อาชีพเปลี่ยนเป็น Big Data Analytics

ฉันเป็นผู้เชี่ยวชาญด้านไอทีอายุ 35 ปีซึ่งเป็นผู้เชี่ยวชาญด้านเทคนิคอย่างแท้จริง ฉันเก่งด้านการเขียนโปรแกรมเรียนรู้เทคโนโลยีใหม่ ๆ ทำความเข้าใจและนำไปปฏิบัติ ฉันไม่ชอบคณิตศาสตร์ที่โรงเรียนดังนั้นฉันจึงทำคะแนนได้ไม่ดีในวิชาคณิตศาสตร์ ฉันสนใจเป็นอย่างมากในการใฝ่หาอาชีพในการวิเคราะห์ข้อมูลขนาดใหญ่ ฉันสนใจ Analytics มากกว่าเทคโนโลยี Big Data (Hadoop ฯลฯ ) แม้ว่าฉันจะไม่ชอบก็ตาม อย่างไรก็ตามเมื่อฉันมองไปรอบ ๆ อินเทอร์เน็ตฉันเห็นว่าคนที่เก่งในการวิเคราะห์ (นักวิทยาศาสตร์ด้านข้อมูล) ส่วนใหญ่เป็นผู้สำเร็จการศึกษาด้านคณิตศาสตร์ที่ได้ทำปริญญาเอกและเสียงของพวกเขาเช่นสัตว์ฉลาดที่อยู่ไกลจากฉัน บางครั้งฉันก็กลัวที่จะคิดว่าการตัดสินใจของฉันถูกต้องหรือไม่เพราะการเรียนรู้สถิติล่วงหน้าด้วยตัวคุณเองนั้นยากมากและต้องใช้เวลาและการลงทุนอย่างหนัก

ฉันต้องการทราบว่าการตัดสินใจของฉันถูกต้องหรือไม่หรือฉันควรปล่อยงานชิ้นนี้ให้กับผู้มีปัญญาเท่านั้นที่ใช้ชีวิตในการศึกษาในวิทยาลัยที่มีชื่อเสียงและได้รับปริญญาและปริญญาเอก

เนื่องจากมีความต้องการสูงจึงเป็นไปได้ที่จะเริ่มต้นอาชีพด้านวิทยาศาสตร์ข้อมูลโดยไม่ต้องจบปริญญาอย่างเป็นทางการ ประสบการณ์ของฉันคือการมีวุฒิการศึกษามักเป็น 'ความต้องการ' ในรายละเอียดงาน แต่ถ้านายจ้างหมดหวังมากพอนั่นก็ไม่สำคัญ โดยทั่วไปแล้วมันยากที่จะเข้าไปในองค์กรขนาดใหญ่ที่มีกระบวนการสมัครงานที่เป็นทางการกว่า บริษัท ขนาดเล็กที่ไม่มีพวกเขา "การรู้จักผู้คน" จะช่วยให้คุณได้รับทางไกลไม่ว่าในกรณีใด

ไม่ว่าคุณจะศึกษาที่ใดไม่ว่าคุณจะมีความต้องการสูงคุณจะต้องมีทักษะในการทำงาน

คุณถูกต้องในการสังเกตว่าสถิติขั้นสูงและคณิตศาสตร์อื่น ๆ นั้นยากที่จะเรียนรู้อย่างอิสระ มันเป็นเรื่องของวิธีการที่ไม่ดีที่คุณต้องการเปลี่ยนแปลงอาชีพ ในขณะที่บางคนมี 'ความสามารถตามธรรมชาติ' ในวิชาคณิตศาสตร์ทุกคนต้องทำงานเพื่อเรียนรู้ บางคนอาจเรียนรู้ได้เร็วขึ้น แต่ทุกคนต้องใช้เวลาในการเรียนรู้

สิ่งที่เกิดขึ้นคือความสามารถของคุณในการแสดงให้นายจ้างเห็นว่าคุณมีความสนใจในงานจริงและคุณจะสามารถเรียนรู้งานได้อย่างรวดเร็ว ยิ่งคุณมีความรู้มากเท่าไหร่โครงการที่คุณสามารถแบ่งปันในพอร์ตโฟลิโอและประสบการณ์การทำงานภายใต้เข็มขัดของคุณก็ยิ่งมากขึ้นเท่านั้น คุณอาจต้องเริ่มต้นในตำแหน่งระดับรายการก่อน

