Уроки, которые могут помочь вам, если вы только начинаете заниматься наукой о данных
Не так давно я хотел стать специалистом по анализу данных. Я был так очарован возможностью стать одним из них, что сделал все, что мог. К счастью, я совершил прорыв, изменивший мой подход к карьере.
Я понял, что определяю себя своей ролью. Настолько, что я упустил из виду важность процесса. Я забыл о важности помнить почему вы делаете то, что делаете. Я также забыл о важности получать удовольствие от того, чем вы занимаетесь. Даже когда вы делаете что-то, чего делать не хотите.
Я понял, что через это проходят многие люди, когда начинают свою карьеру в области науки о данных. Они так стараются определить свою личность, что обычно теряются в процессе.
Если вы начинаете заниматься наукой о данных, очень легко потеряться в выборе роли, которую вы должны выполнять. У нас есть специалисты по данным, аналитики данных, инженеры, инженеры по машинному обучению, инженеры-аналитики, инженеры бизнес-аналитики, архитекторы данных, рассказчики данных ... Вы уже поняли, верно?
Существует взрыв ролей, который ошеломляет людей, только начинающих заниматься в этой области. Этот пост предназначен для того, чтобы поделиться с вами некоторыми уроками, которые я извлек за свою короткую карьеру. Я думаю, что они могут помочь людям, недавно начавшим заниматься наукой о данных.
TL; DR - начать где угодно. Помните, вы не роль. Вы здесь, чтобы решать проблемы. Вам следует сосредоточиться на способностях, а не на ролях. Наконец, продолжайте учиться, продолжайте совершенствоваться.
Вот и все. Увидимся ;)
Контекст
Позвольте мне определить, что я имею в виду под взрывным ростом ролей в Data Science.
Пару лет назад многих из этих ролей не существовало. Тогда у вас были бы инженер по данным, аналитик данных и специалист по данным. Вот и все. Но за последние пару лет все относительно изменилось.
Теперь у нас больше ролей. Я проводил небольшое исследование, когда понял, что менее чем за 10 минут я нашел 24 разные роли в Data Science.
Я подумал… Правда? 24? Это прихоть или специализация? Я не совсем уверен. Но есть вероятность, что если вы только начинаете свою карьеру, вас может немного ошеломить такое количество вариантов.
Я понял, что именно это происходит с некоторыми людьми, которые только начинают свою карьеру. Они не знают, с чего начать. Они не знают, чего им следует добиваться. Они действительно не знают, есть ли что-нибудь для них в таком количестве ролей.
Немного загадка
Вы знаете ... Я тоже был там несколько лет назад. Я начинал свою карьеру в качестве разработчика программного обеспечения. Я был в ситуации, когда не был уверен, что хотел этого. Я только знал, что хочу попробовать эту новую штуку под названием Data Science. Но я не был уверен, с чего начать.
Очень хочу поделиться с вами своей историей. Но сначала хочу поделиться с вами историей из Южного парка. Думаю, это удачно иллюстрирует мой путь.
Итак, вот это…
Пара мальчиков идет в пещеру, полную гномов. Там гномы занимаются своими делами. Они собирают и обрабатывают украденные трусы.
Мальчики, немного удивленные, спрашивают: «Так что ты собираешься делать со всеми украденными трусами?»
На это гном отвечает: «Сбор трусов - это всего лишь первый этап».
Мальчики отвечают: «Итак… что такое второй этап?»
[Беспокойное молчание]
Гном, немного сбитый с толку вопросом, спрашивает остальных: «Эй, а что за вторая фаза?»
Другой гном отвечает: «Фаза первая, мы собираем трусы».
Другой отвечает снова - «Да, да. Но как насчет второго этапа? "
Другой гном, глядя в пустоту, говорит: «Ну… Третья фаза - прибыль. Понятно? »
Один из мальчиков отвечает:« Не понимаю ».
Гном, пытаясь объяснить план, говорит: «Понимаете… Фаза первая, собирайте трусы. Фаза вторая, [молчание]. Третья фаза, прибыль! »
Хотя эта история может показаться вам немного глупой, я думаю, что очень легко попасться в подобную ситуацию. Когда вы так зациклены на чем-то, вы даже не понимаете, что можете потеряться в этом. Вы можете не осознавать, что говорите.
