Veri bilimcilerini işe almaktan vazgeçilsin mi?
Tam metin 2899 Kelimeler, tahmini öğrenme süresi 9 dakika
Kaynak: Pexels
Şu anda, personel yöneticisi ve amirinin yayınladığı içerik ile bunların istihdamı arasında büyük bir tutarsızlık var.
En yaygın durum, çok sayıda analist ve mühendise (veya geliştiricilere veya herkes aynı fikirde) acilen ihtiyaç duyulduğunda, birçok veri bilimcisini işe almamızdır.
Çoğu durumda, bir veri bilimcisi en uygun olanıdır, ancak belirli sorunları ayrıntılı olarak analiz etmemiz gerekir.
Mevcut dünya bol miktarda veriyle ancak zayıf içgörülerle dolu. Daha anlayışlı ve hevesli insanlara ihtiyacımız var ve gerçek bilime dayanmayan zemin analizini azaltmalıyız. Pek çok durumda, sağlam iş bilgisine sahip analistler, işte yeni olan veri analistlerinden daha fazla içgörüye sahiptir.
Pek çok gerçek "veri bilimci" rolü için istatistikçiler en uygun olanıdır. Ancak yanlış tanımlanmış veri bilimci rollerinin çoğu için analistler veya mühendisler daha uygundur.
1. Bir analiste ihtiyacınız olduğunda bir veri analisti tutmayın.
2. Mühendislere ihtiyacınız olduğunda veri bilimcilerini işe almayın.
Kulağa basit geliyor! Birlikte daha fazlasını öğrenelim.
Bir analiste ihtiyacınız olduğunda veri bilimcilerini işe almayın.
Bir veri ekibinde analistlerin bilim insanlarına oranının doğru olduğundan emin değilim. Bence hepsi çözülecek soruna bağlı. Bildiğim tek şey, kurumsal temel ölçülerle ilgili raporlar oluşturmak için 5 veri bilimcisini işe almanın yanıltıcı bir arayış olduğu.
Pek çok uygun istatistikçi gece gündüz mükemmel işler yapıyor. Veri endüstrisinde bu insanları hiç duymadık. Pek çok iyi veri bilimcisi aslında sadece yeni unvanlara sahip istatistikçilerdir. Bazı veri bilimcileri istatistik, mühendislik, matematik ve programlama dahil olmak üzere birçok alanda uğraşıyor, ancak uzmanlıkları yok.
2020'de herkesin kendine veri bilimcisi diyebileceği bir sır değil. Her gün mükemmel ve dürüst bir iş (bilim?) Yapan bir istatistikçi olduğunuzu hayal edin. Indeed, Glassdoor vb. İstatistiklere göre, bir istatistikçinin yıllık maaşı 70.000 ile 110.000 ABD doları arasında olacaktır. Sonra, daha iyi insanlara bakın.Bir veri bilimcisi yılda 90.000 ile 165.000 dolar arasında para kazanabilir. Kalbinizde, "veri bilimciler" in sahip olduğunuz neredeyse hiçbir istatistiğe sahip olmadığını bilin. Belki daha fazla Python veya R yazabilirler ki bu birkaç ay içinde öğrenemeyecekleri bir program olabilir. Belki SELECT * FROM Table'ı çalıştırabilir ve bazı veriler elde edebilirler, ancak bu çok karmaşık değildir.
Bu nedenle, birkaç şirket web sitesini, birkaç iş arama bültenini ziyaret ettim ve bazı arkadaşlar ve meslektaşlara e-postalar gönderdim. Birden başka bir şirkette yepyeni bir iş buldu ve şimdi "veri bilimcisi" unvanına sahip.
Tebrikler! Birdenbire, parlak bir yüksek lisans derecesi ve tanınmış bir araştırma geçmişi ile şirkete girdi ve önceki şirketin 95.000 ABD doları olan maaşı, yeni şirketin 130.000 ABD doları oldu. Vaov! Maaş çok arttı. Daha sonra patron sizinle görüşecek ve bir çalışma planı atayacaktır. Her gün çok çalışarak kısa sürede fark ettim ki günlük işlerim çok yetenekli bir istatistikçinin iş yükünden yapılandırılmış bir sorgu diline kaydı. Birdenbire, günlük kullanıcı ölçümlerini paylaşmak için raporlar oluşturmak, sunumlar göndermek ve iş analizi aracı gösterge tabloları oluşturmak zamanın% 90'ını alıyor. Giriş seviyesi bir veri analisti olarak çalıştığınızı anladığınızda şaşkına döneceksiniz. 10 yıllık lisansüstü eğitim ve 5 yıllık doktora sonrası deneyimle, bazı yapılandırılmış sorgulama dilleri yazıyorum ve her gün eski şeyleri koruyorum.
Kaynak: Pexels
Bu, bir analistin işini sevmediğim anlamına gelmez. Aslında analistler bir işletmenin temelidir ve onlar olmadan veri dünyası işlemeyecektir. Dünyanın her yerindeki analistler aniden çalışmayı bırakırlarsa liderler akıllarını kaybedecekler. Yalnızca elektronik tablolarla birçok alan cehenneme dönecek. Sadece bir istatistikçi olduğunuzu biliyorsunuz ve her gün veya her hafta bir analist olarak küçük bir rol oynamaktansa uzun bir araştırma döngüsünde veya bir kerelik danışmanlık hizmetinde önemli bir rol oynamayı tercih edersiniz. Bu iki seçenek arasında iyi ya da kötü bir seçim yoktur; bu sadece farklı bir zihniyettir.
