Nhà khoa học dữ liệu

Working Schedule
 

• Các nhà khoa học dữ liệu có thể mong đợi công việc toàn thời gian, với lịch trình thường xuyên. Là một lĩnh vực đòi hỏi khắt khe, bắt buộc phải giữ cho các kỹ năng sắc bén, điều này có thể yêu cầu đào tạo bồi dưỡng "ngoài nhiệm vụ", chứng chỉ bổ sung và các trải nghiệm học tập không trả phí khác. 

Nhiệm vụ tiêu biểu

• Áp dụng kiến thức và kỹ năng để thiết kế các công nghệ mới hoặc tối đa hóa việc sử dụng các công nghệ hiện có
• Làm việc với lãnh đạo, kỹ sư và khách hàng bên ngoài để xác định vấn đề 
• Hỗ trợ các tổ chức xây dựng chính sách và các chiến lược đạt được mục tiêu
• Cộng tác với các nhóm và quản lý các nhiệm vụ và hồi hộp
• Tùy thuộc vào các vai trò cụ thể, Nhà khoa học dữ liệu có thể làm việc với Python, R, SQL, cơ sở dữ liệu, công cụ phân tích, máy học và Dữ liệu lớn
• Phát triển các giải pháp khả thi cho các vấn đề phức tạp về phần mềm hoặc kinh doanh
• Phát triển các lý thuyết và mô hình mới 
• Xác định nhu cầu phần cứng và phần mềm bằng cách nói chuyện với người dùng cuối, khách hàng, nhân viên và các bên liên quan 
• Xem xét các khái niệm dự án và đưa ra đề xuất để cải thiện

Trách nhiệm bổ sung

• Tham gia vào các dự án đa ngành
• Chạy thử nghiệm các hệ thống mới
• Tham gia vào các tổ chức chuyên nghiệp để chia sẻ nghiên cứu và kết quả

Kỹ năng mềm

• Có khả năng dự đoán vấn đề 
• Học tập tích cực 
• Phân tích
• Chú ý đến chi tiết
• Khả năng bối cảnh hóa ý tưởng cho người khác
• Sáng tạo và tò mò
• Tư duy phản biện (nhưng linh hoạt)
• Dứt khoát
• Tập trung
• Trật tự
• Kiên trì và khả năng phục hồi
• Giải quyết vấn đề 
• Phán đoán đúng đắn
• Kỹ năng giao tiếp mạnh mẽ

Kỹ năng kỹ thuật

• Phần mềm phát triển nền tảng web: SQL (Ngôn ngữ truy vấn có cấu trúc), Python, Tableau, R
• Kỹ năng giao tiếp: cần có khả năng lấy số liệu thống kê thu thập được từ việc thu thập dữ liệu và giải thích nó theo thuật ngữ của giáo dân cho các chi nhánh khác của tập đoàn, chẳng hạn như CNTT và tài chính
• Làm việc theo nhóm: bạn sẽ là người đi giữa các bộ phận khác nhau, những người đang cần thông tin thu thập được từ dữ liệu để đưa ra quyết định
• Phân tích dữ liệu / thống kê: Cần phân tích và áp dụng phản hồi và nghiên cứu của người dùng
• Tầm nhìn tốt 
• Có khả năng phân tích và đánh giá hệ thống 
• Hiểu biết cơ bản về bán hàng và tiếp thị, dịch vụ khách hàng, viễn thông, thiết kế, nguyên tắc quản lý và khoa học kỹ thuật
• Các chương trình phân tích dữ liệu/thông tin kinh doanh, chẳng hạn như IBM Cognos Impromptu, Oracle Business Intelligence Enterprise Edition, QlikView và Tableau
• Phần mềm trình biên dịch, chẳng hạn như trình biên dịch song song Polaris, trình biên dịch Greenhills Ada và trình biên dịch LLVM
• Quản lý cơ sở dữ liệu và giao diện người dùng / chương trình truy vấn
• Phần mềm môi trường phát triển, chẳng hạn như LabVIEW, Apache Kafka hoặc Eclipse IDE
• Hình ảnh đồ họa
• Kiến thức về phần mềm phân tích và khoa học, chẳng hạn như Minitab, StataCorp Stata và MATLAB
• Phần mềm phát triển hướng đối tượng hoặc thành phần (C++, ActiveX, Java, Python)
• Các kỹ năng toán học mạnh mẽ, bao gồm đại số, hình học, giải tích và thống kê

