为什么数据科学专业人士担心推动他们的工作价值

   智通互联        

还记得那些说数据科学是最热门的工作趋势的文章和博客吗?情况可能不再是这样了。根据影响力,有抱负的数据科学家,谁还没有专业地加入该领域,希望进入数据科学,因为它涉及到解决复杂的问题与花哨的机器学习算法,增加了企业的价值。但不幸的是,这种期望与现实不符。


虽然有些公司做的一切都是正确的,但许多其他公司雇佣数据科学家却没有建立正确的基础设施来开始使用人工智能。更重要的是,这些公司通常会雇佣那些不能按自己的方式工作的新人,而不是有经验的专业人员,这会引起内部的分歧。这位数据科学家加入该公司时,可能希望创建先进的机器学习算法,以获得对业务有价值的见解,但在整理数据基础设施和创建分析报告时却陷入了困境。因此,公司会因为没有看到快速的结果而感到沮丧,这会导致完全丧失动力。

为什么数据科学专业人士担心推动他们的工作价值

这个难题有解决办法吗?对。对于初级数据科学家,重要的是要确定一个公司,符合工作预期的想法。但由于有这么多公司希望聘用数据科学专业人士,这说起来容易做起来难。


另一个未达到的期望是降低数据科学家的积极性,这是该公司的核心目标。数据科学家希望用他们的见解对人们产生影响。但是,如果公司的重点不是机器学习,那么很有可能,你唯一要做的就是提供一些能带来小收益的小见解。这些见解加起来可能会有重大意义,但你的作用微乎其微。对机器学习算法有透彻的了解是必要的,但这并不是让你成为一家公司的明星数据科学家的最终品质。为了在商界树立良好的声誉,一个人需要做很多特别的工作,比如从数据库中提取数据,并在适当的时间将数据传达给适当的人,以获得认可。


这会让你成为受人尊敬的数据专家吗?不完全是。同样的人,你正试图通过做一些特别的任务来打动他们,他们甚至可能不了解你作为一个数据科学家所做的事情。这意味着你将成为一个分析建议的人,一个数据库专家,一个报告人。有一个普遍的假设,数据科学家知道所有与数据相关的东西,比如Spark、Hadoop、Hive、Pig、SQL、Python、NLP和任何机器学习。有了这样的假设,作为一个数据科学家,你的思维定势就形成了,所有的答案都应该在5分钟内传达出来。因此,如果你看到一个职位描述,每一个与数据相关的词都被塞进一个段落,你就应该明白,公司对自己的数据战略一无所知。


那么,要成为业界一名优秀的数据科学家需要什么呢?除了成为一名知识专家,你还需要忍受那些看似卑微的意外工作,知道如何处理办公室政治,处理同事对你工作的误解。找到一家符合你思想的公司很困难,也很费时,但并非不可能。否则,这些因素被证明是许多数据科学专业人士的交易破坏者。



最新评论(0)条评论
不吐不快,我来说两句

还没有人评论哦,抢沙发吧~

相关新闻推荐