Hvis du vurderer denne karriereveien, kan denne guiden komme til nytte!
1. Undersøk yrket
Før du bestemmer deg for en karriere, bør du alltid undersøke den grundig. Dette vil tillate deg å få et tydeligere bilde av det valgte yrket ditt, i tillegg til at du får en ide om hvordan du engasjerer deg.
Stillingsbeskrivelse
Når verdien og viktigheten av data begynner å gå opp for bedrifter og organisasjoner, er dataforskere pålagt å bruke algoritmer og statistiske teknikker for å gjøre disse dataene til informasjon.
Det er imidlertid ikke bare snakk om teknisk kunnskap. Data forskere er pålagt å ha kunnskap om bransjen de driver i, slik at de kan gi mening om denne informasjonen og forstå hva som er viktig og hva som ikke er det. Og etter det trenger de å kunne forklare funnene sine tydelig og effektivt for andre; kommunikasjon er en nøkkelferdighet innen datavitenskap.
Sentrale ansvarsområder
Avhengig av organisasjonen du jobber for, kan din rolle variere litt, men ansvaret til en dataforsker er vanligvis som følger:
- Arbeid med andre avdelinger i organisasjonen din for å identifisere problemer, og bruk data for å foreslå effektive løsninger
- Slå sammen, administrere og trekke ut data for å lage skreddersydde rapporter for kolleger, kunder eller den større organisasjonen
- Opprettholde tydelig kommunikasjon med organisasjonen til enhver tid for å sikre at databehov blir forstått og oppfylt
- Bruk maskinlæringsverktøy og statistiske teknikker for å tilby løsninger etter behov
- Lag klare og konsise rapporter som gir verdi for kundene eller bedriften
- Hold deg oppdatert med de nyeste teknologiene, teknikkene og metodene
- Gjennomføre forskning på prototyper og bevis på begreper
- Søk muligheter for å bruke innsikt, koder eller modeller som kan være til fordel for andre funksjoner i organisasjonen (dvs. HR eller markedsføring)
- Fremme utdanning av datavitenskap og oppmuntre andre i organisasjonen til å se fordelene med arbeidet ditt
Viktige ferdigheter og kvaliteter
- Svært sterke kommunikasjonsevner, for å forklare komplekse konsepter for mennesker som ikke har arbeidskunnskap om mekanismen til dataanalyse
- Omhyggelig detaljert oppmerksomhet og evnen til å løse problemer effektivt
- Erfaring med (eller vilje til å få tak i) databasehør og analyseverktøy som SQL
- Selvmotivasjon og evnen til å jobbe uten tilsyn
- Gode organisasjons- og planleggingsevner
- En samarbeidende tilnærming for å dele ideer og finne løsninger, ettersom du vil bli pålagt å samarbeide med andre avdelinger
Arbeidstider og betingelser
Dette vil variere avhengig av organisasjonen du jobber i, men du kan med rimelighet forvente å jobbe vanlig mandag til fredag kontortid. Hvis du har frister, kan det hende du må jobbe lengre timer eller i helgene.
Lønnsutsikter
I Storbritannia tilbyr de fleste etableringsnivåer startlønn på mellom £ 19.000 og £ 25.000. Etter hvert som du får mer erfaring og ansiennitet, kan dette stige til hvor som helst mellom £ 30, 000 og £ 50, 000, med høyt nivå forskere og konsulenter som kan kommandere lønn på hvor som helst mellom £ 60, 000 og over £ 100, 000.
I USA er startlønningene rundt $ 65.000, et tall som kan stige helt opp til $ 135.000. Gjennomsnittslønnen er rundt 90 000 dollar.
Disse tallene er varierende avhengig av hvilken type bransje du jobber i (for eksempel har finansforetak en tendens til å betale høyere lønn), og stedet du jobber på.
2. Få kvalifikasjonene
Vanligvis vil de fleste selskaper kreve at du har en grad i datavitenskap eller et beslektet felt, men det trenger ikke nødvendigvis å være i et datamaskin- eller naturfagbasert felt. Sterke kvantitative ferdigheter er selvfølgelig viktige, men å kunne løse problemer logisk og metodisk er større faktorer.
Når det er sagt, er det viktig å ha noen tekniske ferdigheter. Kunnskap om programmeringsspråk - spesielt Python - er et absolutt must, ettersom du vil håndtere enorme datamengder, og realistisk sett vil de fleste selskaper se etter fortrolighet med andre kodespråk og programmer.
