职场转型与进阶:多年非Data相关工作经验,如何转行数据科学家?

职场转型与进阶:多年非Data相关工作经验,如何转行数据科学家?

随着疫情影响的退去,2022年美国就业市场上的机会在显著增加,每周都有3000以上的新增数据岗位,现在正是转行和换工作的最佳时期。在这种大环境下,越来越多的求职者转行数据科学家以及相关的岗位。

那么今天我们就来谈谈:多年非Data相关工作经验,如何转行数据科学家?如果你想了解更多关于数据科学的相关内容,可以阅读以下这些文章:
初级与高级数据科学家有什么区别?
如何明确和解决模糊的数据科学问题?
构建数据科学管道的 4 个步骤
2022年,我们给数据科学初学者推荐这5本书

主要内容有以下几个:

  • 传统的非数据相关专业,如何结合自身背景转行数据科学家?
  • 转行的痛点和难点是什么?如何着手开始?
  • 人到中年职场难以更进一步,如何应对?
  • 针对转行人群,有哪些推荐的学习资料及平台

目前来看,几乎所有的公司都在做一项把整个公司的运用,市场,产品的研究甚至于HR的工作都向数据驱动的方向变更,从而大量的运用了人工智能数据科学的方法。例如市场方面大家都在进行市场以及用户人群的细分,HR更看重如何选择最符合要求的候选人,在workforce里如何去进行有效的调配从而增加员工的效率。

在产品开发过程中大量使用用户行为分析以及A/B testing。这使得各个公司对于数据类岗位的需求也越来越高。

从上图可以看到,目前在美国最受欢迎的岗位都是与数据类相关的,且薪资水平也较高,薪资水平高也代表着市场的需求大。

可以看到关于数据类的岗位是多种多样的。今天主要分享的岗位有商业分析师以及数据科学家两个岗位。

商业分析师岗位的求职者大部分偏文商科。学习重点可以放在学习数据相关的技能再加上某个商业领域的技能,成为复合型的人才。主要要求的技能有:使用数据库查询 (SQL) 的经验,行业经验,在线分析处理(OLAP),数据立方体技术,数据建模,数据虚拟化,分析(统计,DEA,预测),强大的书面和口头表达能力等。

数据科学家这一岗位是从2014年开始在LinkedIn上出现的,现在越来越多的公司开始招收数据科学家。数据科学家是整个数据科学金字塔的塔尖,对于技能的要求十分全面。无论是数据库分析,积极学习,沟通技巧,商业应用以及在某个领域的领导知识等要求都较高。学位方面的要求基本为研究生或者博士生学位。但数据显示,已经上岸的数据科学家超过一半以上的都不是与数据相关的专业。

Key skills for Data Related Jobs

如果想要转行数据行业,需要哪些技能?

首先需要会的技能就是SQL。所有数据库相关的岗位都需要面试者有数据存储与查询的能力。SQL 是一种以数据为中心的语言,是大数据时代的基础。在使用 NoSQL 等大数据技术时,结构化查询语言的知识本质上将成为程序员的额外优势。它也是 Hadoop Scala 仓库的重要组成部分

第二个就是NoSQL。NoSQL主要是与大数据相关,在进入大数据时代以来,原来的关系性数据库在很多场合对大数据上下文之中的应用会在表现方面有些局限,这使得分布式的大数据系统越来越流行,其中包括图片数据库用来专门处理社交软件的系统。

第四个是story telling讲故事的能力。Facebook在面试数据科学家的时候主要考察两个东西,第一个为SQL,第二个为Product Sense。Product Sense包括以下几个内容:

  1. 对产品的理解,例如对于用户体验以及用户产品的理解
  2. 对于数据的理解 ,产品里收集的数据都表现了哪些数据的分析
  3. 数据分析 
  4. 如何把前面发现的数据Insight讲给别人

这些就是story telling的能力。

第五个为机器学习。机器学习为AI落地领域最成功的学科。因为在机器学习被广泛的应用到各个公司以后,为企业带来了新的方法,如何用机器学习的方法去找到数据的规律,然后根据这个规律去找新用户,研发新的产品,以及发现新的市场机会。

Advance Career with Data Skills

如果在美工作3-10年后,遇到了职业天花板,这时候应该怎么办呢?更加高级的职位或许是个选择。

这里为大家介绍CDO(chief data officer)这个岗位。CDO这个岗位从2015年开始变得越来越流行,首席数据官 (CDO) 的形象不断变化,HR正在寻找能够胜任这一热门职位的专业人士。尽管需求旺盛,但 CDO 对许多公司来说仍然是一个相对较新的概念。组织已经意识到他们需要聘请 CDO。因此如果你是管理企业范围数据清理、分析、可视化和研究智能洞察的数据领导者,CDO 可能是你的工作目标。

那么相关岗位需要哪些必备技能呢?

  1. 编程能力:这可能是数据科学家最基本的技能——数据科学家的工作比传统的统计学家的工作更实用,过硬的代码能力会使得你在今后的工作中更加如鱼得水。
  2. 定量分析:定量分析是数据科学家技能的核心。数据科学的大部分内容是通过分析自然产生的数据和通过实验产生的数据来理解一个特别复杂系统的行为。
  3. 产品直觉:产品直觉作为一种技能与数据科学家对系统进行定量分析的能力相关,产品知识意味着了解生成数据科学家分析的所有数据的复杂系统。
  4. 沟通技巧:此技能对于帮助显著提高之前列出的所有技能的影响力很重要。沟通技能的优劣,可以帮助区分优秀的数据科学家和普通的数据科学家。
  5. 团队合作:最后一个技能将前 4 个技能联系在一起。数据科学家不能孤立存在。

那么如何成功转行数据科学家呢。如果你有兴趣将职业完全转换为数据科学角色,一个好的策略是开始将数据科学技能融入你当前的角色,这样当你过渡时会容易得多。如果你还没有,请先将数据驱动的决策添加到你当前的角色中。

最后,如果你正在考虑转向数据科学的世界,尝试在相关Linkedin社区、Blogs、论坛等中崭露头角——无论是通过参加以数据主题的会议还是接受技术指导——都可以帮助你结识与你的职业生涯相匹配的其他人。

感谢你的阅读。你还可以订阅我们的YouTube频道,观看大量大数据行业相关公开课:https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ;在LinkedIn上关注我们,扩展你的人际网络!https://www.linkedin.com/company/dataapplab/

Recap 作者:数据应用学院
美工编辑:过儿
校对审稿:Miya
公开课回放链接:https://www.youtube.com/watch?v=VLZjcpKbreA