Dades i exemples d’habilitats de científics de dades

El "científic de dades" és un terme ampli que pot referir-se a diversos tipus de carreres professionals. Generalment, un científic de dades analitza les dades per conèixer els processos científics. Alguns títols d’ocupació en ciències de dades inclouen analista de dades, enginyer de dades, científic d’investigació d’informació i informació, analista d’investigacions operatives i analista de sistemes informàtics.

Els científics de dades treballen en diverses indústries, des de tecnologia fins a medicaments fins a agències governamentals. Les qualificacions per a un treball en ciències de dades varien perquè el títol és tan ampli. No obstant això, hi ha certes habilitats que busquen els empresaris en gairebé tots els científics de dades. Els científics de dades necessiten habilitats estadístiques, analítiques i d'informació fortes.

Aquí teniu una llista d’habilitats de científics de dades per a currículums, cartes de presentació, sol·licituds d’ocupació i entrevistes. S'inclou una llista detallada dels cinc coneixements més importants del científic de dades, acompanyats de llistes de competències relacionades i responsabilitats laborals.

Consells per utilitzar una llista d’habilitats

Una part fonamental de la creació d’una carta de presentació i presentació que els empresaris repara és incorporar tantes paraules clau i frases de paraules clau específiques per al treball com sigui possible. Això és degut a que les empreses que utilitzen ara solen utilitzar amb freqüència sistemes de seguiment de sol·licitants automatitzats (sistemes ATS) per proporcionar un primer anàlisi de les sol·licituds de treball que reben. Com més paraules clau contingui el seu currículum, més probabilitats serà passar el primer tallat pel sistema ATS i, en última instància, arribar a l'ull humà d'un gerent de contractació.

Els termes que apareixen a continuació figuren entre les paraules clau més buscades programades en sistemes ATS i que s’utilitzen en tasques per a científics de dades. Per tant, haureu d’intentar d’incorporar moltes d’aquestes frases de paraules clau al vostre currículum: en un resum inicial de les qualificacions, a la vostra secció d’historial de treball i en una taula de tecnologia que descriu les vostres habilitats de maquinari i programari.

També heu de descriure el vostre domini de les habilitats més importants en la vostra carta de presentació i, finalment, durant les vostres entrevistes personals. Assegureu-vos de millorar aquestes descripcions amb exemples específics de com heu utilitzat cada habilitat en un entorn de treball o entrenament.

La vostra millor guia sobre quina d’aquestes paraules clau haureu d’incloure és la descripció de la feina a la qual esteu aplicant. Cada treball que sol·liciteu requerirà diferents habilitats i experiències, així que assegureu-vos de llegir la descripció de la feina amb cura i centrar-vos en les habilitats llistades per l’empresari, adaptant cada currículum i carta de presentació a les qualificacions demanades per diferents empresaris.

Cinc millors habilitats científiques de dades

Analítica

Potser l’habilitat més important per a un científic de dades sigui poder analitzar informació. Els científics de dades han de mirar i donar sentit a grans extensions de dades. Han de ser capaços de veure patrons i tendències en les dades i explicar aquests patrons. Tot això té fortes habilitats analítiques.

• Eines analítiques
• Analytics
• Dades massives
• Construir models predictius
• Creació de controls per assegurar la precisió de les dades
• Pensament crític
• Dades
• Anàlisi de dades
• Anàlisi de dades
• Manipulació de dades
• Disputes de dades
• Eines de dades científiques / Eines de dades
• Mineria de dades
• Avaluació de noves metodologies analítiques
• Interpretació de dades
• Mètriques
• Dades de xarxes socials de mineria
• Dades de modelització
• Eines de modelització
• Producció de visualitzacions de dades
• Recerca
• Modelització de riscos
• Proves de hipòtesis

Creativitat

Ser un bon científic de dades també significa ser creatiu. En primer lloc, heu d’utilitzar la creativitat per detectar les tendències de les dades. En segon lloc, necessiteu fer connexions entre dades que puguin semblar no relacionades. Això requereix molt de pensament creatiu. Finalment, cal que expliqueu aquestes dades de manera clara per als executius de la vostra empresa. Això sovint requereix analogies i explicacions creatives.

• Adaptabilitat
• Transmetre informació tècnica a persones no tècniques
• Presa de decisions
• Arbres de decisió
• Executar en un entorn de ritme ràpid
• Pensament lògic
• Solucionar problemes
• Treballant independentment

Comunicació

Els científics de dades no només han d'analitzar les dades, sinó que també han d'explicar aquestes dades a altres persones. Han de ser capaços de comunicar dades a les persones, d'explicitar la importància dels patrons a les dades i suggerir solucions. Això implica explicar problemes tècnics complexos d'una manera fàcil d'entendre. Sovint, la comunicació de dades requereix habilitats de comunicació visuals, orals i escrites.

• Assertivitat
• Col·laboració
• Consultoria
• Cultivar relacions amb els grups d'interès interns i externs
• Servei d'atenció al client
• Documentació
• Consens de dibuix
• Reunions facilitadores
• Lideratge
• Mentoring
• Presentació
• Gestió de projectes
• Metodologies de gestió de projectes
• Línies de temps del projecte
• Proporcionar directrius als professionals de TI
• Informes
• Habilitats de supervisió
• Formació
• Comunicacions verbals
• Escriptura

Matemàtiques

Mentre que les habilitats suaus com l’anàlisi, la creativitat i la comunicació són importants, les habilitats dures també són fonamentals per al treball. Un científic de dades necessita habilitats matemàtiques, especialment en càlcul multivariable i àlgebra lineal.

• Algorismes
• Creació d’algorismes
• Conjunts de dades de recuperació d'informació
• Àlgebra linial
• Models d'aprenentatge automàtic
• Tècniques d'aprenentatge automàtic
• Càlcul multivariable
• Estadístiques
• Models d'aprenentatge estadístic
• Modelització estadística

Programació i competències tècniques

Els científics de dades necessiten habilitats informàtiques bàsiques, però les habilitats de programació són especialment importants. Ser capaç de codificar és fonamental per a gairebé qualsevol posició científica de dades. El coneixement de llenguatges de programació com Java, R, Python o SQL és essencial.

• AppEngine
• Amazon Web Services (AWS)
• C ++
• Habilitats informàtiques
• CouchDB
• js
• ECL
• Flamarada
• API de Google Visualization
• Hadoop
• HBase
• Java
• Matlab
• Microsoft Excel
• Perl
• PowerPoint
• Python
• R
• js
• Programari de l'eina d'informes
• SAS
• Llenguatges de scripting
• SQL
• Tauler

Perspectives de feina per a científics de dades

Segons el Bureau of Labor Statistics, 27.900 persones van treballar com a investigadors en informàtica i informació el 2016; el seu salari mitjà anual el 2017 va ser de 114.520 dòlars. Es preveu que les oportunitats professionals en aquest camp creixeran un 19 per cent el 2026, molt més ràpid que la mitjana.