Hvis du skifter karriere, kan det hende at det å studere for videreutdanning innen et relevant felt kan hjelpe, men dette er ikke nødvendigvis krav. Noen gode fag å fokusere på ville være:
- MSc Data Science
- MSc Business Analytics
- MSc Data Science and Analytics
- MSc Big Data
3. Land din første jobb
Datavitenskap er et enormt etterspurt yrke for øyeblikket, da organisasjoner begynner å innse viktigheten av å bruke dataene sine til å ta informerte beslutninger. Som et resultat er selskaper i hver bransje ute etter talentfulle og kunnskapsrike rekrutter, med virksomheter som konkurrerer mot hverandre for å sikre det aller beste talentet.
Hvis du trenger mer erfaring, tilbyr mange større selskaper praksisplasser og arbeidsskyggeprogrammer hvor du kan utføre kunnskapen din i praksis og bygge opp et profesjonelt kontaktnettverk.
Det er også online konkurranser du kan delta på, for eksempel de som er arrangert av Kaggle, Topcoder og Defense Science Technology Laboratory (DSTL), der rekrutterere ofte er på utkikk etter nye og nye talent.
Noen av de mer fremtredende bransjene du kan jobbe i er:
- Finansiere
- Academia
- Vitenskapelig forskning
- Detaljhandel
- Informasjonsteknologi
- E-handel
Denne listen er imidlertid ikke uttømmende. De siste årene har dataforskere blitt en verdifull ressurs i telekommunikasjons-, transport- og energiselskaper - i hovedsak hvilken som helst bransje der selskaper genererer data.
Ettersom det er så stor etterspørsel etter jobber, må du følge med på stillingsnettstedene, eller hvis det er en bestemt bransje du vil jobbe i, kan du undersøke selskapene i det feltet og sjekke nettstedene deres jevnlig for stillinger. Alternativt kan du prøve disse nettstedene:
- Data Scientist jobber
- KD Nuggets (hovedsakelig jobber i USA)
- Kaggle
4. Utvikle din karriere
Når det gjelder profesjonell utvikling, er det ingen reell akkreditering eller sertifisering tilgjengelig. Du kan imidlertid bli bedt om å delta på bransjespesifikke opplæringskurs for å utvide eller utvide kunnskapen din, i tillegg til å bli oppfordret til å holde deg oppdatert med nye trender og utviklinger innen datavitenskap.
Når det gjelder karriereutvikling, avhenger mye av hvor lang tid det tar deg å lære deg de nødvendige ferdighetene for å analysere store datasett og presentere funnene dine effektivt. Det er flere trinn på promoteringsstigen, ettersom de fleste selskaper har eldre dataforskere; i denne rollen, vil du påta deg flere administrasjonsoppgaver og være ansvarlig for en liten gruppe juniordataforskere.
Siden ferdighetene du vil lære og besitte ikke er begrenset til en bestemt bransje, er det relativt enkelt å flytte til forskjellige selskaper eller å jobbe utenlands.
Jobbutsikt
Jobbutsiktene for dataforskere er enormt positive. Den britiske regjeringen hevder at det vil bli opprettet 56.000 dataforskerjobber hvert år frem til 2020, mens ledelseskonsulenteksperter McKinsey & Co spår at det i 2018 vil være mellom 140 000 og 190 000 datavitenskapelige stillinger som vil bli utfylt. Med talent i så mangelvare er selskapene i økende grad villige til å betale topppris for å sikre de rette kompetansesettene.
I USA er etterspørselen lik. Harvard Business Review (HBR) hevder at mangelen på dataforskere er i ferd med å bli en "alvorlig begrensning" i noen sektorer, og erklærer datavitenskap som den "mest sexy jobben i det 21. århundre". I tillegg ble det kåret til den beste jobben i 2017 på karrieresiden Glassdoor, med en gjennomsnittlig rangering på 4, 8 av 5 - høy ros.
Dette er sannsynligvis gullalderen for dataforskere, siden de definitivt opererer i et kjøpers marked. Med den dinglende gulroten med høye insentiver og et fleksibelt og spenstig ferdighetssett som gir sterk jobbsikkerhet, har nå aldri vært et bedre tidspunkt å satse på en karriere.
Jobber du innen datavitenskap? I så fall, la oss få vite dine erfaringer i kommentarene ...
