“Creating value from data”- A data scientist a 21. század álommunkája?4 perc olvasás

Ebben a bejegyzésben megtudhatjátok, hogy mi motiválja az embereket arra, hogy belekezdjenek data science tanulmányaikba.

Mi történik a munkaerőpiacon?

Ipar 4.0, IoT, big data, M2M. Ezek lehetnének címszavak egy informatikusblog főoldaláról, de mégis egy autós portálról származnak. A jelenleg is zajló negyedik ipari forradalom ismét a feje tetejére állítja a világot és a munkáltatók igényeit egyaránt.

Az ipar 4.0 “motorja” az adat, így a folyamat begyorsulásával nem meglepő, hogy egyre nagyobb a mozgás az adatok gyűjtése, rendezése, elemzése és hasznosítása körül. A jövőben minden az adatokról fog szólni, így aki hatalmat szeretne bármelyik iparágban, annak minél közelebb kell kerülnie hozzájuk. Olyan emberekre lesz szükség, akik az adatok feldolgozásával értéket tudnak előállítani a cégek számára. Ehhez azonban nem elég ismerni a különböző programokat, algoritmusokat, hanem érteni is kell az adatokat és az eredmények üzenetét. Ezáltal jogosan kijelentjetjük, hogy a jövőben megéri data scientistnek lenni, de ez már most is így van.

Mit csinál egy data scientist?

Mindent és semmit. Mindent, mert nagy szerepe van a cégek tevékenységének optimalizálásában, így a folyamatos profitnövelésben is. Semmit, mivel mindezt a háttérben teszi, ahol relatíve kevés figyelmet kap a nyilvánosságtól. Így nem meglepő, ha nagyon eltérő válaszokat kapunk véletlenszerűen választott emberektől a kérdésre.

Egy data scientist képes adatokat gyűjteni, rendszerezni és feldolgozni azokat, ezekből modelleket készíteni, majd az inputokat úgy felhasználni, hogy azzal értéket teremtsen a vállalatnál. Nagy a hangsúly az értékteremtésen, így nem elegendő “valamit” csinálni, úgy kell dolgozni, hogy minden egyes eredményről meg tudjuk mondani, hogy mi az, mi van mögötte, és miért úgy történt. Ehhez pedig szükség van programozási nyelvek és vizualizációs szoftverek ismeretére, matematikai és ökonometriai háttérre, új dolgok iránti fogékonyságra, kreativitásra, üzleti érzékre, logikus felfogásra és látásmódra,  valós életbeli tapasztalatokra.

 

A 2018-ban készült álommunkák listáin is előkelő helyet foglal el a data scientist, a programozóval, machine learning specialistával, statisztikussal, a matematikussal és a marketingessel egyetemben, ez nem meglepő, hiszen egy adatelemzőnek minden felsorolt területhez értenie kell valamilyen szinten. A legkevésbé értékelt állások között a taxisofőrrel, favágóval, vagy a rovarirtóval találkozhatunk, ezek a területek nem is igazán az adatelemzők asztalai.

Vajon mi motiválhatja az embereket, hogy belekezdjenek data science tanulmányaikba?

Az internetet böngészve sokféle tapasztalattal találkoztam, mindenki mást emel ki motiváló tényezőként, ez is mutatja a munka sokszínűségét. Napjainkban a data scientistek hasonló cipőben járnak, mint az informatikusok néhány évvel ezelőtt: nagy rájuk a kereslet, de az igazán jók kevesen vannak, így a béreiket az értük való versengés magasan tartja a munkaerőpiacon, az egyik legjobban fizetett munkák közé tartozik. Az adatelemzők logikus típusok, szeretik az objektív válaszokat, a háttérben megbúvó adatok adta biztonságérzetet egy-egy kérdésben vagy vitában. A kreatív, vállalkozószellemű emberek érdeklődését a dinamikusan fejlődő technika, az új területek, a speciális megoldások, és a viszonylag könnyűen előállítható saját termékek adta izgalom biztosítja a mindennapokban.

Személy szerint engem is hasonló dolgok motiváltak. Szeretem a logikus dolgokat, hogyha az álláspontomat alá tudom támasztani adatokkal, ha teljesen racionálisan lehet megközelíteni egy témát.  Ebből még nem következik egyértelműen, hogy valakinek data scientistnek kellene lennie, hiszen egy elméleti matematikus is hasonlóan dolgozik. Azonban a fentieken kívül meg kell említenem, hogy alkalmazott, minél változatosabb, kreativitást igénylő munkát szeretnék végezni, amellyel értéket teremtek és hasznosnak érzem magam, elkerülve azt, hogy a hétköznapjaimat monotonon tengessem a munkahelyemen. Utolsóként pedig egy nagyon fontos motivációs tényező: a folyamatos fejlődés. A 21. század a “lifelong learning” százada, az emberek a megszerzett tapasztalataikat, képességeiket alkalmazzák, továbbfejlesztik, hogy később még jobban profitálhassanak belőlük. Nekem is nagy motivációt jelent a folyamatos fejlődés lehetősége, a rengeteg új lehetőség a továbblépésre, ezért is kezdtem be data science tanulmányaimba.

Ha a cikkem olvasása közben magadra ismertél, akkor te vagy az ideális data scientist jelölt!
További hasznos dolgokat olvashatsz egy data scientist állásinterjú menetéről  itt.

Leave a Reply

Your email address will not be published. Required fields are marked *