Over 2,5 quintillion bytes data bliver skabt hver dag, ifølge forskning.Dataforskere hjælper organisationer med at skændes, fortolke og visualisere disse data. Det er ikke overraskende, at jobbet boomer. Ifølge Bureau of Labor Statistics forventes karrieremuligheder på dette område at vokse 15% i 2029, meget hurtigere end gennemsnittet.
Selvom ikke alle succesrige dataforskere har universitetsgrader, har mange mindst en bachelorgrad i datavidenskab eller et beslægtet felt. Nogle har også kandidatgrader, herunder master-, ph.d.- og/eller kandidatcertificeringer.
Hvilken slags færdigheder har du brug for for at være dataforsker?
"Data scientist" er et bredt begreb, der kan referere til en række forskellige karrierer. Generelt analyserer en dataforsker data for at lære om videnskabelige processer, markedstendenser og Risikostyring.
Nogle stillingsbetegnelser i datavidenskab omfatter dataanalytiker, dataingeniør, computer- og informationsforsker, operationsforskningsanalytiker og computersystemanalytiker.
Dataforskere arbejder i en række forskellige brancher, lige fra teknologi til medicin til offentlige myndigheder.Kvalifikationerne til et job inden for datavidenskab varierer, fordi titlen er så bred. Der er dog visse færdigheder, arbejdsgivere leder efter hos næsten alle dataforskere. For eksempel har datavidenskabsfolk brug for stærke statistiske, analytiske, rapporterende færdigheder og meget mere.
Typer af dataforskerfærdigheder
Analytiske evner
Den måske vigtigste færdighed for en dataforsker er at kunne analysere information. Dataforskere ser på og giver mening i store mængder data. De skal kunne se mønstre og tendenser og have en idé om, hvad disse mønstre betyder. Alt dette kræver stærke analytiske færdigheder.
- Kunstig intelligens
- Big Data
- Business Intelligence
- Konstruktion af prædiktive modeller
- Oprettelse af kontroller for at sikre nøjagtigheden af data
- Kritisk tænkning
- Dataanalyse
- Datavisualisering
- Dataanalyse
- Databasestyring
- Datamanipulation
- Datastrid
- Data Science Tools / Data Tools
- Data Mining
- DevOps
- Evaluering af nye analytiske metoder
- Tolkning af data
- Metrics
- Mining af sociale mediedata
- Modelleringsdata
- Modelleringsværktøjer
- Sandsynlighed og statistik
- Forskning
- Risikomodellering
- Test af hypoteser
Åbent sind
At være en god data scientist betyder også at være kreativ. For det første skal du have et åbent sind for at spotte tendenser i data. For det andet skal du skabe forbindelser mellem data, der kan virke uden relation til nogen, der er forudindtaget. Dette kræver meget åbenhed. Endelig skal du forklare disse data på måder, der er klare for lederne i din virksomhed. Dette kræver ofte kreative analogier og forklaringer.
- Tilpasningsevne
- Formidling af teknisk information til ikke-tekniske personer
- Kreativitet
- Nysgerrighed
- Beslutningstagning
- Beslutningstræer
- Udførelse i et tempofyldt miljø
- Innovation
- Logisk tænkning
- Problemløsning
- Arbejder selvstændigt
Meddelelse
Dataforskere skal ikke kun analysere data, men de skal også forklare disse data til andre. De skal være i stand til at kommunikere data til mennesker med forskellige færdigheder, forklare vigtigheden af mønstre i dataene og foreslå løsninger. Dette indebærer at forklare komplekse tekniske problemer på en måde, der er let at forstå. Ofte kræver kommunikation af data visuelle, mundtlige og skriftlige kommunikationsevner.
- Selvhævdelse
- Samarbejde
- Rådgivning
- Opdyrkning af relationer til interne og eksterne interessenter
- Kunde service
- Dokumentere
- Tegner konsensus
- Facilitering af møder
- Ledelse
- Mentorskab
- Præsentation
- Projektledelse
- Projektets tidslinjer
- Udbud af retningslinjer til it-professionelle
- Indberetning
- Fortællefærdigheder
- Tilsynsfærdigheder
- Uddannelse
- Verbal kommunikation
- Skriftlig kommunikation
Matematik
Mens bløde værdier Ligesom analyse, kreativitet og kommunikation er vigtige, er hårde færdigheder også afgørende for jobbet. En dataforsker har brug for stærke matematiske færdigheder, især i multivariabel calculus og lineær algebra.
- Identifikation af algoritmer
- Oprettelse og vedligeholdelse af algoritmer
- Datasæt til hentning af information
- Lineær algebra
- Maskinlæringsmodeller
- Maskinlæringsteknikker
- Multivariabel beregning
- Statistikker
- Statistiske læringsmodeller
- Statistisk modellering
Programmering og tekniske færdigheder
Dataforskere kræver grundlæggende computerfærdigheder, men programmeringsfærdigheder er særligt vigtige. At være i stand til at kode er afgørende for næsten enhver dataforskerposition. Kendskab til programmeringssprog som Java, R, Python eller SQL er afgørende.
- AppEngine
- Amazon Web Services (AWS)
- AmCharts
- Apache Spark
- C++
- Computerfærdigheder
- CouchDB
- js
- ECL
- Flare
- Google Visualization API
- Hadoop
- HBase
- Highcharts
- Java
- MATLAB
- Microsoft Excel
- Microsoft Office Suite
- NoSQL
- Perl
- Python
- R
- Software til rapporteringsværktøj
- SaaS
- SAS
- Scripting sprog
- SQL
- Tabeller og forespørgsler
- Tableau
- TensorFlow
Flere dataforskerfærdigheder
- Mining af sociale mediedata
- Tabeller og forespørgsler
- Projektledelse
- Projektets tidslinjer
- Opdyrkning af relationer til interne og eksterne interessenter
- Kunde service
- AppEngine
- Amazon Web Services (AWS)
- CouchDB
- js
- ECL
- Flare
- Google Visualization API
- Hadoop
- HBase
- R
- SAS
- Scripting sprog
- Mobile enheder
- Microsoft Office Suite
- SaaS
- Kunstig intelligens (AI)
- Apache Spark
- Nysgerrighed
- Business Intelligence
- Innovation
Sådan får du dine færdigheder til at skille sig ud
TILFØJ RELEVANTE FERDIGHEDER TIL DIT CV: Inkluder dine færdigheder i dit CV - i en indledende oversigt over kvalifikationer, i din arbejdshistoriesektion eller i en teknisk tabel, der beskriver dine hardware- og softwarefærdigheder.
FREMHÆV færdigheder i dit følgebrev: Du bør også beskrive din beherskelse af de vigtigste af disse færdigheder i dit følgebrev.
BRUG FÆRDIGHEDSORD I DIT JOBINTERVIEW: I din interview, sørg for at forbedre dine svar med eksempler på dine færdigheder.
