DJ Patil, pierwszy główny analityk danych w Białym Domu za byłego prezydenta Baracka Obamy.abin Botsford / The Washington Post przez Getty Images Jeśli ostatnio zwróciłeś choćby najmniejszą uwagę na rynek pracy, być może zauważyłeś w dzisiejszych czasach mieszający trend w zatrudnianiu: każdy rekruter, zarówno z dużych korporacji, jak i maleńkich startupów, chce objąć stanowisko nazywane naukowcem danych. Jeśli przyjrzysz się bliżej, prawdopodobnie niektórzy z Twoich znajomych bez jakiegokolwiek wykształcenia naukowego już zdążyli nadrobić zamieszanie i zmienili swoją zawodową tożsamość na naukowców zajmujących się danymi na LinkedIn.
Termin „naukowiec danych”, praktycznie niespotykany zaledwie kilka lat temu, obecnie zwraca ponad 25 000 wyników na stronie z ofertami pracy LinkedIn – to solidne 2000 więcej niż wyniki wyszukiwania powszechnie modnego analityka finansowego (przynajmniej dla nas, nowojorczyków).
Skąd nagły wzrost zainteresowania? A co to w ogóle oznacza, na przykład, czym zajmują się naukowcy zajmujący się danymi? Zadałem te pytania osobie, która według mnie jest najbardziej kompetentna, aby na nie odpowiedzieć: facetowi, który ukuł termin data scientist.
DJ Patil, były dyrektor LinkedIn (od 2008 do 2011), który później służył jako główny analityk danych w Białym Domu za prezydenta Baracka Obamy, jest znany jako pierwszy w historii naukowiec w USA. Jego rządowa rola została stworzona w ramach szeroko zakrojonych wysiłków na rzecz cyfryzacji w administracji kierowanej przez Obamy, ale o doborze słów użytych do opisania tej roli zadecydował w czasie jego pracy na LinkedIn.
Byłem w LinkedIn, budując zespół danych, a Jeff Hammerbacher [współzałożyciel Cloudera] pracował w zespole danych Facebooka i czasami współpracowaliśmy i porównywaliśmy notatki. Jedną z rzeczy, z których zdaliśmy sobie sprawę, było to, że nie wiedzieliśmy, jak się nazywać, powiedział Patil w wywiadzie dla Bragancaa w zeszłym miesiącu.
Czy nazywasz siebie analitykiem? Czuje się za Wall Street. Naukowiec czy statystyk? Czuje się zbyt akademicko, przypomniał. Ale ponieważ pracowałem na LinkedIn, po prostu przetestowałem wszystkie tytuły pracy, o których mogliśmy pomyśleć, aby zobaczyć, który z nich wzbudzi największe zainteresowanie kandydatów do pracy. Okazuje się, że każdy chciał być naukowcem zajmującym się danymi, więc mówimy: OK, tak się nazwiemy.
Tytuł brzmi wyrafinowany i na tyle niejasny, że wykracza poza branże i jest traktowany poważnie, nawet przez ludzi, którzy nie mają pojęcia, co to jest.
Myślę, że podstawowym powodem, dla którego wystartowało, jest to, że ludzie nie są do końca pewni, co to znaczy. I to jest moc, powiedział Patil. Kiedy określasz siebie jako coś, ludzie również określają to, czym nie powinieneś być. Tak więc, kiedy jesteś w pokoju i mówisz, że jesteś analitykiem danych, pomyślą, że nie powinieneś być na tych poziomach spotkań. Ale kiedy powiesz, że jesteś naukowcem od danych, powiedzą, dzięki Bogu, że mamy tu mądrych ludzi.
Wzrost popytu na naukowców zajmujących się danymi wynika częściowo z bezprecedensowej obfitości danych, które zgromadziliśmy w dobie internetu, co spowodowało boom na miejsca pracy związane z dużymi danymi w różnych branżach. Seksownie brzmiąca nazwa stanowiska ułatwiła rekruterom zamieszczanie ogłoszeń o pracę, a osobom poszukującym pracy wygodną promocję. Ale jego nieodłączna dwuznaczność wywołała krytykę ze strony tych, którzy nie są zorientowani, co to właściwie znaczy.
Clint Chegin, menedżer produktu w witrynie poświęconej karierze Indeed, wyraził swoją frustrację w: Średni post zatytułowany, Nie ma czegoś takiego jak naukowiec zajmujący się danymi.
Zdecydowana większość opisów stanowisk w data science nie przekazuje rzeczywistych wymagań stanowiska, które reklamują, napisał Jeremie Harris, założyciel platformy doradztwa zawodowego SharpestMinds.
Generalnie jestem przeciwny próbom zdefiniowania tego zbyt rygorystycznie, powiedział Patil. Ważne jest, jak wykorzystujesz dane do interakcji ze światem, badania go i wymyślania nowych rzeczy.
Niektóre z tych rzeczy to nowe produkty, takie jak autonomiczny samochód lub Twój aplikacja pogodowa . Inne to analizy danych, które pomagają ludziom dokonywać oceny wszystkiego, od pożyczek po decyzje dotyczące opieki zdrowotnej, kontynuował. Jest wielu naukowców zajmujących się danymi.Może tytuł przetrwa i może zamieni się w coś innego. Ale myślę, że najpotężniejszą rzeczą jest to, że używamy danych w nowatorski sposób do tworzenia rzeczy.