Это относится ко всему в жизни. Я думаю, это также прекрасно объясняет, как мы обычно зацикливаемся на ролях, которые играем в нашей компании.
Для меня первым этапом было стать специалистом по анализу данных. Вторая фаза… Ну, я не совсем уверен. Но я действительно уверен, что третий был «успехом».
Если вы начинаете свою карьеру в области науки о данных, это может случиться с вами. Или, может быть, это уже происходит, а вы этого не осознаете.
В любом случае, вот несколько уроков, которые я извлек из своего процесса.
Уроки
С тех пор, как я начал заниматься Data Science, я выполнял разные роли. Я был аналитиком данных; странный специалист по данным / инженер по машинному обучению; теперь своего рода Data Engineer / Architect.
Я исполнил эти 3 разные роли за четыре года. Вы можете подумать, что я нетерпелив. Ну, я думаю, это зависит от того, с какой точки зрения вы на это смотрите.
«Нет ничего хорошего или плохого, но мышление делает это так». Уильям Шекспир
В любом случае, я извлек пару уроков из этого процесса. Итак, без лишних слов, вот они.
Начни где угодно
Если вы только начинаете, не беспокойтесь о том, какую роль выбрать. Вам не нужно работать над этой ролью всю оставшуюся жизнь.
Вам следует просто выбрать роль, которая ближе к уже имеющимся у вас знаниям. Попробуйте, если вам это не нравится, начните медленно отходить от него. Но не торопитесь и не зацикливайтесь на желании что-то изменить. Позвольте себе узнать даже то, что вам не нравится. Они могут помочь в будущем.
Когда мы начинаем, я думаю, большинство из нас хотят знать, что нам нравится и чем мы хотим заниматься. Но знание того, что нам не нравится, - тоже прогресс.
Ты не твоя роль
Это так просто, как кажется, вы не ваша роль. Но легче сказать, чем поверить в это.
Помните, цель любой работы - решение проблем. Если вы аналитик данных, вы решаете проблемы. Вы помогаете людям своими аналитическими способностями. Если вы инженер по обработке данных, вы также решаете проблемы. Вы помогаете людям своими инженерными способностями. Хотя вам может быть больше нравится быть аналитиком данных, чем инженером по данным.
Дело в том, что вы не узнаете, нравится ли вам что-то, пока не попробуете это. Итак, попробуйте по чуть-чуть каждой роли, а затем, когда почувствуете себя готовым, выберите одну и специализируйтесь на ней.
Кроме того, не позволяйте ограничивать себя определением ролей. Я был аналитиком данных, выполняя работу инженера по данным. Кроме того, я работал инженером по обработке данных, выполняя работу владельца продукта. Да будет так. Мы здесь, чтобы решать проблемы.
Сосредоточьтесь на способностях, а не на ролях
Если сейчас есть что-то сложное, что нужно определить, так это роли в Data Science. Каждая компания определяет роли по своему усмотрению.
Я был в организациях, где я сказал, что я аналитик данных, но я для них инженер по данным. Кроме того, я был в организациях, где я сказал, что я аналитик данных, но они называли меня специалистом по данным.
В любом случае, поэтому лучше сосредоточиться на способностях, а не на определении ролей. Знание того, как делать ETL, везде одинаково. Независимо, если вы называете себя инженером по обработке данных, аналитиком данных или разработчиком платформы и инструментов для анализа данных.
Вы должны использовать возможность изучить новые способности. Опять же, не прекращайте изучать что-то, потому что это не входит в вашу ответственность как инженера данных, аналитика данных или где-то еще.
Продолжайте учиться, продолжайте совершенствоваться
Как вы узнаете что-то, если никогда об этом не слышали? Я решил это для себя, прочитав статью в день. Я занимаюсь этим уже три года.
Продолжайте учиться, продолжайте совершенствоваться. Здесь нечего добавить. Читайте каждый день, практикуйтесь каждый день и будьте терпеливы в процессе.
Сегодня вы можете быть аналитиком данных. Завтра вы можете стать инженером по обработке данных. Кто знает. Вы здесь, чтобы решать проблемы.
Спасибо за прочтение!
Если вы хотите быть в курсе моих работ, присоединяйтесь к моей рассылке новостей! Время от времени я делюсь кое-чем со своими читателями. Буду признателен, если вы присоединитесь :)
