אתה טוב במתמטיקה? כאילו, ממש טוב במתמטיקה? האם אתה גם מכיר את Python ויש לך ידע עמוק בתעשייה מסוימת?

אם יש לך את המצטבר הזה של מיומנויות, ייתכן שיהיה לך מה שנדרש כדי להיות מדען נתונים. אם כן, אלו זמנים טובים. לינקדאיןהרגע הצביע"ניתוח סטטיסטי וכריית נתונים" המיומנות המובילה שהביאה אנשים לעבודה ב-2014.

Glassdoor מדווחת שהשכר הממוצע עבור מדען נתונים הוא118,709 דולרנֶגֶד64,537 דולרעבור מתכנת. מחקר של מקינזי צופה שעד 2018 ארה"ב עלולה להתמודד עם מחסור ב140,000 עד 190,000"אנשים עם כישורים אנליטיים עמוקים" וכן 1.5 מיליון "מנהלים ואנליסטים עם הידע להשתמש בניתוח ביג דאטה כדי לקבל החלטות אפקטיביות".

[seealso slug="warning-college-you-be-be-e-baze-of-the-time-and-your"]

התחום כל כך לוהט עכשיו שרוי לורנס, המנהל של התוכנית החדשה למרכז למדעי הנתונים של אוניברסיטת ניו יורק אומר שהוא חושב שזה הגיע לשיא. "זה כנראה בבועה", הוא אומר. "כל דבר שמתחמם ככה יכול רק להתקרר". ובכל זאת, NYU מחפשת להרחיב את תוכנית מדעי הנתונים שלה מ-40 סטודנטים ל-60 במהלך השנים הקרובות. שנת הלימודים הנוכחית לא תסתיים בעוד חמישה חודשים ול-50% עד 75% מתלמידיה כבר יש הצעות עבודה מוצקות.

למה הפיצוץ? לינדה ברץ', מנכ"לית שלBurtch Works, חברת גיוס בכירים משיקגו, מציינת כי בעוד שלחברות טכנולוגיה כמו גוגל, אמזון, נטפליקס ואובר יש קבוצות מדעי נתונים, השימוש במקצועות כאלה מתחיל כעת להסתנן לחברות שאינן טכנולוגיות כמו ניימן מרקוס, וולמארט, קלורוקס ו-Gap. "כל אלה הן חברות שמחפשות לשכור מדעני נתונים", היא אומרת.

התקווה היא שאיש מקצוע כזה יגלה מידע חדש שיביא לזרמים חדשים או הכנסות או יאפשר לחברה לייעל את עסקיה. פראט אנד וויטני, יצרנית התעופה והחלל, יכולה כעת לחזות בדיוק של 97% מתי מנוע מטוס יצטרך לבצע תחזוקה, ואולי יעזור לו לנהל את הפעילות שלו בצורה יעילה הרבה יותר, אומר אנג'ול בהמבהרי, סמנכ"ל ביג דאטה ב-IBM.

למרות ש-IBM הוציאה החודש את תוכנית ה-Fremium שלה מבוססת ענן Watson Analytics, לרוב מדעני נתונים צריכים ליצור תוכנות תוצרת בית כדי לנתח נתונים לא מובנים, וזו אחת הסיבות לכך שמיומנויות תכנות נדרשות.

הַשׂכָּלָה

לוארנס אומר שיש בעצם שלוש מיומנויות שמדען נתונים צריך להחזיק: מתמטיקה/סטטיסטיקה, אוריינות מחשב וידע של תחום עסקי מסוים (כמו מכוניות, למשל). התוכנית של NYU מלמדת את אלה כך שכל תחום מומחיות מתבסס על האחר. . כשאתה מסיים את לימודיך, אתה סוג של חובב-הכל עבור עיבוד נתונים. "כשעובדים על פרויקטים של מדעי נתונים בקורסים הם צריכים לעשות את כל העבודות", הוא אומר.

עם זאת, לא כל אחד צריך לעבור קורס במכללה כדי להיות מדען נתונים. חברה בשם Metis, למשל, החלה להציע אמחנה אתחול למדעי נתונים של 12 שבועותבספטמבר. התוכנית, בניו יורק, עולה 14,000 דולר והכניסה היא תחרותית ביותר. מייסד-שותף של מטיס, ג'ייסון מוס, אומר שכמחצית מהסטודנטים מגיעים עם תואר שני או דוקטורט.

רק כמה שבועות לאחר שהסתיים מחנה האתחול הראשון בתחילת דצמבר, מוס אמר ששישה מתוך 15 התלמידים של הכיתה קיבלו הצעות עבודה.

"אני לא חושב שזה תחליף לקולג'", אומר מוס על התוכנית שלו. "אני חושב שהקולג' הוא יותר מהדרך המהירה ביותר להשיג עבודה. אני גם לא מאמין שאתה צריך ללכת לקולג' כדי להצליח כמדען נתונים", הוא אומר. "יש סוג אישיות - סקרן מלידה, בעל חוצפה, רוצה להבין דברים - שעושה טוב."

אנמול ראג'פורוהיט, מדען מידע ויועץ עצמאי, אומר שלומד מהיר הוא התכונה החשובה ביותר לתחום העבודה הזה. "מיומנויות תכנות כלליות חשובות הרבה יותר מאשר להיות מומחה לכל שפת תכנות מסוימת", הוא אומר. "בחיים בעידן של התקדמות טכנולוגית מהירה, אנו רואים שפות מתיישנות במהירות ושפות חדשות הופכות לפופולריות במהירות. לפיכך, לומד מהיר יגיע הרבה יותר רחוק ממומחה".

