Avez-vous besoin d'un scientifique théorique ou d'applications?

Il existe deux types de scientifiques de données: les scientifiques de données théoriques et les scientifiques d'application. De quoi avez-vous besoin pour votre projet d'analyse?

Je rencontre presque tous les jours une entreprise qui propose des cours de formation permettant aux utilisateurs de devenir des spécialistes des données. Ce qui est amusant, c’est que le temps ne cesse de raccourcir: «Devenez un informaticien en 30 jours. Non, sept jours. Non, un jour. »Et il y a un énorme engouement derrière cela avec des centaines de milliers de personnes s'inscrivant à ces cours. Pourquoi pas! Il s'agit de l'un des emplois les plus rémunérateurs et les plus rémunérateurs du monde, et selon McKinsey, il y aura une pénurie de spécialistes des données de l'ordre de cent mille d'ici 2020. De nombreux emplois sont assurés.

Si la demande existe et qu'il suffit de 30 jours pour devenir un informaticien, qu'est-ce qui cause cet écart? Il devrait être facile de réhabiliter les ressources existantes et de faire le travail. Cela pose donc la question suivante: comment les scientifiques de données sont-ils différenciés? En tant qu'entreprise, que devriez-vous rechercher dans un informaticien lorsque vous essayez d'en embaucher un? Est-ce que chaque scientifique de données doit être un doctorat ou le scientifique de données de 30 jours travaillera-t-il dans votre cas? La structure ci-dessous devrait aider votre cause:

1. Scientifique en données théoriques

Qui sont-ils?

La première catégorie de scientifiques en données que je voudrais souligner est celle qui figure en tête de liste, avec un doctorat ou une maîtrise en informatique, en mathématiques et en statistiques, et au cœur du sujet. Ils ont passé des années à rechercher des algorithmes de science des données, à bien comprendre les mathématiques et ont contribué à l’ajout réussi à la bibliothèque d’algorithmes telle que nous la connaissons.

Où les trouve-t-on le plus?

Ils sont vraiment la race rare de spécialistes et On en trouve principalement dans les sociétés de produits d’analyse ou les sociétés qui effectuent des travaux de pointe dans le domaine de la science des données, comme Google, Facebook, etc. Très axé sur la recherche.

Quand en avez-vous besoin?

Vous avez besoin d'un informaticien de cette qualité lorsque vous savez que votre problème est unique et ne peut pas être résolu en utilisant les bibliothèques existantes ou nécessite une recherche intense ou une approche totalement nouvelle. est accessible au public. Par conséquent, ils se trouvent principalement dans les sociétés susmentionnées.

2. Application Data Scientist

Qui sont-ils?

Il s'agit de la race de scientifiques de données qui connaît la plus forte croissance. Ce groupe a une formation en codage / informatique et en maths mais ne s'est pas spécialisé en science des données dans sa vie passée. Ils ont soit été accidentellement poussés dans ce domaine, soit sautés dans le train en marche lorsqu'ils ont réalisé que tous leurs pairs le faisaient aussi. Leur point de départ habituel est un cours Web comme Coursera ou Udacity, puis ils ont tendance à comprendre des concepts à mesure qu’ils expérimentent leur chemin dans les bois.

Où trouve-t-on le plus?

Les sociétés de services de BI et d’analytique et les sociétés où analytics / IT est une opération non essentielle. Les entreprises qui aident les clients à prendre le train de l’analyse. Les problèmes qu'ils résolvent sont de niveau moyen. Ils ne comprennent pas le calcul exact des algorithmes, mais pourraient facilement vous dire son application, ses paramètres de réglage et ce qu’il faut faire pour créer un modèle.

Quand en avez-vous besoin?

Plusieurs endroits. Ils sont parfaits pour aider à créer un établissement d’analyse sous l’égide d’un scientifique expérimenté en données théoriques. Ils sont nettement plus abordables et peuvent donc être embauchés en masse pour des expériences. Elles peuvent également être utilisées pour les initiatives d’analyse de gestion de programme, en particulier celles impliquant des fournisseurs, des produits, etc. Leur valeur ajoutée est qu’elles peuvent vous aider à agir rapidement sans avoir à approfondir la complexité.

Il est clair que toutes les données ne sont pas les scientifiques sont des spécialistes et toutes les applications des données ne nécessitent pas de doctorat. Par conséquent, il s’agit en réalité d’une question: quel que soit le problème que vous essayez de résoudre, c’est un problème suffisamment complexe pour engager un scientifique en données théoriques qui invente la roue ou peut-il expérimenter son chemin dans le labyrinthe et obtenir la réponse qui vous convient? ?