Ancak bir kez daha, veri bilimi şirketi başka bir yüksek vasıflı işçiye ihtiyaç duyuyor ve orta düzey bir yöneticinin maaşı ile karşılaştırılabilir bir maaş almaları için onlara bir analistin işini veriyor. Tek örnek bu değil, farklı geçmişlere sahip birçok insan bunu yaşayabilir.
İstatistikçi, kazanıp kaybettiği bir durumda olduğunu bulmakla kalmadı (çok para kazandığı için kazandı ve işinden nefret ettiği için kaybetti), şirket de kendini bir ikilemde buldu. Şirket, analistleri işe almak için 130.000 $ harcadı, ancak bu rol için oldukça yetenekli bir analist işe almak için 75.000 ila 100.000 $ kullanabilirdi. Çalışmalarının kalitesi de düşüyor çünkü istatistikçiler bununla ilgilenmiyor. İstatistikçiler bu iş için açıkça vasıflıdır, ancak araştırmalar, işe gelmediklerinde kalifiye personelin iyi performans göstermediğini göstermiştir.
Günümüz dünyasında, analistler genellikle alçakgönüllü kişilerdir ve kendilerini bir veri bilimcisi olarak etiketlemiyorlar. Ve birçok "veri bilimcisi", daha prestijli roller oynayan kendinden emin analistlerdir. Ne yazık ki, patronları ikisini ayırt edemez, öyleyse neden unvanlarını değiştirip yılda fazladan 40.000 dolar istemiyorlar?
Mühendislere ihtiyacınız olduğunda veri bilimcilerini işe almayın.
Veri ekibinde bu ikinci gerçekliği yansıtan olayları birbiri ardına duydum. Birçok veri ekibi, yeni kullanım senaryoları yayınlamak için son teknoloji modeli optimize eden uygulamalar oluşturmaya odaklanır. Metin sınıflandırması için bir veri ekibi oluşturmak için BERT kullanmayı hayal edelim. Bunun bir ağ uygulaması olarak hızlı dağıtımın temel özelliği olduğunu hayal edin.
Benim için, bir grup veri bilimcisinin bu tür bir uygulama ekibi oluşturması için bir odada toplanması son derece ilginç. Açıkçası, bir mühendis ekibine ihtiyacınız var - belki bazı ön uç ve arka uç geliştiriciler, belki de bu modelleri geçmişte kullanmış bir veya iki makine öğrenimi mühendisi. Yapmanız gereken son şey, bir grup veri bilimcisinin, modelin nasıl çalıştığını size anlatmaya çalışması ya da model doğrulamasını çalıştırma fırsatını beklerken masada dinlenmesi.
Odada yalnızca 1 veri bilimcisinin olmasının bir zararı olmayabilir. Bununla birlikte, orta düzeyde R bilgisine sahip kişilere her zaman ihtiyaç duyulmayabilir. İhtiyaç duyulan şey, gerçekten harika bilimsel araştırmaları tamamlayabilen ve uygun çözümler sağladıklarında ekibin bütünlüğünü koruyabilen çok iyi istatistiksel becerilere sahip kişilerdir. Kodlamayı mühendise bırakın. Gösterge tabloları büyük ölçekli çıkarımlar yapamaz.
Veri bilimcisi ölçeklenebilir uygulamanızı oluşturmak, ön ucunuzu, veri ardışık düzeninizi oluşturmak için burada değildir veya gerçekten herhangi bir görev, aktarılabilir yazılımın temelini oluşturmaktır. İyi bir veri bilimcisinin müdahale edebileceği yer, iyi bilimsel araştırmalar yaptığınızdan, uygulamanın gerçek dünya sonuçları sağlamak için gereken yeteneklere sahip olduğundan vb. Emin olmaktır. Orada iyi kod yazmıyorlar. Bazı durumlarda vazgeçilmez, bazılarında ise engeldir. İyi yönetim, işi güçlendirmenin ve iyi bir ekip oluşturmanın anahtarıdır.
Kaynak: Pexels
Günümüz dünyasında, birçok geliştirici ve mühendis, kendilerini bir veri bilimcisi olarak etiketlemeyi kolay buluyor. Bilgisayar Bilimleri lisans diploması ve hatta Bilgisayar Bilimleri yüksek lisans derecesi aldılar. İstatistiksel geçmişleri Wikipedia makalelerine veya mühendislik istatistiği derslerine bir bakış olabilir. Bununla birlikte, gerçekten anlamalarına gerek yok, çünkü patronları sadece mevcut teknolojiyi ve önceden oluşturulmuş İstatistikler kitaplığını kullanarak çalışabilen bir uygulama istiyor. Bu nedenle "veri bilimcisi" rolünü üstlendiler ve ek maaş talep ettiler. Harika mühendisler, bu yüzden gerçekten harika yazılımlar yaratacaklar.
Sorun şu ki, mühendisin patronu (bir veri bilimcisi olarak ilan edildi) şimdi aynı son ürünü daha fazla sağlamak için 3 veri bilimcisi daha işe almaları gerektiğini düşünüyor. Kısa süre sonra dışarı çıktılar ve çok iyi istatistikçiler tuttular ve üç ay sonra istatistikçi bir geçmişe sahip bir mühendis olarak çalışmaya çalıştıklarını fark ettiler. İlgilerini kaybetmeleri uzun sürmedi, bu onlar için bir kazanç ve bir kayıptır (yüksek maaş aldıkları için kazanmak ve işten nefret ettikleri için kaybetmek).
Her şey iki taraflı.
Yorum Beğen Takip Et
Yapay zeka öğrenme ve geliştirmenin kuru mallarını paylaşalım
Yeniden yazdırıyorsanız, lütfen arka planda bir mesaj bırakın ve yeniden yazdırma şartnamelerine uyun
