Nachrichten

Dataversity: Ratschläge für angehende Datenwissenschaftler von Neil Biehn von PROS Inc.

Houston,

 

31. Oktober 2013.

Von Stephanie Faris

Die Harvard Business Review mit der Bezeichnung Datenwissenschaft "Der heißeste Job des 21. Jahrhunderts" weckt das Interesse aller, von Schülern bis hin zu Technikveteranen. Aber nicht jeder ist für den Bereich der Datenwissenschaft geeignet, der eine Kombination von Talenten wie Mathematik, Kommunikation, Kreativität und den Drang, komplizierte Rätsel zu entschlüsseln, erfordert.

In seiner Arbeit als Vizepräsident für Preisgestaltung, Wissenschaft und Forschung bei PROS, Inc.Der erfahrene Datenwissenschaftler Neil Biehn, Ph.D., hat das Privileg, mit einigen der besten Datenanalysten der Branche zusammenzuarbeiten. In den letzten zwölf Jahren hat Biehn Preis-, Umsatz- und Gewinnanalysen für Kunden aus der Fertigungs-, Transport- und Dienstleistungsbranche erstellt. Seine Arbeit wurde in einer Reihe von Zeitschriften veröffentlicht, darunter WIRED Innovation Einblicke und Analytik-Magazin. Er war auch ein Mitautor des Buches, Innovationen zur Ermittlung der Zahlungsbereitschaft für B2B.

Biehn gab kürzlich einen Einblick in die verschiedenen Wege, die ein angehender Data Scientist einschlagen kann, um in dieses Feld einzusteigen. Da Big Data immer mehr zu einem festen Bestandteil aller Facetten des modernen Lebens wird, stellt Biehn fest, dass sowohl Fachleute als auch Studenten Fragen dazu haben, wie sie in dieses spannende Feld einsteigen können.

Persönlichkeitsbewertung

Data Science erfordert eine Reihe von Hard- und Soft Skills, um in diesem Bereich erfolgreich zu sein. Biehn ist der Ansicht, dass der Wunsch zu lernen die wichtigste Persönlichkeitseigenschaft für jeden ist, der in diesem Bereich tätig wird. Eine Leidenschaft für Statistik und Mathematik ist unabdingbar, ebenso wie der Drang, etwas zu lernen.

"Die Technologie ändert sich ständig, und es gibt immer ein neues Problem zu lösen", sagt Biehn. "Die Fähigkeit, sich zu verändern und sich selbst zu hinterfragen, ist unerlässlich. Wer auf eine Methode fixiert ist, sich nicht gerne verändert und über neue Dinge nachdenkt, wird es immer schwerer haben."

Kommunikation ist laut Biehn eine wesentliche Soft Skill. Obwohl Introvertiertheit eine großartige Persönlichkeitseigenschaft für einen Datenanalysten ist, hat er festgestellt, dass diejenigen, die in diesem Bereich am erfolgreichsten sind, extrovertiert sind und ein Talent für die Interaktion mit anderen haben.

Biehn findet, dass die Leute überrascht sind, dass Kreativität auch eine wichtige Persönlichkeitseigenschaft eines Datenanalysten ist. Er weist darauf hin, dass es keine feste Formel für Data Science gibt. Fachleute können nicht einfach ein Anleitungsbuch aufschlagen und die Informationen lesen, die sie zur Lösung eines bestimmten Problems benötigen.

"Man braucht einen investigativen, kreativen Geist, um herauszufinden, was die Daten wirklich aussagen", sagt Biehn. "Wenn man etwas tut, was noch nie jemand zuvor getan hat, ist echte Kreativität gefragt.

Biehn räumt jedoch ein, dass von den Fähigkeiten, die erforderlich sind, um in der Datenwissenschaft zu glänzen, die meisten Menschen in einigen Bereichen stark und in anderen schwach sind. Eine Führungskraft, die mit der Zusammenstellung eines Data-Science-Teams beauftragt ist, sollte dieses Team mit Personen besetzen, deren Fähigkeiten sich gegenseitig ergänzen.

Bildung

Während Data Science ein relativ neues Feld ist, gibt es Statistiker schon seit Jahrhunderten. Auf dem Joint Statistical Meeting 2013 löste Nate Silver mit einer Aussage eine branchenweite Diskussion aus einziges Zitat: "Data Scientist ist nur ein aufgemotzter Begriff für Statistiker." Dann fügte er hinzu: "Nennen Sie sich, wie Sie wollen. Machen Sie einfach gute Arbeit."

Ob Experten zustimmen oder nicht, dies verdeutlicht die Bedeutung von Statistik in der Ausbildung eines Data Scientist. "Das Erlernen von Statistik ist das A und O", sagt Biehn. "Man muss diese Algorithmen und Daten kennen und wissen, wie man ein Problem von Anfang an modelliert. Statistik ist definitiv ein Muss."

Es gibt zwar einige Universitäten, die Big-Data-Studiengänge anbieten, aber Biehn glaubt, dass es wichtiger ist, eine Schule zu finden, die sich auf Statistik spezialisiert. Durch die Kombination mit einem Nebenfach Informatik und der Belegung von Kursen, die den Schwerpunkt auf maschinelles Lernen, Datenbankalgorithmen und Datendesign legen, können sich die Studierenden für den Einstieg in das Feld nach dem Studium qualifizieren.

