
Na SkillFactory, como escola especializada na formação de cientistas e analistas de dados, estamos atentos à questão da percepção da própria profissão, tanto pelos próprios alunos como pelos seus empregadores. Já falamos sobre os requisitos para a profissão de Analista de Dados e a confusão de vagas neste material , e agora queremos compartilhar com vocês a tradução de um artigo da chefe do departamento de tomada de decisão inteligente do Google, no qual ela fala sobre as perspectivas para o cargo de Cientista de Dados. Sobre os riscos da empresa ao contratar um Cientista de Dados devido ao entendimento diferente do cargo ou ao RH inexperiente e como protegê-lo de erros em seu currículo.
Ciência de dados é uma bolha? Você ficaria surpreso com a frequência com que eu recebo essa pergunta. Minha resposta?
Provavelmente não, mas a posição de Cientista de Dados pode ser.
Deixe-me me explicar antes que a multidão do forcado chegue.
Cientista de dados e a definição de ciência de dados
Existem muitas opiniões, mas prefiro a seguinte definição: " Ciência de dados é a disciplina que torna os dados úteis". Se você não gosta da minha definição, pode gostar da definição clara de Harlan Harris:
A ciência de dados é definida pelo que um cientista de dados faz e o que ele faz é muito bem coberto ... Mas quem é um cientista de dados, talvez uma questão mais fundamental.
OK. Quem somos nós então? Bem, depende de qual clube você pertence. E é aqui que a ideia da bolha entra em jogo.
AND versus OR

Para algumas pessoas, a posição implica plena competência em três especializações (estatística, coleta de dados, aprendizado de máquina). Para outros, significa que as habilidades de um são combinadas com as de outros. Essa compreensão diferente da posição pode prejudicá-lo na hora de contratar.
Opção um. Só os que valem!
Há quem sonhe em tirar os imitadores de seus empregos e limitar a profissão sagrada a uma elite que entende tudo sobre dados.
Como você se sente quando essas pessoas estão entrevistando? Eles querem me ver como um estatístico puro-sangue, com conhecimento de aprendizado de máquina, uma faixa preta em análise e um portfólio de projetos aplicados. Eles querem saber se minha pós-graduação estava na moda. Eles querem testar como fui um líder e como resolvi problemas de negócios. Ah, e é melhor eu ter habilidades de comunicação. Que tal a lua em uma vara? Se eu não tivesse feito dados desde os oito anos, teria ficado apavorado. Até então, este é um pequeno clube divertido pelo qual tenho sentimentos profundamente conflitantes.
Deixe-me chamá-lo do que é: Clube e... Os participantes devem ser estatísticos competentes, especialistas em aprendizado de máquina e analistas com habilidades de codificação de joias. Observe que entrar neste clube é bastante difícil; poucas pessoas são especialistas em todos os problemas de dados. Essas pessoas nunca serão capazes de atender às necessidades mundiais de especialistas. Infelizmente, essa é a natureza da oferta e da demanda.
Opção dois. As portas estão abertas a todos!
Um clube alternativo e muito mais concorrido é o clube OR . Consiste em pessoas que renomearam seu cargo, como analista ou estatístico, para um termo genérico. Soa melhor, aumenta o emprego em ciência de dados, expande a comunidade, traz uma variedade de habilidades. Todos ganham. Certo? Quase.
O que eu gosto: enfatiza a equipe, a natureza atlética da ciência de dados e essa abordagem permite que mais pessoas participem da ciência de dados. Excelente! E algumas áreas da ciência de dados não são tão difíceis. A mineração de dados, ou seja, a coleta de dados, é algo em que as pessoas são mais habilitadas do que imaginam. Se você achou que a coleta de dados exigia um doutorado, tenho boas notícias. Tudo que você precisa é um entendimento de como olhar para conjuntos de dados, humildade moderada e bom senso.
E o outro lado? A ciência de dados é conhecida por suas altas demandas e longa imersão no aprendizado. Eu simpatizo profundamente com os gerentes de contratação pobres e desnorteados que pensam que estão atraindo um especialista versátil, mas estão contratando alguém muito menos qualificado. A propaganda falsa é prejudicial.
Dica: Se você deseja ter certeza de que não está exagerando em seu currículo, uma posição de analista de dados é a opção mais segura.
Propaganda enganosa
Para ser sincero, sempre que me tornei Cientista de Dados, fiz o mesmo trabalho de antes, em cargos que eram chamados de maneiras diferentes. Quando os “gerentes eficazes” mudaram seus cargos novamente, minhas responsabilidades não mudaram nem um pouco.
Eu não sou uma exceção. Tenho muitos ex- estatísticos, engenheiros de apoio à decisão, analistas quantitativos, professores de matemática, cientistas de big data, analistas de negócios, analistas líderes, cientistas pesquisadores, engenheiros de software, PhDs ... todos orgulhosos modernos cientistas.
Quando me tornei Cientista de Dados, minhas responsabilidades não mudaram em nada.
Amigos, eu não julgo. Gerencie bem sua marca pessoal. Mas quero ressaltar que a definição de ciência de dados, baseada no conceito de "Cientista de Dados" - não é muito precisa, dada a forma como a multidão heterogênea atrai o nome. Tomando o limite, obtemos um conjunto de palavras cuidadosamente elaboradas para dizer o mínimo possível. Isso se reflete na forma como o Cientista de Dados é visto. Recentemente, senti um pico de pressão quando um gerente de contratação de ciência de dados postou algo como “Você tem doutorado? Então você provavelmente é um Cientista de Dados . " Reformulado para proteger os inocentes.
