Nul
Waar komen de gegevens wetenschappers vandaan? Ze hoeven niet allemaal Promovendi, en zijn afkomstig uit een breed scala van vakgebieden, de niveaus van het onderwijs, en voorafgaande taken. Dat is de conclusie van Chris Lindner, een product wetenschapper op Inderdaad, die onlangs keek stapels cv ‘ s die zijn bedrijf processen.

Foto: IBM Media Relations
Slechts 20 procent van de data-wetenschappers hebben Phd ‘ s, vindt hij — en ze komen van verschillende achtergronden. “Velen komen van masters-en PhD-programma’ s, op gebieden variërend van astrofysica tot zoölogie,” vindt hij. “De anderen komen van de vele nieuwe data science graduate programma’ s die universiteiten bieden nu. En nog anderen kwamen uit andere technologie rollen, zoals software engineering of data-analyse.”
Veel data science professionals waren ook software engineers in hun vorige functies Lindner merkt. “Vele overgang naar een analist rollen, terwijl anderen hop recht om gegevens van de wetenschap.”
Zijn advies aan werkgevers: bij het zoeken naar data science vaardigheden, houdt u uw opties open. “Als u op zoek bent naar een generalist gegevens wetenschapper, gooi een cv alleen omdat het veld of diploma is niet wat je verwacht. Gegevens wetenschappers zijn divers in hun opleiding en achtergrond. Hoewel de meeste hebben een geavanceerde mate in het veld, er is geen één veld domineert de arbeidsmarkt. Als u problemen ondervindt bij het inhuren van ervaren data-onderzoekers en wetenschappers uit de academische wereld, overwegen om in de personen van software engineering of data-analist rollen, want dat is duidelijk een gemeenschappelijk pad naar de data science.”
Uiteindelijk is de diversiteit nodig voor het verplaatsen van gegevens van de wetenschap, en bijgevolg, kunstmatige intelligentie — vooruit vereist een veelheid van vaardigheden. Voor AI en data science om nuttig te zijn voor een bedrijf, het moet een team sport.
IBM ‘ s Vijay Vijayasankar, voor de één, is een voorstander van data-wetenschap-a-team-aanpak. Zo legde hij uit in een recente online praten met Diginomica ‘ s Jon Reed en de vaardigheden van essentieel belang om AI en gegevens die de wetenschap niet kan worden gedistilleerd in een enkele persoon of rol binnen de organisatie. Dit type van de functie “behoeften statistieken ervaring; het moet de wetenschap ervaring; het moet storytelling ervaring; het moet een goede visualisatie ervaring; het heeft een stuk van het domein van de ervaring.” legde hij uit.
Het probleem werkgevers hebben is ze op zoek zijn naar een uitzonderlijke individuen die bedreven zijn in veel van deze gebieden-met mensen die moeilijk zijn te vinden, of zijn al in dienst van enkele grote glamoureuze webproperty. Voor reguliere ondernemingen, is er behoefte aan een erkenning dat de teams van professionals uit een waaier van domeinen — ja, dat geldt ook voor de geesteswetenschappen — kunnen bundelen hun expertise en het leveren van data-gedreven vooruitgang. “Veel mensen die in het werven van gegevens wetenschappers vaak niet na te denken over dit team natuur van dit werk, en je krijgt dan zeer gefrustreerd later, als het niet geeft hen de voordelen die dat willen ze,” Vijayasankar zei.
“Dit is niet echt over een rock ster die in en met de magic data science toverstok,” vervolgde hij.
Vijayasanka geïllustreerd met een voorbeeld gezien op een vliegtuig-onderdelen fabrikant: Ze waren het spinnen van de wielen op sommige data-analyse problemen, “en het was niet totdat ze zitten met ingenieurs en specialisten en managers met de gegevens die bij dat de lamp ging uit. Het zat met de deskundigen die in het veld voor de 20 jaar dat ze in staat waren om meteen het probleem.”
Het is “niet genoeg dat je weet dat het de ‘machine learning’ – aspect; je moet ook weten het proces,” vervolgde hij.”Hoe code-to-cash-werken in een ERP-is niet iets dat je kunt leren van een data scientist in in twee dagen. Het is ook moeilijk om te leren in een machine learning aan een ERP-specialist in een paar dagen of weken. Het is belangrijk dat we een kruisbestuiving van kennis.”
Verwante Onderwerpen:
Big Data Analytics
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
0