Karriere-Spotlight: Was ist Data Science?

Heutzutage sind „Big Data“, „Analytics“ und dergleichen Trendwörter. Aus gutem Grund.

Bereits 2012 hat HBR „Data Scientist“ zum „sexiest Job des Jahrhunderts“ gekürt. Aber was beinhaltet Data Science wirklich? Und was noch wichtiger ist, wie können Sie die Fähigkeiten erwerben, die Sie benötigen, um sich als Datenwissenschaftler zu bezeichnen?

Was ist Data Science?

Früher befanden sich Datenwissenschaftler hauptsächlich im akademischen Raum. Mit dem Aufkommen der Erfassung von Big Data und dem Bedarf an Analysen sind Datenwissenschaftler in einer Reihe von kleinen und großen Unternehmen und Branchen sehr gefragt.

Data Science als Beruf umfasst verschiedene Fähigkeiten in den Bereichen Mathematik, Statistik und Computerprogrammierung. Es ist eine von Männern dominierte Branche, die Schätzungen von Frauen in der Datenwissenschaft liegen bei etwa 10%.

Laut Glassdoor liegt das durchschnittliche nationale Gehalt für Datenwissenschaftler bei 113.436 USD. Wenn man die Kompensation allein betrachtet, ist Data Science weitaus attraktiver als andere ähnliche Karrieren.

Fähigkeiten, um ein Data Scientist zu sein

Wie bei allen Jobs hängen die spezifischen Fähigkeiten, die zur Besetzung von Data Science-Positionen erforderlich sind, vom jeweiligen Unternehmen ab.

Es gibt jedoch bestimmte Skillsets / Software-Tools, die konsistent bleiben.

• Statistische Programmiersprachen wie R und SAS
• Datenbankabfragesprache wie SQL
• Grundlegende Statistiken wie statistische Tests, Verteilungen, Maximum Likelihood-Schätzer usw.
• Maschinelle Lernmethoden wie k-Nearest-Nachbarn, beliebige Wälder, Ensemble-Methoden usw.
• Mehrgrößenkalkül und lineare Algebra
• Datenprotokollierung und Entwicklung neuer, datengesteuerter Produkte
• Vertrautheit mit der Hadoop-Plattform
• Visualisierungstools wie Flare, HighCharts oder AmCharts

Wie werde ich ein Data Scientist?

Heutzutage gibt es drei mögliche Optionen, um ein Datenwissenschaftler zu werden:

• Selbststudium über Programme wie Udacity
• Teilnahme an einem Data Science Boot Camp
• Masterstudiengang an der Universität

Natürlich gibt es für jede Methode Vor- und Nachteile.

Selbststudium

Pros:

• Bequem: Sie können zu jeder Zeit in jeder Umgebung und in jedem Tempo arbeiten
• Erschwinglich: könnte zwischen 0 und 600 US-Dollar kosten.
• Spart Zeit: Online-Kurse können innerhalb von 8 bis 18 Monaten absolviert werden.

Nachteile:

• Erhalten Sie ein Zertifikat erst nach Fertigstellung
• Keine Peer-to-Peer- oder Lehrer-zu-Schüler-Beteiligung
• Keine Unterstützung bei der Jobsuche

Data Science Boot Camp

Pros:

• Wenig Zeitaufwand: kann in 6 Wochen bis 3 Monaten abgeschlossen werden
• Relativ erschwinglich, zumindest verglichen mit einem Master-Abschluss (Boot Camps reichen von gratis - 16.000 $)
• Ideal für alle, die ihre Karriere schnell wechseln möchten
• Viele Boot-Camps bieten Unterstützung bei der Jobsuche nach Abschluss

Nachteile:

• Erhalten Sie nur ein Portfolio von Projekten - keine "echte" Berufserfahrung
• In kurzer Zeit viel zu lernen
• Könnte bis zu 40 Stunden pro Woche arbeiten (im Gegensatz zum Selbststudium, wo Sie in Ihrem eigenen Tempo gehen können und trotzdem Teilzeit / Vollzeit arbeiten können)

Master-Studium

Pros:

• Diplom nach Abschluss
• Strukturiertes Lernen mit professionell ausgebildeten Trainern
• Praxisnahe Erfahrung: Viele Programme beinhalten Praktika, die zu Erfahrung und Wissen beitragen
• Viel Zeit zum Lernen und Aufnehmen aller Informationen

Nachteile:

• Teuer: Könnte zwischen 20.000 und 70.000 US-Dollar kosten - ohne Lebenshaltungskosten
• Zeitraubend: kann auch am längsten dauern (9-20 Monate)