• Các tổ chức học thuật
• Lĩnh vực tài chính ngân hàng
• Dịch vụ đám mây và lưu trữ
• Tư vấn
• Phần mềm dưới dạng dịch vụ (SAAS), web, di động
• Nhà xuất bản phần mềm máy tính
• Công ty giao hàng
• Chính phủ liên bang/cơ quan quân đội
• Tập đoàn lớn
• Công ty bán lẻ
• Cơ quan bảo hiểm
• Viễn thông
• Các tổ chức nghiên cứu và phát triển khác
• Công ty chuyên ngành tư nhân
• Tìm kiếm/mạng xã hội

• Hiểu biết về học máy: một phương pháp phân tích dữ liệu tự động hóa việc xây dựng mô hình phân tích. Học máy cho phép máy tính tìm thông tin chi tiết ẩn bằng cách sử dụng các thuật toán học từ dữ liệu mà không cần lập trình rõ ràng
• Sự hợp nhất hoặc khoa học dữ liệu và IoT: mạng lưới ngày càng tăng của các đối tượng vật lý có địa chỉ IP để kết nối internet và giao tiếp xảy ra giữa các đối tượng này với các thiết bị và hệ thống hỗ trợ Internet khác.
• Khả năng làm việc với RIL (lớp giao diện vô tuyến), đi đôi với IoT
• Sử dụng khoa học dữ liệu trong chăm sóc sức khỏe: dữ liệu thu thập được bởi các nhà khoa học này có thể được sử dụng để dự đoán xu hướng dịch bệnh, tức là sự hồi sinh của Ebola

Hầu hết các tổ chức sử dụng Data Scientist đều làm như vậy vì họ chủ yếu dựa vào các kỹ năng và thông tin mà những người lao động đó mang lại. Trong một số trường hợp, Các nhà khoa học dữ liệu đang phát triển các sản phẩm hoặc dịch vụ đang được bán theo đúng nghĩa đen, trong khi trong các tình huống khác, họ đang giúp các công ty xác định nên bán gì, bán cho ai và làm thế nào để bán được nhiều hơn. Do đó, kỳ vọng tăng cao, nhưng bồi thường tài chính cũng cao!
 
Theo Đại học Wisconsin, những người lao động trình độ mới vào kiếm được tới 95,000 đô la, công nhân cấp trung kiếm được trung bình 128,750 đô la, các nhà quản lý cấp trung có thể kiếm được tới 185,000 đô la và mức lương trung bình của người quản lý có kinh nghiệm có thể lên tới 250,000 đô la. Rõ ràng các tổ chức trả những khoản tiền này sẽ yêu cầu chuyên môn hàng đầu và công việc giá trị gia tăng. Do đó, một sự hy sinh lớn, nếu có thể được gọi như vậy, là để các Nhà khoa học Dữ liệu tiếp cận và duy trì sự thành thạo trong tất cả các lĩnh vực, đồng thời theo kịp (hoặc đi trước) các công nghệ mới và đang phát triển. Điều này có thể cần một cam kết lớn, lâu dài, với nhiều công việc được thực hiện "sau giờ làm việc" vào thời gian của chính mình. 

Các nhà khoa học dữ liệu gần như chắc chắn quan tâm đến máy tính ngay từ khi còn nhỏ, cũng như các câu đố và vấn đề mà họ phải giải quyết hoặc giải quyết. Họ thích những thử thách trí tuệ, nơi khám phá thông tin và cách sử dụng nó là chìa khóa để chiến thắng. Một số có thể thích đọc hoặc xem những bí ẩn và truyện trinh thám. Họ quan tâm đến tâm lý học, cách mọi người suy nghĩ, điều gì thúc đẩy họ và cách máy tính có thể tìm cách hiểu mọi người tốt hơn ở các cấp độ khác nhau, từ cá nhân đến nhóm và thậm chí cả xã hội.
 
Rất có thể, một Nhà khoa học dữ liệu giỏi là một người, khi lớn lên, có thể nhìn thấy "bức tranh toàn cảnh" và các yếu tố, yếu tố hoặc quyết định nhỏ có thể gây ra hậu quả lớn như thế nào. Họ có vẻ có tổ chức cao, nhưng trong đầu họ thông tin không tĩnh, nó dễ uốn nắn và linh hoạt. Nói cách khác, họ thường có thể "suy nghĩ bên ngoài" để sử dụng dữ liệu một cách sáng tạo theo những cách mà người khác có thể không nghĩ đến. Họ cũng có lẽ giỏi trong việc giải thích những điều kỹ thuật theo thuật ngữ của giáo dân.