photo-dave——Fotolia

消息 及时了解最新的企业技术新闻和产品更新。

专家们分享除了编码和数学之外必须具备的数据科学技能

雇用数据科学家足够努力,鉴于候选人短缺,但工作所需的技能混合可以雇用一个更难的技能。

在职业中取得成功所需的一些数据科学技能是显而易见的。像编码,统计数据......

而且商业知识现在只是表赌注。但是,是一个非常好的数据科学家往往是太多的副专题,并且对雇用数据科学家感兴趣的企业必须深入了解他们的降压最爆炸。

例如,出版公司麦格劳山教育研究和数据科学副总裁Alfred Essa表示,他正在寻找沟通结果的能力作为团队的一部分工作在他雇佣的所有新数据科学家中。在一个小组讨论在最近于芝加哥举行的商业分析创新峰会上,Essa表示,他的团队领导的项目非常协作,需要很多相互依赖的工作。因此,他要求求职者就他们过去做过的一些工作做一个演示,以评估他们的沟通技能。

艾萨最近雇佣了一位刚刚完成研究的新数据科学家物理学博士。在被雇用之前,候选人在火星氛围中的Quantum散射的宇宙谱课程提出了论文。这是一个主题,索维的团队没有人知道进入的任何事情,但演示文稿有效地传达了基础知识。这就是Essa如何知道候选人将适合在纽约的麦格劳山。

“我们所有的工作都是团队合作完成的,所以在面试过程中,让他们做一个陈述是很重要的,”他说。“这些是区分优秀数据科学家和伟大数据科学家的软技能。”

基于芝加哥的Groupon Inc的首席数据官员斯科特·索科洛夫为基于芝加哥群岛的首席数据官,一定程度的自我意识数据科学家是至关重要的。他说,尽管数据科学是一种纯粹客观的实践,但它涉及很多纯粹主观的决定。

比如决定哪些数据元素包括在a中包含的东西机器学习模型Sokoloff说,对于更大范围的决策,比如要解决什么商业问题或问题,需要判断力和数据科学技能。它也很重要数据科学家不断评估为什么他们做出了他们所做的决定,以及不同的决定是否可能导致更好的结果。Sokoloff表示,挑战自己的假设和寻找不同方法实际上可以使分析更客观。

“太过频繁,人们做数据科学不会意识到他们做出假设,以及对我来说,这是死亡的膝盖,”Sokoloff说。

土耳其在线零售商Hepsiburada的数据科学负责人Ismail Parsa表示,真正的科学思维是一个真正的数据科学技能之一。太频繁,数据科学家建立一些东西但是帕尔萨说,从一个假设开始并验证它是很重要的。

数据科学家应该继续测试他们的产品,即使它们已经部署。这种连续测试确保了最佳性能。

“如果你在招聘一名数据科学家,而他们不使用这个词测试(在他们的简历或面试中),你可以严重怀疑他们的工作,”帕尔萨说。

下一个步骤

数据科学工作是比你想象的稀有

数据科学并不是只是同一个旧的bi

数据科学仍然存在最佳工作列表

深入挖掘高级分析软件

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