
自2012年《哈佛商业评论》将数据科学家评为“21世纪最性感的工作”以来,似乎每个人和他们的母亲都在争先恐后地发展他们的数据科学技能。
而且是有充分理由的!根据2021年Robert Half Technology薪资指南,对数据科学家的需求只会继续增加,工资远远超过美国的全国平均水平,美国数据科学家的全国工资中位数为12.9万美元。
但是看过网上的炒作,你真的应该追求一个数据科学家的角色吗?
通过指导数据专业人员,我注意到许多人在没有对数据科学是否真正适合他们做彻底研究的情况下就投身于数据科学。他们最终做了这么多工作来提高技能,结果却得到了一个数据科学的职位,发现他们在工作中很糟糕。
我知道,因为我是其中之一。
早在2012年,我就学习了数据科学技能,只是意识到编码和构建数据解决方案不会给我寻找的成就感和快乐。
归根结底,数据科学实现并不合适。我开始意识到我需要做一些能从我的工作中看到发自内心的积极影响的事情。
那么我做了什么?
我从美国搬到泰国,开始了自己的数据业务--数据狂热。让我告诉你,这曾经很有趣吗!
在您投入多年的时间和精力研究数据科学之前,让我们探讨一些不同的选择。在数据的奇妙世界里,有如此多的职业机会。
为了彻底分析什么角色最适合你,我们将考虑五个不同的因素:
在本文结束时,您将对如何揭开您的最终数据梦想工作有一个坚实的掌握!
首先,我们来分析一下你现在的技能。我发现大多数数据专业人员往往在一个主要领域有严重的削减。这些主要技能往往是:
如果您是面向分析的,您擅长数据可视化、数据故事讲述、仪表板设计--也许您在Tableau或Power BI中构建仪表板和可视化。您还可以使用SQL查询和检索数据。
如果您是面向数据科学的,那么您就有编程经验,Python和R。您对机器学习、预测建模、统计和SQL有深刻的理解。
如果您是面向数据工程的,您将掌握ETL脚本和数据仓库方面的技能。随着技术的提高,您将在分布式计算环境中工作,构建数据管道,维护数据系统,并使用NoSQL。您还将了解如何使用C、C++、C sharp、Java、Scala等语言编写代码,以及使用NoSQL和SQL数据库的工程系统。
如果您是面向数据领导的,那么您擅长领导项目和团队。你将适合担任项目经理、产品经理或涉众管理等角色。您的超能力在于技术项目管理和数据策略领域!
现在是时候考虑一下你的职业目标了。当你展望未来时,你希望在你的数据职业生涯中处于什么位置?
您想成为领导有利可图的数据项目的焦点吗?
是否希望在幕后编码和构建数据解决方案,但拥有更多自主权?
还是您想构建自己的产品并为自己工作,而不必向任何人负责?
因为这也是绝对有可能的!
让我们聊聊性格类型。具体来说,你是内向的还是外向的?
如果你是内向的,你会更乐意做数据实现和编码工作。您会喜欢深入了解细节,而不必为管理客户和团队成员而分心。
如果你外向,那么你将在数据领导类型的角色中处于最佳状态。您将能够使用您的人际技能来管理团队和项目,而不是自己编写解决方案!
当我们谈论优先级时,我指的是你职业生涯的哪个赛季。
根据你的季节,你可能有不同的优先事项和需求。我喜欢通过马斯洛的需求层次来思考这个问题。
马斯洛的需求层次理论指出,所有人都有自我实现的愿望,但为了让我们优先考虑内心的满足,我们需要首先照顾我们最基本的需求。。
需要是:
重要的是他们按这个顺序被照顾。
那么,你会问,这和你的数据生涯有什么关系?
嗯,在我们职业生涯的开始,我们很多人都背负着助学贷款,刚从学校毕业,我们通常会考虑照顾我们最基本的需求(生理和安全)。我们的首要任务是在我们的头上建立一个屋顶,并获得一个稳定的财务地方。
但是一旦我们在事业上有所进步,我们的需求就会改变。我们开始想要得到认可,荣誉,晋升--换句话说,我们的尊重需要。最后,一旦我们得到了金钱和赞美,我们往往会发现自己在寻找更多。这是作为一个数据专业人员寻求真正实现和更大影响的阶段。
问问你自己:你现在最渴望从你的数据职业生涯中得到什么?是钱吗?是自由和荣誉吗?你想产生影响吗?
例如,数据实施工作通常是确保健康收入的最快途径。成为一名数据企业家或领导者可能需要更多的前期工作,但长期的成就感可能更强!
当谈到数据时,想想你最感兴趣的是什么。
我所在社区的大多数人都被四个领域之一所吸引:
问问你自己--对你来说什么是最有趣的?什么给你最多的能量?
如果是编码,您肯定想要研究数据实现角色。但如果这是管理项目、项目和产品,或者与业务进行咨询,那么考虑数据领导角色。如果创新更多的是你的果酱,那么你可能有创业的骨头!
世界是你拥有数据技能的牡蛎。没有必要仅仅因为数据科学是人们谈论最多的技术职业之一,就把自己限制在数据科学上。通过深入了解你的个性、激情、目标和技能,你将能够找到一份不仅报酬丰厚,而且从长远来看会给你带来真正成就感的工作。
如果你喜欢了解不同的数据职业道路,你可以追求,你会喜欢我的免费数据超级英雄测验!你将发现你内心的数据超级英雄类型,并获得个性化的数据职业建议,直接与你独特的数据技能、个性和激情的组合相一致。
在这里进行测验
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29