Clever Geek Handbook

Apakah Ilmu Data adalah Gelembung?



Di SkillFactory, sebagai sekolah yang berspesialisasi dalam pelatihan ilmuwan data dan analis data, kami memperhatikan masalah persepsi profesi itu sendiri, baik oleh siswa itu sendiri maupun oleh atasan mereka. Kami telah berbicara tentang persyaratan untuk profesi Analis Data dan kebingungan dalam lowongan dalam materi ini , dan sekarang kami ingin berbagi dengan Anda terjemahan artikel oleh kepala departemen pengambilan keputusan cerdas di Google, di mana dia berbicara tentang prospek posisi Ilmuwan Data. Tentang risiko perusahaan dalam mempekerjakan Ilmuwan Data karena pemahaman yang berbeda tentang posisi atau karena SDM yang tidak berpengalaman dan bagaimana melindungi Anda dari kesalahan dalam resume Anda.





Apakah Ilmu Data adalah Gelembung? Anda akan terkejut betapa sering saya ditanyai pertanyaan ini. Jawabanku?



Mungkin tidak, tapi posisi Data Scientist mungkin.



Izinkan saya menjelaskan diri saya sebelum kerumunan garpu rumput tiba.



Ilmu Data dan definisi ilmu data



Ada banyak pendapat, tapi saya lebih suka definisi berikut: " Ilmu data adalah disiplin ilmu yang membuat data berguna." Jika Anda tidak menyukai definisi saya, Anda mungkin menyukai definisi jelas Harlan Harris:

Ilmu data ditentukan oleh apa yang dilakukan oleh seorang Data Scientist dan apa yang dilakukannya sangat tertutup ... Tapi siapa Data Scientist itu, mungkin pertanyaan yang lebih mendasar.



Baik. Lalu siapa kita? Nah, itu tergantung klub mana yang Anda ikuti. Dan di sinilah ide gelembung berperan.



DAN versus ATAU





Bagi sebagian orang, posisi tersebut menyiratkan kompetensi penuh dalam tiga spesialisasi (statistik, pengumpulan data, pembelajaran mesin). Bagi yang lain, itu berarti keterampilan seseorang digabungkan dengan keterampilan orang lain. Pemahaman yang berbeda tentang posisi ini dapat merugikan Anda saat merekrut.



Opsi satu. Hanya yang layak!



Ada orang yang bermimpi melucuti peniru dari pekerjaan mereka dan membatasi profesi sakral hanya untuk elit yang paham data.



Bagaimana rasanya ketika orang-orang seperti itu sedang wawancara? Mereka ingin melihat saya sebagai ahli statistik sejati, dengan pengetahuan tentang pembelajaran mesin, sabuk hitam dalam analitik, dan portofolio proyek terapan. Mereka ingin tahu apakah sekolah pascasarjana saya trendi. Mereka ingin menguji bagaimana saya menjadi seorang pemimpin dan bagaimana saya memecahkan masalah bisnis. Oh, dan saya lebih baik memiliki keterampilan komunikasi. Bagaimana dengan bulan di atas tongkat? Jika saya tidak melakukan data sejak saya berusia delapan tahun, saya akan ketakutan. Sampai saat itu, ini adalah klub kecil yang menyenangkan dan saya memiliki perasaan yang sangat bertentangan.



Biar saya menyebutnya apa adanya: Klub Dan... Peserta harus merupakan ahli statistik yang kompeten, pakar pembelajaran mesin, dan analis dengan keterampilan pengkodean perhiasan. Harap dicatat bahwa masuk ke klub ini cukup sulit; tidak banyak orang yang ahli dalam semua masalah data. Orang-orang ini tidak akan pernah bisa memenuhi kebutuhan dunia akan spesialis. Sayangnya, ini adalah sifat penawaran dan permintaan.



Opsi dua. Pintunya terbuka untuk semua orang!



Klub alternatif dan lebih ramai adalah klub OR . Ini terdiri dari orang-orang yang telah mengganti nama jabatan mereka, seperti analis atau ahli statistik, menjadi istilah umum. Kedengarannya lebih baik, meningkatkan pekerjaan dalam ilmu data, memperluas komunitas, menghadirkan berbagai keterampilan. Setiap orang menang. Baik? Hampir.



