Նախկին նախագահ Բարաք Օբամայի օրոք Սպիտակ տան առաջին գլխավոր գիտնական DJ Patil- ը:abin Botsford / The Washington Post Getty Images- ի միջոցով Եթե վերջին ժամանակներս նույնիսկ փոքր-ինչ ուշադրություն եք դարձրել աշխատանքի շուկային, ապա գուցե այս օրերին նկատել եք աշխատանքի ընդունման մի հուզիչ միտում. Յուրաքանչյուր նորակոչիկ, խոշոր կորպորացիաներից և փոքր ստարտափներից, փորձում է լրացնել տվյալների գիտակ կոչվող պաշտոնը: Եթե ավելի մանրակրկիտ նայեք, ապա հավանական է, որ ձեր ընկերներից ոմանք, չունեն գիտական գիտելիքներ, որոնք արդեն հասցրել են բռնկվել և վերանվանվել են իրենց պրոֆեսիոնալ անձինք որպես LinkedIn- ի տվյալների գիտնականներ:
Տվյալների գիտնական տերմինը, որը գրեթե չլսված է ընդամենը մի քանի տարի առաջ, այժմ վերադարձնում է ավելի քան 25,000 արդյունք LinkedIn's Jobs էջում. Դա 2000-ով ավելի շատ է, քան համընդհանուր գերժամանակակից ֆինանսական վերլուծաբանի (գոնե մեզ ՝ նյույորքցիներ) որոնման արդյունքները:
Ինչու՞ հանկարծակի հետաքրքրության ալիք: Եվ ի՞նչ է դա նշանակում նույնիսկ, ինչով են զբաղվում տվյալների գիտնականները: Ես այս հարցերը տարա այն մարդու մոտ, ով, իմ կարծիքով, ամենաորակյալն է պատասխանել դրանց. Տղան, ով ստեղծեց տվյալների գիտնական տերմինը:
DJ Patil, ա LinkedIn- ի նախկին գործադիրը (2008-ից 2011 թվականներին), որը հետագայում աշխատել է որպես Սպիտակ տան գլխավոր տվյալների գիտնական Նախագահ Բարաք Օբամայի օրոք, հայտնի է որպես ԱՄՆ պատմության մեջ առաջին գիտնականը: Նրա կառավարության դերը ստեղծվել է վարչակազմի ղեկավարած ղեկավարման ներքո թվայնացման համընդհանուր ջանքերի շրջանակներում: Օբաման, բայց այս դերը նկարագրելու համար օգտագործվող բառերի ընտրությունը որոշվեց LinkedIn- ում նրա օրերի ընթացքում:
Ես LinkedIn- ում էի, որը կառուցում էր տվյալների թիմը, և ffեֆ Համերբախերը [Cloudera- ի համահիմնադիրը] աշխույժ էր Facebook- ի տվյալների թիմում, և մենք երբեմն համագործակցում և համեմատում էինք գրառումները: Այն բաներից մեկը, որ մենք հասկացանք, այն էր, որ մենք չգիտեինք, թե ինչպես մեզ անվանել, - ասաց Պաթիլը անցյալ ամիս Braganca- ին տված հարցազրույցում:
Ձեզ անվանում եք վերլուծաբան: Այն շատ զգում է Ուոլ Սթրիթը: Հետազոտող գիտնական կամ վիճակագիր Նա իրեն չափազանց ակադեմիական է զգում, հիշեց նա: Բայց քանի որ ես աշխատում էի LinkedIn- ում, ես պարզապես փորձարկեցի բոլոր այն աշխատանքային կոչումները, որոնց մասին կարող էինք մտածել, որպեսզի տեսնեմ, թե որ մեկն է առավել հետաքրքրություն առաջացնում աշխատանքի դիմողների կողմից: Պարզվում է, որ բոլորը ցանկանում էին տվյալների գիտնական լինել, այնպես որ մենք նման ենք, լավ, հենց դա ենք կոչելու մեզ:
Վերնագիրը հնչում է բավական բարդ և պարզապես անորոշ ՝ արդյունաբերությունը գերազանցելու և լուրջ վերաբերվելու համար, նույնիսկ այն մարդկանց կողմից, ովքեր գաղափար չունեն, թե դա ինչ է:
Կարծում եմ, որ դրա հիմնական պատճառը այն է, որ մարդիկ իսկապես վստահ չեն, թե դա ինչ է նշանակում: Եվ դա է ուժը, ասաց Փաթիլը: Երբ ինքներդ ձեզ պիտակ եք դնում որպես ինչ-որ բան, մարդիկ նաև պիտակավորում են այն, ինչ դուք ենթադրաբար չեք լինի: Այսպիսով, երբ դուք սենյակում եք և ասում եք, որ տվյալների վերլուծաբան եք, նրանք մտածելու են, որ դուք չպետք է լինեք այս մակարդակի հանդիպումների: Բայց երբ ասես, որ տվյալների գիտնական ես, նրանք նման կլինեն, փառք Աստծո, որ այստեղ ունենք խելացի մարդիկ:
Տվյալների գիտնականների պահանջարկի մեծ մասը մասամբ պայմանավորված է ինտերնետի դարաշրջանում մեր կուտակած տվյալների աննախադեպ առատությամբ, ինչը խթանել է տարբեր արդյունաբերություններում մեծ տվյալների հետ կապված աշխատատեղերի բումը: Սեքսուալ հնչողությամբ աշխատանքի կոչումը հեշտացրել է հավաքագրողների համար աշխատանքի գովազդների տեղադրումը, իսկ աշխատանք փնտրողների համար հարմար է իրենց առաջխաղացման համար: Բայց դրա բնորոշ երկիմաստությունը քննադատության տեղիք է տվել նաև այն մարդկանց, ովքեր շփոթված են այն բանի համար, թե դա իրականում ինչ է նշանակում:
Իրականում, կարիերայի կայքի արտադրանքի մենեջեր Քլինթ Չեգինը իր հիասթափությունը հայտնեց ա Միջին գրառում վերնագրով ՝ Data Scientist, չկա նման բան:
Տվյալների գիտության աշխատանքի նկարագրության ճնշող մեծամասնությունը չի փոխանցում իր կողմից գովազդվող դիրքի իրական պահանջները, գրել է Remերեմի Հարիս, SharpestMinds- ի կարիերայի մենթորության պլատֆորմի հիմնադիր:
Ես, ընդհանուր առմամբ, դեմ եմ փորձել այն չափազանց խստորեն սահմանել, - ասաց Պաթիլը: Կարևորն այն է, թե ինչպես եք օգտագործում տվյալները աշխարհի հետ փոխազդելու համար, ուսումնասիրում դրանք և փորձում նոր բաներ գտնել:
Այդ իրերից մի քանիսը նոր ապրանքներ են, օրինակ ՝ ինքնակառավարվող մեքենա կամ ձեր եղանակի հավելված , Մյուսները տվյալների վերլուծություն են, որոնք օգտագործվում են մարդկանց օգնելու համար գնահատել ամեն ինչ ՝ սկսած վարկերից մինչև առողջապահական որոշումներ: Կան ամեն տեսակի տվյալների գիտնականներ:Գուցե վերնագիրը գոյատեւում է, և միգուցե այն վերածվում է այլ բանի: Բայց կարծում եմ, որ այստեղ ամենահզորն այն է, որ մենք օգտագործում ենք տվյալներ իրեր կառուցելու համար նոր ձևերով:
