Ces dernières années, la science des données est devenue inextricable au quotidien. La science des données est utilisée dans les produits, le marketing, l'ingénierie et les ventes pour prendre des décisions cruciales. Les déclarations sensationnelles selon lesquelles «Data Scientist» est le poste le plus sexy ont fait monter en flèche la popularité de ce titre de poste ringard.
En conséquence, nous pouvons voir des gens afficher leur titre de poste et certains s'efforcer de le devenir. Compte tenu de leurs qualifications, de leur formation, de leur expérience, de leurs aptitudes et de leur attitude, il est évident qu’ils n’entrent pas tous dans la même catégorie. Alors pourquoi utilisent-ils le même titre de poste indépendamment des différences?
Cela pourrait être dû au fait que les data scientists peuvent être globalement classés en deux catégories:
- Science des données axée sur les produits.
- Style de Business Intelligence de la science des données.
Il y a environ 4 à 5 groupes dans chaque catégorie.
Dans le rapport d’O’Reilly Strata intitulé «Analyser les analyseurs», les spécialistes des données sont classés comme suit sur la base d’une science des données axée sur les produits.
Science des données axée sur les produits
qu'est-ce qu'une erreur de clé en python
- Chercheur de données
Les professionnels de cette catégorie sont issus du monde académique et ont une formation approfondie en statistique ou en sciences physiques ou sociales. Ce type de data scientist détient souvent un doctorat mais est faiblement qualifié en apprentissage automatique, en programmation ou en affaires.
- Développeur de données
Ces types ont tendance à se concentrer sur les problèmes techniques liés au traitement des données. Ils sont forts en programmation et en apprentissage automatique, mais faibles en affaires et en statistiques.
tutoriel pl sql avec exemples
- Créations de données
Ce sont ces types qui créent quelque chose d'innovant à partir de montagnes de données. Ils sont hautement qualifiés en apprentissage automatique, Big Data, programmation et autres compétences pour gérer des données massives.
- Gens d'affaires de données
Ils représentent le côté commercial et sont responsables de la prise de décisions commerciales vitales grâce à des techniques d'analyse de données. Ils sont un mélange éclectique de compétences commerciales et techniques.
Science des données basée sur la Business Intelligence
- Scientifiques de données quantitatifs et exploratoires
Les scientifiques quantitatifs et exploratoires des données sont enclins à détenir un doctorat et à utiliser la théorie pour comprendre le comportement. En combinant théorie et recherche exploratoire, ces data scientists améliorent les produits.
- Scientifiques des données opérationnelles
Les scientifiques des données opérationnelles travaillent fréquemment dans les équipes financières, commerciales ou opérationnelles d'une organisation. Son rôle est d’analyser les performances, les réponses et le comportement d’un processus, afin d’améliorer la stratégie et l’efficacité de l’organisation.
comment fusionner des données dans un tableau
- Scientifiques des données produits
Les scientifiques des données produits s'intègrent à la gestion ou à l'ingénierie des produits. Leur travail consiste à passer au crible les journaux et les outils d'analyse, à comprendre la manière dont les utilisateurs utilisent un produit et à utiliser ces connaissances pour affiner le produit.
- Scientifiques des données marketing
Les scientifiques des données marketing se concentrent sur la base d'utilisateurs, évaluent les performances et travaillent à l'amélioration de l'efficacité, un peu comme le spécialiste du marketing standard.
- Scientifiques de données de recherche
Les scientifiques des données de recherche créent des informations à partir d'un ensemble de données. Il est rare que les entreprises en démarrage emploient des chercheurs car la production n’est pas liée aux bénéfices. Mais les grandes entreprises, les groupes de réflexion et les institutions financières le font.
Cette classification montre que n'importe quel groupe de personnes peut être placé dans n'importe quelle catégorie. Le bon type de data scientist peut être choisi en fonction des besoins de l'organisation
Avant de choisir le type de data scientist que vous souhaitez devenir, pensez aux compétences requises ou aux compétences que vous possédez déjà pour avancer dans la bonne direction.
Alors qui vas-tu être ?? Un programmeur, un statisticien, un spécialiste du marketing, un chef d'entreprise ou un touche-à-tout ??
Edureka a une qui vous aide à acquérir une expertise dans les algorithmes d'apprentissage automatique tels que le clustering K-Means, les arbres de décision, la forêt aléatoire, Naive Bayes. Vous apprendrez les concepts de statistiques, de séries chronologiques, d'exploration de texte et une introduction au Deep Learning. De nouveaux lots pour ce cours commencent bientôt !!