Yang saya suka: Ini menekankan tim, sifat atletis dari ilmu data dan pendekatan ini memungkinkan lebih banyak orang untuk berpartisipasi dalam ilmu data. Luar biasa! Dan beberapa bidang ilmu data tidak terlalu sulit. Penambangan data, yaitu mengumpulkan data, adalah sesuatu yang lebih terampil daripada yang mereka pikirkan. Jika Anda berpikir mengumpulkan data membutuhkan gelar PhD, saya punya kabar baik. Yang Anda butuhkan hanyalah pemahaman tentang cara melihat kumpulan data, kerendahan hati yang moderat, dan akal sehat.



Bagaimana dengan sisi lainnya? Ilmu data terkenal karena tuntutannya yang tinggi dan pengalaman belajar yang lama. Saya sangat bersimpati dengan manajer perekrutan yang bingung dan miskin yang mengira mereka memikat seorang spesialis serba guna, tetapi mempekerjakan seseorang yang kurang berkualitas. Iklan palsu merusak.



Tip: Jika Anda menginginkan jaminan penuh bahwa Anda tidak melebih-lebihkan resume Anda, posisi analis data adalah pilihan teraman.



Iklan palsu



Sejujurnya, setiap kali saya menjadi Data Scientist, saya melakukan pekerjaan yang sama seperti sebelumnya, dalam posisi yang disebut berbeda. Ketika "manajer yang efektif" mengubah jabatan mereka lagi, tanggung jawab saya tidak berubah sedikit pun.



Saya tidak terkecuali. Saya memiliki banyak mantan ahli statistik, insinyur pendukung keputusan, analis kuantitatif, profesor matematika, ilmuwan data besar, analis bisnis, analis terkemuka, ilmuwan penelitian, insinyur perangkat lunak, PhD ... semua modern yang bangga ilmuwan.



Ketika saya menjadi Ilmuwan Data, tanggung jawab saya tidak berubah sama sekali.



Teman, saya tidak menilai. Kelola merek pribadi Anda dengan baik. Tetapi saya ingin menunjukkan bahwa definisi ilmu data, berdasarkan konsep "Ilmuwan Data" - tidak terlalu akurat, mengingat bagaimana kerumunan yang beraneka ragam menarik nama tersebut. Mengambil batasan, kami mendapatkan serangkaian kata yang disusun dengan cermat untuk diucapkan sesedikit mungkin. Ini tercermin dalam cara Data Scientist dilihat. Baru-baru ini saya merasakan lonjakan tekanan saat manajer perekrutan data science memposting sesuatu seperti “Apakah Anda memiliki gelar PhD? Maka Anda mungkin seorang Ilmuwan Data . " Diucapkan ulang untuk melindungi yang tidak bersalah.



Menggunakan judul pekerjaan untuk mendefinisikan ilmu data adalah permainan yang berbahaya.



Ilmuwan data terkenal sudah tahu apa yang mereka cari dan dapat menemukan Ilmuwan Data yang bagus, ahem, bahkan jika judul pekerjaannya menyebutkan alien luar angkasa . Saya khawatir tentang manajer perekrutan yang kurang berpengalaman. Banyak perusahaan yang memulai ilmu data tidak memiliki keahlian untuk membantu mereka. Rencana mereka? Sewa Ilmuwan Data dan semuanya akan baik-baik saja.



Perhatian bagi mereka yang membayar



Tempatkan diri Anda pada posisi manajer perekrutan baru: Anda telah banyak membaca dan memutuskan bahwa Anda memerlukan keterampilan dalam statistik, pengumpulan data, dan pembelajaran mesin untuk proyek Anda. Anda bisa mempekerjakan tiga orang. Sekarang mari kita lihat kandidatnya: 10 resume berlabel "Ilmuwan Data".



Jika ini adalah orang-orang dari klub I , Anda dapat memilih tiga resume. Setiap kandidat memiliki keterampilan yang Anda butuhkan. Sayangnya, klub ini kecil (baca: sangat mahal untuk disewa ), jadi kemungkinan besar 10 orang ini bukan anggota I. Mungkin



sulit bagi manajer perekrutan untuk menentukan bagian mana dari ilmu data yang benar-benar dimiliki kandidat.



