Когда дело доходит до продвижения по карьерной лестнице в качестве специалиста по работе с данными, очевидный вариант — стать действительно хорош в чем-то. Но это только один путь и, наверное, самый трудный.
Есть альтернатива:
В своей книге «Как потерпеть неудачу почти во всем и все же выиграть по-крупному» Скотт Адамс вводит понятие стека навыков. Идея состоит в том, что сочетание достаточно хороших навыков превосходит опыт в одном навыке.
Моя миссия и цель — помочь профессионалам в области данных продвинуться по карьерной лестнице, создав карьерный ров, и лучший способ сделать это — использовать навыки стекирования.
Карьерный ров (по определению 📚 Седрика Чина) — это набор редких и ценных, востребованных навыков, которые позволяют вам оставаться конкурентоспособными в любой области.
Он определяет это как:
«Вы не так беспокоитесь о поиске работы. Вы знаете, что если вас когда-нибудь уволят, вы легко сможете найти другую работу, потому что у вас есть «карьерный капитал», то есть навыки, которые относительно редки и пользуются достаточным спросом, чтобы гарантировать базовый уровень вознаграждения, чтобы поддерживать вас и твой».
Я много думал о том, что это за навыки в области данных.
Под влиянием модели роста компетенции Адама Фишмана я рад представить модель компетенции данных (DCM) в ее ранней форме (бета-версия 0.1). Эта работа все еще продолжается, и я надеюсь, что беседы здесь помогут ее сформировать.
DCM имеет четыре квадранта:
- Технические навыки
- Деловая хватка
- Навыки коммуникации
- Навыки решения проблем
Затем каждый из навыков имеет несколько уровней развития, которые начинаются с новичка и переходят к эксперту.
Технические навыки
- Моделирование/изменение данных (SQL/Python/Excel/R)
- Визуализация / Дизайн приборной панели
- Статистика/Машинное обучение/Дизайн эксперимента
- Проектирование инфраструктуры
Деловая хватка
- Понимать и внедрять известные метрики для домена
- Выяснить, как измерить что-то новое в предметной области
- Выясните, какие новые показатели для измерения в домене
- Поиск рычагов и ручек, влияющих на результаты в предметной области.
Коммуникация
- Рассказывание историй с данными
- Презентация результатов в убедительной форме
- Управление заинтересованными сторонами
- Влияние на руководителей низшего звена
Решение проблем
- Решение четко сформулированной задачи
- Решение плохо сформулированной проблемы
- Помощь в определении проблемы
- Обнаружение проблемы
Идея здесь в том, что, обладая навыками во всех четырех квадрантах, вы становитесь незаменимым.
Эти навыки должны применяться ко всем различным ролям данных (аналитикам данных, ученым, инженерам и т. д.). Если вы когда-нибудь задумывались, что делать дальше в своей карьере, попробуйте.
Представьте, если бы вы были новичком в SQL, но экспертом в рассказывании историй и презентациях. Ваша команда всегда будет выбирать вас для представления своих выводов, и вы станете доверенным советником.
Теперь у вас есть ров. Все, что вам нужно сделать, это улучшить свои навыки SQL до достаточного уровня, и вы будете непобедимы.
Чтобы узнать больше о карьере в сфере данных, следите за мной в LinkedIn.