לורנס אומר שהוא מאמין שמחנות אתחול וקורסים מקוונים יכולים להיות מועילים למועמדים בעלי כישורים מסוימים, אך חלשים באחרים. אחת הסגולות של התוכנית של NYU היא שהיא מלמדת את הכישורים ברצף כך שהם מתבססים זה על זה. "אנחנו נותנים לך את כל מה שאתה צריך בסדר הגיוני", הוא אומר.

מה שעושים מדעני נתונים

"ביום ממוצע, אני מנהל סדרה של לוחות מחוונים שמספרים לחברה שלנו על העסק שלנו - מה המשתמשים עושים", אומר ג'ון גרינברג, מדען נתונים ב-אולפני משחק, חברת משחקים. גרינברג הוא מנהל עכשיו, אז הוא מתכנת פחות ממה שהיה פעם, אבל הוא עדיין עושה את חלקו ההוגן. בדרך כלל, הוא שולף נתונים מאחסון Apache Hadoop ומריץ אותם דרך Revolution R, פלטפורמת ניתוח ומגיע עם איזושהי הדמיה. "יכול להיות שחלק מהאוכלוסייה מקיים אינטראקציה עם תכונה חדשה", הוא מסביר.

גרינברג קיבל תואר שני בסטטיסטיקה לפני שש שנים. הוא ציפה להיכנס לעבודה ממשלתית, אבל הופתע לראות שמדעני נתונים כל כך מבוקשים במגזר הפרטי. "זה בהחלט לא היה שדה חם אז", הוא אומר. כעת, הוא אומר שהוא מקבל בערך שיחה או אימייל אחד ביום מציד ראשים. "זה לא אני", הוא אומר. "הם כנראה מטרידים את כולם [עם המומחיות הזו]."

עבור גרינברג, יכולת תעסוקה היא יתרון, אבל הוא אוהב את העבודה עצמה. "אני חושב שזה מתחיל בזה, אתה צריך להיות בעל מוח אנליטי. אתה צריך להיות סקרן", הוא אומר. "צריך להיות גמיש ויצירתי ולחשוב על דרך אחרת לפתור בעיות". החיסרון היחיד של העבודה, אומר גרינברג, הוא הזמן המושקע ב"ניקוי" נתונים - חיתוך שלהם כדי להסיר ממצאים לא רלוונטיים. "החלק הזה לא כל כך מרגש ואתה מבלה הרבה זמן לעשות את זה", הוא אומר.

ראג'פורוהיט אומר שהוא מוציא הרבה מהאנרגיה שלו בניקוי הנתונים, אבל גם במחקר. "חלק נכבד מזמני מושקע במחקר, מכיוון שלעתים קרובות אני נתקל בבעיות חדשות לחלוטין ולכן, אני צריך ללמוד את הספרות העדכנית ביותר על מחקר בתחום המסוים הזה או לפנות למומחים בנושאים אלה כדי לקבל עצות", הוא אומר.

"למרות שמו, מדע הנתונים דורש שילוב טוב של אמנות ומדע כאחד. החלק המדעי ברור - מתמטיקה, תכנות וכו'. החלק האמנותי חשוב לא פחות - יצירתיות, הבנה עמוקה של הקשר וכו'. ביחד הופכים אחד לפותר בעיות נהדר."

עם זאת, ראג'פורוהיט מודה ש"העבודה במדעי הנתונים היא אפילו לא סקסית או זוהרת כמו שהיא נתפסת בימים אלה. התחום הזה בהחלט צובר משמעות (ורואה הצעות שכר גבוהות) בכל הארגון, אבל יש הרבה משימות לא כל כך מרגשות שמדען נתונים צריך לעבוד על בסיס יומיומי כמעט".

האם זו הקריירה בשבילך?

אם הרעיון להקדיש חלק גדול מהיום שלך לתכנות ולנתח לוחות מחוונים למידע רלוונטי מושך אותך, אז אולי יש לך את היתרונות של מדען מחשבים. אם אתה רק מונע מהמשכורות, אולי יהיה לך זמן קשה יותר. קחו בחשבון: אנשים הנופלים לתחום העבודה הזה מבלים לעתים קרובות את זמנם הפנוי בכתיבת תוכניות ובניתוח נתונים רק כדי לשעשע את עצמם.

אדם פלוגל, מגייס מדעי הנתונים של Burtch Works, נזכר במועמד לאחרונה, בעל דוקטורט, אותו הציב בסתיו האלקטרוני ארטס. "מה שבאמת בלט היה העבודה שהוא עשה בשביל הכיף בזמנו הפנוי", אומר פלוגל. "הוא היה מעורב במשחק מרובי המשתתפים המקוון World of Tanks והוביל "שבט", בעצם צוות של שחקנים. הוא יצר כלי לגירוד נתונים משרת המשחק ואז הפעיל אנליטיקה על הנתונים האלה כדי להעריך את הביצועים של השבט שלו. הוא השתמש במידע הזה כדי להבין איך להתאים את האסטרטגיה שלהם, אילו סוגי שחקנים עליו לגייס כדי לשפר את הקבוצה וכו'."

אם אתה לא אוהב נתונים לשמה, אז יהיה לך קשה להתחרות עם מועמדים כאלה. ברץ', לעומת זאת, אומר שכולם צריכים ללמוד לאהוב נתונים, ולו רק למען הקריירה שלהם. "תוך 10 שנים, אם אתה לא חנון נתונים, אתה יכול לשכוח מהיותך ב-C-suite", אומר ברץ'.

אבל מה עם סטיב ג'ובס, ביל גייטס ואנשי חזון אחרים כאלה שראו את התמונה הגדולה ולא הסתבכו בפרטים של מדעי הנתונים? "זה היה לפני 30 שנה", אומר ברץ'. "אני מדבר על 10 השנים הבאות".