over verktøyet sitt

Akkurat som håndverkere, så er en data scientist heller ikke mye verdt uten verktøyet sitt. Og en god håndverker bruker tid på å skape og utvikle verktøyene sine. Vi trenger en verktøykasse med stort mangfold for ulike problemer: skriptspråk for vitenskapelig databehandling, bibliotek for maskinlæring og data minering, databaser for strukturerte og ustrukturerte data, GIS-verktøy, Java-basert verktøy for visualisering, skytjenester for tyngre analyser, grensesnitt for webutvikling, linux funksjoner for "data vridning", ulike forretningsintelligens programmer, og ikke minst metoder og prosesser for prosjektledelse, organisering, forretningsforståelse og strategisk arbeid. Listen over programmer og metoder kan være lang, men det viktigste ved et verktøy er hvilken funksjon det har, og hvilke fordeler det gir.

Kommet for å bli

Det er åpenbart at data scientists er kommet for å bli. Deres bredde og analytiske tilnærminger er utvilsomt en stor ressurs I dag, når data er en stadig viktigere ressurs. Men de må ha et godt arbeidsmiljø, og kan ikke bli sittende fast i datavaskejobber. På rett sted utfyller de bedriftsanalytikere med nye verktøy og ferdigheter, blir drevet til å utvikle seg selv og virksomheten, og sår frøene til innovasjon underveis. Hvordan data scientists oppnår den perfekte balansen mellom arbeid og fritid, er derimot et mysterium. Kanskje det har med allsidighet, åpenhet og nysgjerrighet å gjøre?

Virker det spennende å jobbe som data scientist? På Knowit har vi jobben innenfor Intelligent Business.

Se alle ledige jobber her!

Til toppen