Jika mereka adalah orang ATAU(yang lebih mungkin terjadi di lingkungan saat ini), Anda harus mewawancarai mereka dengan hati-hati untuk mengetahui keahlian mereka sebenarnya. Anda membutuhkan tiga set keahlian yang berbeda. Orang-orang di depan Anda mungkin hanya memiliki satu, tetapi mereka juga memiliki banyak insentif untuk meyakinkan Anda bahwa mereka universal. Mereka mungkin memiliki pengetahuan minimum tentang ketiga area (statistik, pengumpulan data, pembelajaran mesin). Ini bisa berbahaya untuk proyek Anda dan perekrutan. Anda perlu mencari tahu apa yang benar-benar mereka kuasai, yang mungkin sulit dilakukan kecuali Anda seorang data scientist berpengalaman dengan berbagai latar belakang.



Hasil? Kesalahan saat melamar pekerjaan. Kata kunci resume bukanlah jaminan keterampilan nyata.


Saya telah melihat banyak tim yang secara tidak sengaja meminta beberapa analis untuk mengumpulkan data alih-alih grup yang beragam. Tapi ini bukan hanya masalah ilmu data. Ternyata kata kunci di resume tidak selalu disertai dengan jaminan keahlian. Semakin panas kata kunci tersebut, semakin banyak ia menyebar.



Apakah ini akhir dari analisis data?



Saya pribadi memperlakukan jabatan pekerjaan dengan sebutir garam. Penting agar keterampilan sesuai dengan semua kebutuhan perusahaan. Jika jabatan bukan indikator yang baik, maka manajer perekrutan yang terampil akan belajar mencari hal lain di resume mereka.



Melamun, saya bahkan bisa meramalkan sejarah klub OR . Posisinya mungkin sudah ketinggalan zaman, tapi aku bukan tipe yang diikuti.



Jadi, apakah Ilmu Data merupakan gelembung atau tidak?



Lebih banyak data di dunia berarti lebih banyak permintaan untuk tiga aktivitas sains data inti - inferensi statistik, pembelajaran mesin, analitik / pengumpulan data - sehingga keterampilan ini akan tetap sangat relevan terlepas dari namanya, yang dapat berubah. Anda selalu dapat mencari nafkah dengan mengekstrak nilai dari data.



Di sisi lain, tim yang telah dipekerjakan karena hype dan tidak pernah belajar berkonsentrasi pada apa yang berharga bagi bisnis mungkin mendapati bahwa waktu mereka hampir habis.



Beberapa tahun yang lalu, seorang teman saya, seorang CTO yang bekerja di bidang teknologi, mengeluh tentang data scientist yang tidak berguna. "Saya pikir Anda bisa mempekerjakan data scientist seperti raja obat bius membeli harimau untuk tanah miliknya," kataku padanya. "Kamu tidak tahu apa yang kamu inginkan dari seekor harimau, tapi semua gembong narkoba lainnya memilikinya."



Saya tidak tahu raja obat bius (atau harimau) yang sebenarnya, jadi saya tidak tahu apa yang mereka miliki di perkebunan mereka. Tapi Anda mengerti saya.



Meskipun Ilmu Data terdengar seperti gelembung, saya sebenarnya optimis. Volume data yang terus bertambah berarti semakin banyak peluang. Semua ini membutuhkan manajemen yang baik. Seorang teman saya, misalnya, akhirnya menyelesaikan banyak masalahnya dengan menyadari, dengan bantuan analis data, bahwa bagian dari organisasinya membutuhkan pelatihan. Sejak itu, timnya menjadi lebih bijak tentang cara mendistribusikan pekerjaan. Hal-hal hebat telah dimulai. Mengajar para pembuat keputusan bagaimana menggunakan ilmu data menyelamatkan hari!



Pastikan pembuat keputusan memiliki keterampilan yang tepat untuk pekerjaan itu. Jika gelembung ada, ini bisa menjadi akarnya.


Tantangan bagi para pemimpin ilmu data saat ini adalah membantu pembuat keputusan melalui pelatihan semacam ini. Ini akan menciptakan lebih banyak orang yang dapat menunjukkan bakat teknis Data Scientist ke arah yang berharga. Baca lebih lanjut di sini . Begitu data scientist membawa nilai, konten mereka menjadi kebutuhan, bukan masalah mode. Bisakah kita berurusan dengan isu-isu sebelum data Scientist pekerjaan kehilangan popularitas dan rebranding dimulai?





Dalam kursus kami, kami terus-menerus menganalisis pasar dan memberi siswa keterampilan nyata yang akan memungkinkan mereka untuk tetap diminati secara profesional untuk waktu yang lama. Dan untuk menyajikan keterampilan yang diperoleh dengan benar, kami bekerja dengan resume dan portofolio lulusan.



gambar





E






More articles:


All Articles