So wichtig Statistik auch ist, Biehn warnt auch vor einer Ausbildung, die den Studenten nur Theorie vermittelt. Studenten sollten eine Kombination aus Theorie, dem Schreiben von Algorithmen, spezialisierter Software und maschinellem Lernen haben, um erfolgreich zu sein. Data Science hat eine sehr intensive Informatikkomponente, hat Biehn festgestellt.

Zusätzlich zu diesen Bereichen empfiehlt Biehn Kurse in Operations Research oder Entscheidungswissenschaften. In diesen Kursen können die Studierenden lernen, über die Datengewinnung hinauszugehen und die gewonnenen Informationen zu nutzen. Auch Kurse in linearer Algebra und Chemie sind unerlässlich. Biehn fügt hinzu, dass auch nicht-technische Kurse, wie z. B. Schreiben, einem zukünftigen Data Scientist zugute kommen können, nicht nur, weil Schreibkenntnisse ein wichtiger Bestandteil jedes Berufs sind, sondern auch, weil kreative Kurse einem angehenden Data Scientist helfen können, Probleme kreativ zu erkennen, anzugehen und zu lösen.

Biehn lobt das Technologieprogramm in Stanford, das den Studenten eine umfassende Ausbildung bietet, die sie gut auf den Bereich der Datenwissenschaft vorbereitet. Stanford hat zwar eine Abschlusszertifikat Data Mining und AnwendungenDer Fachbereich Informatik umfasst auch Datenkurse. Die Stanford Center für berufliche Entwicklung unterhält auch Partnerschaften mit großen Unternehmen, was die Chancen der Studenten erhöht, Teil des Teams einer dieser Organisationen zu werden.

Erfahrung am Arbeitsplatz

Als Mitglied des Führungsteams, das die Praktikanten bei PROS, Inc. betreut, hat Biehn die Vorteile eines Praktikums zu Beginn der Karriere eines Datenwissenschaftlers persönlich erlebt. Er hat die Erfahrung gemacht, dass ein Praktikum weit mehr ist als nur eine Möglichkeit, den Lebenslauf zu verbessern. Es ist eine wertvolle Erfahrung.

"PROS fördert bezahlte Praktika in verschiedenen Bereichen", sagt Biehn. "Wenn man ein Praktikum macht, kann man die Probleme in der Praxis sehen und lernt, wie man in einem Team arbeitet."

Biehn hat auch festgestellt, dass ein Praktikum sehr vorteilhaft für die Entwicklung der für einen Datenanalysten erforderlichen Soft Skills ist. Die Arbeit im Team, das Erlernen von Kommunikation und das Üben von Problemlösungen sind alles Teil der Praktikumserfahrung.

Vorhandene Erfahrungen einbringen

In der Unternehmenswelt wimmelt es bereits von qualifizierten, talentierten Fachkräften, deren Fähigkeiten und Kenntnisse sich gut in den Bereich der Datenwissenschaft übertragen lassen. Regelmäßig stoßen Biehn und seine Kollegen auf Fragen dieser Fachleute, die sich nicht sicher sind, wie sie am besten vorgehen sollen, wenn es um eine berufliche Veränderung geht. Sollen sie wieder zur Schule gehen, ein Praktikum absolvieren oder ein Data Science-Team unterstützen, während sie sich einarbeiten?

Als Reaktion auf die steigende Nachfrage nach Datenexperten haben Biehn und andere in der Branche die Vorteile der Schaffung von zweijährigen Ausbildungsprogrammen für qualifizierte Fachkräfte erkannt, um den Übergang zu erleichtern. Während zusätzliche Abschlüsse die Karriere eines angehenden Datenwissenschaftlers ankurbeln können, können diese Ausbildungsprogramme ihnen auch dabei helfen, die notwendigen Fähigkeiten zu erwerben, um eine lange, fruchtbare Karriere in der Branche zu beginnen.

Biehn ist der Meinung, dass der ideale Kandidat für eine Data Science-Karriere eine Person ist, die es liebt, Probleme zu lösen, insbesondere wenn diese Person diejenige ist, an die sich alle wenden, wenn ein Problem gelöst werden muss. Vorzugsweise sollte dieser Kandidat ein Verständnis für Statistik mitbringen, obwohl auch ein technologischer Hintergrund eine große Hilfe sein kann.

"Ich denke, es ist ein großartiger Karriereschritt, besonders für jemanden, der gerne Probleme löst", sagt Biehn.

Da die Branche weiterhin aggressiv nach talentierten, gut ausgebildeten Fachkräften sucht, um die vielen Stellen für Data Scientists zu besetzen, die in den letzten Jahren frei geworden sind, sind Studenten und Fachleute daran interessiert zu erfahren, wie sie dazu beitragen können, diese Nachfrage zu befriedigen. Biehn ist davon überzeugt, dass Unternehmen durch das Angebot von Ausbildungsprogrammen und Praktika ihre Ziele erreichen können. Eine ganze Generation von Technologiefachleuten und Statistikern definiert diese neue Rolle und beginnt eine Tradition, die über viele Jahrzehnte fortgeführt werden wird.