ฉันสามารถแนะนำวิธีการศึกษาคณิตศาสตร์อย่างอิสระ แต่นั่นไม่ใช่คำถามของคุณ สำหรับตอนนี้เพิ่งรู้ว่ามันยาก แต่เป็นไปได้ถ้าคุณมุ่งมั่นที่จะเปลี่ยนอาชีพ โจมตีในขณะที่เหล็กร้อน (ในขณะที่ความต้องการสูง)

คุณควรมองเข้าไปในด้านโครงสร้างพื้นฐานของสิ่งต่าง ๆ มากขึ้นถ้าคุณไม่ชอบคณิตศาสตร์ ยิ่งคุณลงไปในกองซ้อนของซอฟต์แวร์มากเท่าไรคุณก็ยิ่งห่างจากคณิตศาสตร์มากขึ้นเท่านั้น คุณสามารถสร้างรากฐานที่ผู้อื่นจะใช้เพื่อสร้างเครื่องมือที่จะให้บริการนักวิเคราะห์ คิดว่า บริษัท อย่าง Cloudera, MapR, Databricks เป็นต้นทักษะที่จะมีประโยชน์คือระบบกระจายและการออกแบบฐานข้อมูล คุณจะไม่กลายเป็นนักวิทยาศาสตร์ข้อมูลที่ไม่มีคณิตศาสตร์ นั่นเป็นความคิดที่ไร้สาระ!

ในประสบการณ์ของฉันที่จะมีปริญญาเอกไม่ได้หมายความว่าจะต้องดีในสภาพแวดล้อมของ บริษัท ข้อมูลวิทยาศาสตร์ฉันทำงานเป็นนักวิทยาศาสตร์ข้อมูลและฉันเป็นวิศวกร แต่ฉันรู้ว่ามีอาจารย์ผู้สอนหลายคนที่ทำงานร่วมกับ บริษัท ของฉันและ บางครั้งฉันได้บอกพวกเขาว่ามุมมองของพวกเขาไม่ถูกต้องเพราะแม้ความคิดและเหตุผลของพวกเขาถูกต้องพวกเขาไม่ได้ใช้กับกิจกรรมของ บริษัท ดังนั้นเราจึงต้องแก้ไขตัวแบบข้อมูลบางอย่างเพื่อให้เป็นประโยชน์สำหรับ บริษัท และผลลัพธ์ สูญเสียคุณค่าของพวกเขาดังนั้นเราจึงต้องหารุ่นใหม่ สิ่งที่ฉันหมายถึงคือวิทยาศาสตร์ข้อมูลเป็นสาขาวิชาที่ต้องใช้คนหลายคนทำงานร่วมกันดังนั้นฉันคิดว่าทักษะของคุณอาจมีประโยชน์มากในทีมนักวิทยาศาสตร์ข้อมูลคุณจะต้องค้นหาว่าคุณเหมาะสมที่ไหน)

อาจจะมันจะเป็น offtopic เล็ก ๆ น้อย ๆ แต่ผมอยากจะขอแนะนำให้คุณไปผ่าน MOOC นี้https://www.coursera.org/course/statistics นี่เป็นการแนะนำสถิติที่ดีและชัดเจนมาก มันให้หลักการพื้นฐานเกี่ยวกับเขตข้อมูลหลักในศาสตร์ข้อมูล ฉันหวังว่ามันจะเป็นจุดเริ่มต้นที่ดีสำหรับการเริ่มต้นมิตรภาพระหว่างคุณและสถิติ

ฉันไม่ได้เห็นสิ่งที่กล่าวมา แต่สิ่งสำคัญที่คุณควรคำนึงถึงคือเงินเดือนที่ลดลง ฉันพูดแบบนี้โดยไม่ทราบว่าคุณสร้างขึ้นมามากเพียงใด แต่การย้ายจาก (ฉันถือว่า) ผู้เชี่ยวชาญด้านไอทีที่มีประสบการณ์มาเป็นนักวิทยาศาสตร์ระดับข้อมูลระดับเริ่มต้นอาจไม่ได้รับรายได้จากคุณมากนัก

