వేగంగా అభివృద్ధి చెందుతున్న పరిశ్రమలో ఉద్యోగం చేయండి - మ్యూజ్

చివరిసారి మీరు మీ ఫోన్‌ను ఎంచుకొని మీ ఇన్‌స్టాగ్రామ్ ఫీడ్ ద్వారా స్క్రోల్ చేసినప్పుడు? స్నాప్‌చాట్‌లో కథను తనిఖీ చేశారా? అమెజాన్ నుండి ఏదైనా కొన్నారా?

సరే, మీరు గ్రహించక పోవడం ఆ అనువర్తనాల యొక్క ప్రతి ఒక్కటి డేటా.

మరియు, సంబంధితంగా ఉండటానికి, కంపెనీలు తదుపరి పెద్ద విషయం ఏమిటో to హించడానికి చెప్పిన డేటాను ఉపయోగిస్తున్నాయి. ఆ చర్యలన్నింటికీ కేంద్ర ప్రజలు? డేటా శాస్త్రవేత్తలు.

కాబట్టి, హార్వర్డ్ బిజినెస్ రివ్యూలో 2012 నివేదిక ఈ వృత్తిని "21 వ శతాబ్దపు శృంగార ఉద్యోగం" గా పేర్కొనడంలో ఆశ్చర్యం లేదు.

2020 నాటికి డేటా శాస్త్రవేత్తల డిమాండ్ 28% పెరుగుతుందని అంచనా వేయబడింది, ఎందుకంటే కంపెనీలు అనేక రకాల వనరుల నుండి డేటాను సేకరిస్తాయి మరియు మంచి ఫలితాలను అందించడానికి వాటిని విశ్లేషించాల్సిన అవసరం ఉంది: ఆన్‌లైన్ క్లిక్, గృహ నీటి మీటర్లు, ఫుడ్ షాపింగ్ కొనుగోళ్లు, ఆరోగ్య రికార్డులు. కానీ, డేటాను సేకరించడం సరిపోదు. ఎవరో ఆ సంఖ్యలన్నింటినీ అర్ధం చేసుకోవాలి మరియు పని చేయడానికి నమూనాలను కనుగొనాలి. డేటా శాస్త్రవేత్తలు ఏమి చేస్తారు, వారు నమూనాల కోసం డేటాను విశ్లేషిస్తారు మరియు భవిష్యత్తు ఫలితాల కోసం చరిత్రను ict హాజనితంగా ఉపయోగిస్తారు.

కాబట్టి, డేటా సైంటిస్ట్ ఏమి చేస్తున్నాడో మరియు ఎంత సెక్సీగా ఉన్నాడో ఇప్పుడు మేము స్పష్టంగా ఉన్నాము, మీరు ఎలా అవుతారు?

డేటాను ప్రేమించాలి

ఇది స్పష్టంగా అనిపించవచ్చు, కాని డేటా సైంటిస్ట్ అవ్వాలంటే మీరు డేటాను ఇష్టపడాలి అని న్యూయార్క్ లైఫ్ లోని డేటా సైంటిస్ట్ మేరీ ఎల్. మేరీ ఎల్లప్పుడూ గణితంలో మంచివాడు మరియు ఆమె ఉన్నత పాఠశాలలో “ప్రాథమికంగా గణిత విభాగాన్ని వివాహం చేసుకుంది” అని అంగీకరించింది.

న్యూయార్క్ లైఫ్ యొక్క ఎంటర్ప్రైజ్ డేటా మేనేజ్మెంట్ బృందానికి చెందిన జెరెమీ బి., మునుపటి కంపెనీ ప్లాట్‌ఫామ్‌లో సమస్యలను అంచనా వేయడం ప్రారంభించినప్పుడు డేటా పట్ల తన అభిరుచి ప్రారంభమైందని, తద్వారా సమస్యలు ముందుగానే పరిష్కరించబడతాయి.

మేరీ తన సహచరులు వివిధ సంస్కృతుల నుండి మరియు ఆర్థిక గణితం నుండి యాక్చువల్ సైన్స్ వరకు శిక్షణా నేపథ్యాలు కలిగి ఉన్నారని ప్రశంసించినప్పటికీ, వారందరూ వారి డేటా ప్రేమతో ఐక్యంగా ఉన్నారు. డేటా సైంటిస్ట్ అనే పదం ప్రాచుర్యం పొందటానికి చాలా కాలం ముందు మేరీ స్వయంగా ఒక గణాంకవేత్త మరియు డేటాతో సౌకర్యవంతంగా పనిచేయడం ఉద్యోగం యొక్క అతి ముఖ్యమైన అంశం అని ఆమె సూచిస్తుంది.

అయినప్పటికీ, డేటా సైంటిస్టులు తమ టూల్‌సెట్‌కు ప్రోగ్రామింగ్‌ను జోడించగలిగితే వారికి సాధ్యమని జెరెమీ సలహా ఇస్తున్నారు: “జావా లేదా పైథాన్ వంటి విభిన్న భాషలు లేదా ప్రోగ్రామింగ్ చుట్టూ మెరుగుపరచగల మరియు అభివృద్ధి చేయగల నైపుణ్యాలు ఉన్నాయి లేదా వెళ్ళే మరియు వ్రాయగల సామర్థ్యం అయినా ప్రామాణిక SQL ప్రశ్నలు. ”