想做大数据人才,就不要成为这十种人
如今,数据科学家已是炙手可热,那些曾经对其毫无所知的企业,眼下也开始在全世界搜寻最好的数据科学家。问题在于,优秀数据科学家的标准是什么?和其他东西一样,数据科学家也是良莠不齐,招聘他们是一项重要的投资,如果选了个“次品”,你会付出沉重的代价。凭借一批出色的数据科学家,Facebook为自己的社交媒体平台注入了富有创造力的新功能,令用户为之兴奋。
过去10年里,数据呈现爆炸式增长。大数据扑面而来,普通人很难弄懂它的含意,更别提加以利用了。但数据科学家能从中提取出有价值的信息。对一家公司来说,数据科学家的雇用成本很高,由于这方面的人才供不应求,他们的薪水会迅速上涨。
在当今这个时代,解雇员工同样代价不菲,错误的招聘会使你的公司倒退几个月。所以,在寻找优秀的数据科学家时,你也应该警惕蹩脚数据科学家的迹象。如果发现以下10个迹象中的任何一个,你都应该迅速远离。
1. 糟糕的数学背景
许多计算机专家和程序员都会把自己说成是数据科学家,但实际上,真正出色的数据科学家通常拥有数学背景。优秀的数学家可以成为最好的数据科学家,但数学不好的程序员不行。蹩脚的数学家无法有效地分析数据,而这恰恰是数据科学家的首要任务。
2. 计算机知识贫乏
没错,优秀的数学家可以成为顶尖的数据科学家,但光是会在笔记本上写公式可不行,他们还必须熟练地运用计算机来处理数据,要熟悉Spark和其他系统。如果你的数据科学家坚持要求配一名助手,因为他用不来电脑,那么你应该继续寻找,去雇用其他人。
3. 没有全能型人才
一个人集统计学家、开发员、数学家和其他身份于一身,并不意味着他能成为一名数据科学家。几乎可以肯定的是,他拥有跨领域知识,能够根据不同的职位需求来推销自己。他也许什么都会,但可能什么都不精。
4. 纯粹的学术派
你需要有实践经验的人。如果他们的所有经验都来自学术机构,当他们面对现实问题时,可能会束手无策。寻找有实践经验的人,不要在这方面妥协。
5. 缺乏团队精神
数据科学家将和其他人共事,所以你不会想要一个不合群的人,即便他再怎么聪颖过人。数据科学家应该真正地融入团队,了解整体情况,做出全面改进。而如果他们不能和其他人融洽相处,就做不到这一点。
6. 缺乏商业知识
数据科学家不能只会运用理论。他们还要重视经过验证的技巧,运用可靠的传统方法。这些都来自于实践经验。
数据科学家需要参加商务会议,通过演示向高级管理层阐述分析结果。因此,在雇用一名数据科学家之前,要确保他拥有一定的商业知识,这一点非常重要。
7. 不熟悉工具
你面前的那个人拥有丰富的技术知识,但他们能否运用这些知识?如果他们没有实际运用过SAS、R、Scala、Python或其他计算机语言,他们可能只会像一个“绣花枕头”,中看不中用。
他们必须能够利用工具来阐释和转化信息流。
8. SAS成瘾者
有些SAS开发人员会把自己包装成数据科学家,但他们不是。数据科学家应该掌握多项技能,对于某个具体的问题,他们可以运用多种不同的系统。而蹩脚的数据科学家在遇到任何问题时,都只会采用同一种技能,他们希望用一种语言就能解决所有问题,这是不切实际的。
9. 没有理科学位
这是个不好的迹象,因为数据科学属于理科范畴。你也可能自学成才,但如果有人能秉持科学原则,并且掌握了分析学的一般性应用,还毕业于名牌大学,此人更有可能给企业带来价值。最好能拥有硕士学位。如果在其他领域还拥有一技之长,此人将是一只潜力股。
10. 不会用通俗语言来解释
数据科学家应该能用通俗易懂的日常用语来解释最复杂的问题,不能与现实世界脱节,这会导致你的解决方案无法被人理解,而且你需要花费一定的时间和精力来克服语言障碍。
虽然有很多重要的数据科学技能可以后天习得,但有些却是天生的。那些妨碍你进入数据科学领域的因素常常无法改变或纠正。对数据科学的热情以及掌握一定的技能,这是成功的关键。如果你只是假装有兴趣,或者并不具备重要的技能,总有一天,你会原形毕露。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14