นี่คือลิงก์ไปยังส่วนหนึ่งของการศึกษา Burtch Works ประจำปี 2558 เกี่ยวกับเงินเดือนวิทยาศาสตร์ข้อมูล:

http://www.burtchworks.com/files/2015/05/DS-2015_Changes-in-Base-Salaries.pdf

อย่างที่คุณเห็นเงินเดือนเฉลี่ยสำหรับผู้มีส่วนร่วมระดับ 1 คือ 90k (ทั่วประเทศ) รายงานฉบับเต็มมีรายละเอียดตามภูมิภาค แต่อีกครั้งหากคุณเป็นผู้เชี่ยวชาญด้านไอทีที่มีประสบการณ์คุณอาจทำมากกว่านั้น

เรื่องย่อเกี่ยวกับ n = 1: หนึ่งในเพื่อนร่วมชั้นในโปรแกรม DS อาจารย์ของฉันคือผู้พัฒนา Java ที่มีประสบการณ์กับบ้านครอบครัวและอื่น ๆ ถึงแม้ว่าเขาจะสนใจการวิเคราะห์ข้อมูลมาก การวิเคราะห์ข้อมูลจะไม่สามารถรองรับไลฟ์สไตล์ที่เขามีในขณะนี้ในฐานะนักพัฒนา Java เป็นผลให้เขา "เสีย" ปริญญาของเขาและกลับไปสู่การพัฒนา ฉันเกลียดที่จะเห็นว่าเกิดขึ้นกับผู้คนมากขึ้น

โปรดทราบว่า "ข้อมูลขนาดใหญ่" เป็นสิ่งที่ทันสมัยมากขึ้นสำหรับ บริษัท ที่จะบอกว่าพวกเขามีส่วนร่วม ups ที่สูงขึ้นอาจอ่านบทความเกี่ยวกับเรื่องนี้ใน HBR และพูดกับตัวเองว่า "ฉันต้องทำให้ฉัน ที่ "(ไม่ใช่ว่าพวกเขาจำเป็นต้องผิด)

สิ่งนี้มีความหมายต่อคุณคือการวิเคราะห์ขั้นสูงนั้นไม่จำเป็นสำหรับ บริษัท นั้นเพียงแค่ทำให้บางสิ่งบางอย่างทำงานได้

โชคดีสำหรับคุณส่วนประกอบส่วนใหญ่กล่าวว่า บริษัท อาจต้องการได้ฟรี ยิ่งกว่านั้นฉันเชื่อว่าทั้ง Hortonworks และ Cloudera มีเครื่องเสมือน "sandbox" ฟรีซึ่งคุณสามารถเรียกใช้บนพีซีของคุณเพื่อเล่นกับและรับตลับลูกปืนของคุณ

การวิเคราะห์ขั้นสูงบนแพลตฟอร์มข้อมูลขนาดใหญ่นั้นมีคุณค่าแน่นอน แต่หลาย บริษัท จำเป็นต้องเรียนรู้ที่จะรวบรวมข้อมูลก่อนจึงจะสามารถทำงานได้

นี่เป็นคำถามที่แปลกมากในความคิดของฉัน ทำไมคุณจะไปในทิศทางใหม่ถ้าคุณไม่แน่ใจว่าคุณรักทิศทางใหม่นี้หรืออย่างน้อยก็พบว่ามันน่าสนใจมาก? ถ้าคุณรัก Big Data ทำไมคุณถึงสนใจสิ่งมีชีวิตอัจฉริยะระดับปริญญาเอกที่มีอยู่ในสนามแล้ว? สิ่งมีชีวิตในระดับปริญญาเอกจำนวนเท่ากันนั้นอยู่ในทุกด้านของไอที กรุณาอ่านอย่างรวดเร็วในบทความที่ดีมากนี้http://www.forbes.com/sites/louisefron/2013/09/13/why-you-cant-find-a-job-you-love/แล้วถามตัวเอง ถ้าคุณรักข้อมูลขนาดใหญ่พอและคุณพร้อมที่จะเพิ่มเม็ดทรายลงบนภูเขาแห่งความรู้