Usar títulos de cargos para definir a ciência de dados é um jogo perigoso.
Cientistas de dados bem conhecidos já sabem o que estão procurando e podem encontrar um bom, certo, Cientista de Dados, mesmo que o título do trabalho diga um alienígena . Estou preocupado com gerentes de contratação menos experientes. Muitas empresas que estão começando na ciência de dados não têm experiência para ajudá-las. Seu plano? Contrate um cientista de dados e tudo ficará bem.
Cuidado para quem paga
Coloque-se no lugar de um novo gerente de contratação: você leu muito e decidiu que precisa de habilidades em estatística, mineração de dados e aprendizado de máquina para seu projeto. Você pode contratar três pessoas. Agora, vejamos os candidatos: 10 currículos rotulados como "Cientista de Dados".
Se essas são as pessoas do clube I , você pode escolher três currículos. Cada candidato possui as habilidades de que você precisa. Infelizmente, este clube é pequeno (leia-se: muito caro para contratar ), então as chances são boas de que essas 10 pessoas não sejam membros do I.
Pode ser difícil para o gerente de contratação determinar em qual parte da ciência de dados um candidato é realmente bom.
Se forem pessoas OU(o que é mais provável no ambiente atual), você deve entrevistá-los com cuidado para descobrir no que eles realmente são qualificados. Você precisa de três conjuntos de habilidades diferentes. As pessoas à sua frente podem ter apenas um, mas também têm todos os incentivos para convencê-lo de que são universais. Eles podem ter um conhecimento mínimo sobre as três áreas (estatística, coleta de dados, aprendizado de máquina). Isso pode ser perigoso para o seu projeto e para a contratação. Você precisa descobrir no que eles são realmente bons, o que pode ser difícil, a menos que você seja um cientista de dados experiente com uma variedade de experiências.
Resultado? Erros ao se candidatar a um emprego. Retomar chavões não são garantia de habilidades reais.
Já vi muitas equipes fazerem acidentalmente vários analistas coletar dados em vez de um grupo diverso. Mas este não é apenas um problema de ciência de dados. Acontece que palavras-chave em um currículo não vêm necessariamente com garantias de habilidade. Quanto mais quente a palavra-chave, mais ela se espalha.
Este é o fim da análise de dados?
Eu pessoalmente trato os cargos com um grão de sal. É importante que as competências correspondam a todas as necessidades da empresa. Se o cargo não for um bom indicador, os gerentes de contratação qualificados aprenderão a procurar outra coisa em seu currículo.
Perdido em pensamentos, posso até prever a história do clube OR . A posição pode simplesmente sair de moda, mas não sou o tipo que segue.
Então, a Data Science é uma bolha ou não?
Mais dados no mundo significam mais demanda para as três principais atividades de ciência de dados - inferência estatística, aprendizado de máquina, análise / coleta de dados - portanto, essas habilidades permanecerão altamente relevantes, apesar de seus nomes, que podem mudar. Você sempre pode ganhar a vida extraindo valor dos dados.
Por outro lado, as equipes que foram contratadas com base no hype e nunca aprenderam a se concentrar no que é valioso para o negócio podem descobrir que seu tempo está se esgotando.
Há alguns anos, um amigo meu, CTO que trabalha com tecnologia, reclamou de seus cientistas de dados inúteis. “Acho que você poderia contratar cientistas de dados como um traficante de drogas compra um tigre para sua propriedade”, eu disse a ele. "Você não sabe o que quer de um tigre, mas todos os outros traficantes têm um."
Não conheço traficantes reais (ou tigres), então não sei o que eles têm em suas propriedades. Mas você me entende.
Embora a ciência de dados pareça uma bolha, na verdade estou otimista. O crescente volume de dados significa oportunidades crescentes. Tudo isso requer uma boa gestão. Um amigo meu, por exemplo, acabou resolvendo muitos de seus problemas ao perceber, com a ajuda de analistas de dados, que parte de sua organização precisava de treinamento. Desde então, suas equipes estão mais preocupadas com a distribuição do trabalho. Grandes coisas começaram. Ensinar os tomadores de decisão como usar a ciência de dados salvou o dia!
Certifique-se de que os tomadores de decisão tenham as habilidades certas para o trabalho. Se houver uma bolha, essa pode ser sua raiz.
O desafio para os líderes de ciência de dados de hoje é ajudar os tomadores de decisão a passar por esse tipo de treinamento. Isso criará mais pessoas que podem apontar o talento técnico do cientista de dados em direções valiosas. Leia mais aqui . Uma vez que os cientistas de dados agregam valor, seu conteúdo se torna uma necessidade, não uma questão de moda. Podemos resolver os problemas antes que o trabalho de Cientista de Dados perca popularidade e comece a reformulação da marca?
Em nossos cursos, analisamos constantemente o mercado e damos aos alunos as competências reais que lhes permitirão permanecer profissionalmente solicitados por muito tempo. E para apresentar corretamente as competências adquiridas, trabalhamos com o currículo e o portfólio do graduado.
- Data Science (12 )
- - Data Analytics (5 )
- - Data Science (14 )
E
- (18 )
- (6 )
- Machine Learning (12 )
- « Machine Learning Data Science» (20 )
- «Machine Learning Pro + Deep Learning» (20 )
- - (8 )
- «Python -» (9 )
- DevOps (12 )
- Java- (18 )
- JavaScript (12 )
- UX- (9 )
- Web- (7 )