Sergey Nivens - Fotolia

评估 权衡你正在考虑的技术、产品和项目的利弊。

你的公司应该雇佣一个自由数据科学家吗?

当涉及到支持他们的数据项目时,企业需要做出正确的雇佣选择。以下是一些你的公司可能会考虑——或不考虑——雇佣自由职业者的原因。

数据科学家现在是零工文化运动的一部分,但你应该雇佣一个自由职业者而不是全职数据科学家吗?如果您缺乏数据科学人才,或者您现有的数据科学团队需要它所缺乏的专业知识,比如计算机视觉或自然语言处理,也许您应该考虑一份合同。但自由数据科学家并不总是能够满足组织的需求。

总体而言,公司更倾向于雇佣一名全职数据科学家而不是一个承包人,如果雇佣地点有任何迹象的话。2020年3月5日,Indeed列出了11297个全职数据科学家职位,而只有283个合同职位。凯业必达列出了3122个全职职位和451个合同职位。

当然有其他选项。雇主可以雇佣兼职数据科学家或聘请咨询公司。如果企业有特别迫切的问题,比如治愈某种癌症,另一个选择是使用Kaggle这样的平台举办一场数据科学竞赛。

然而,在雇佣数据科学人才之前,最好先了解数据科学家的工作,因为这类自由职业者有一些细微差别,招聘经理应该了解。

什么是数据科学家?

数据科学家通常是拥有数学或统计学高级学位,可能知道如何用R或Python编写代码的数据专家。最受欢迎的数据科学家也具有相关性业务领域的专业知识

虽然每个人的技能都不同,华体会IM体育 是帮助他们的雇主解决困难的问题,通常涉及发现,优化和/或预测。该角色可能被认为是IT的一部分,也可能是特定于某个部门功能的。在所有可能的与数据相关的角色中,数据科学家往往是最复杂的人才类型。

关于数据科学家有很多迷思,这可能会对招聘这个职位产生反作用。

最常见的神话是独角兽很多机构都在寻找。这个虚构的角色知道关于数据的一切,是一个编码超级英雄和数学或统计天才。只要把数据指向这个人,奇迹就会发生。

这种虚假的信念导致不切实际的工作要求和对数据科学家和数据科学的不切实际的期望。

为什么要雇佣一个自由数据科学家?

数据科学咨询公司data Mettle的首席运营官马特•约翰逊(Matt Johnson)表示,客户倾向于选择自由数据科学家而不是雇佣他们,原因有三全职帮助他们不确定他们是否需要数据科学家,他们缺乏专业知识来了解他们需要雇佣哪些技能,或者他们只是想做一个独立的项目。

“通常,如果他们有一些数据,他们认为他们可以用它来做一些有趣的事情或者有价值的——而不是招聘数据科学家更有意义把某人几周或一个月的时间来探索数据,了解业务挑战和机遇,什么是可行的,”约翰逊说。

如果一家公司根本不懂数据科学,就很难做到这一点雇佣特定技能的人因为招聘经理无法清楚地表达他们需要什么以及为什么需要。

“如果他们只是想做一个独立的项目,例如,他们想要一个工具,优化调度为员工[将]一两个月的工作构建工具,然后他们不会有太多的需要一个全职的数据科学家之后,”约翰逊说。

自由数据科学家可以帮助决策者理解一些基本知识,包括数据科学家做什么,数据科学家做什么成功的需求数据科学能完成什么,不能完成什么,考虑到现有的数据和其他需要考虑的重要因素。

合同帮助会出现什么问题

如果公司雇用全日制数据科学家,很可能没有人会期望那些人产生结果在第一天。在数据科学家能够分享任何有价值的见解之前,个人必须首先了解企业希望实现什么,哪些数据可用,哪些数据不可用,等等。

“数据科学的成功完全是建立在数据和如果您的数据是不够的,不完整或不准确的,你不会得到结果,或好的结果,数据科学家不能修复,因为数据是数据,”布兰登·珀塞尔说,校长Forrester Research的分析师。

然而,与新的全职数据科学家不同的是,组织通常希望自由职业者成为数据科学家生产立即就像其他类型的承包商一样,他们努力想要尽快得到结果。

“即使是最经验丰富的数据科学家也面临这个问题,因为随着每个公司的数据都可以极其不同,”关系商务平台提供商Ordergroove的数据科学总监Robert O'Callaghan说。O'Callaghan也是前自由职业者数据科学家。

“不幸的是,这发生了很多时间,”Purcell说。“一个数据科学家将进入并尽力而为,他们可能是非常有才华的,但他们创造的任何型号都只是像硬币折腾一样好。”

另一个误解是,自由数据科学家的项目一旦完成分析完成后实现和维护对于公司从数据中提取业务价值也是必要的。例如,当新数据进入时,必须对模型进行调整,否则它会漂移,变得不那么准确。

“我已经看到多次出色的分析 - 昂贵的 - 由于企业认为,在后端工作到位之前,项目未能提供价值,”O'Callaghan说。“[那是]全日制数据科学家不发生的问题。”

了解合同结束后应该发生的事情也很重要。

O'Callaghan说:“理想情况下,你应该100%提前计划好,让这个从事数据科学的自由职业者来做这项工作,然后我有了这个想法,然后我就可以做X、Y或Z了。”“你永远不可能100%地预测你的结果,所以一旦工作完成,你需要更加灵活地理解下一步是什么。”

从根本上说,公司没有适当地界定自由数据科学项目的范围。而且,他们可能低估了这些见解将产生的影响业务操作

“你将使用那个分析来改变你与客户互动的方式,执行你的运营或人力资源的行为方式,”Purcell说。“这将比建立模型需要更长的时间。[如果分析不会导致过程更改[或]操作变化,模型将最终成为这项闪亮的科学项目,这是一个永不采用的闪亮科学项目。“

底线

如果您还没有数据科学功能,自由数据科学家可以帮助您更好地理解机会和陷阱。自由职业者也是项目工作的好选择数据科学功能存在与否。

但是,如果你没有专家的洞察力,就不要对数据科学和数据科学家能做什么、不能做什么做出假设。否则,您的数据科学努力及其结果可能达不到预期或完全失败。

深入挖掘商业智能团队

搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索树液
搜索SQL.服务器
关闭