京公网安备 11010802034615号
经营许可证编号:京B2-20210330
如果你是一个书呆子般的数据科学家,想要开始作为一个独立(远程)自由数据科学家工作,这篇文章是为你准备的。从现在朝九晚五的工作过渡到远程自由职业是一种解放的经历。最终收益是巨大的,包括:
我叫保·拉巴塔·巴约。我是一个自由数据科学家和ML工程师谁作为一个远程自由职业者在过去2年以上的工作。之前,我曾在一家顶级移动游戏公司Nordeus担任数据科学家。在我周围,我有一群伟大的数据科学家和了不起的数据工程师。当我加入这个团队的时候,他们已经在内部建立了数据分析平台,帮助公司管理一个每天活跃用户超过200万的游戏。我觉得我是另一只在一个成熟的蜂群中运作的蜜蜂。我90%的时间都花在技术上,包括数据分析以改进产品和ML开发以提高效率。10%的时间用于与团队其他成员交流我正在做的事情。
对于像我们这样的书呆子、数据科学家和ML怪人来说,这种分裂感觉很棒。然而,这种舒适有一个代价,我在两个不断的想法中想到了
最终,我辞去了工作,开始从事远程自由数据科学家的工作。这一转变既具有挑战性,也令人难以置信地丰富。在此过程中,我收集了一些知识,并将其浓缩为4个实用技巧,以帮助您加入我的行列,并开始走在另一边。
你的第一个问题是:我在哪里找到我的第一个项目?
互联网上有大量与数据相关的工作。如果你访问像Upwork这样的网站,你可以看到每分钟都有新的职位发布。是的,有很多数据科学工作,这是你每天早上都应该感谢的事情。然而,在那些巨大的网站上也有很多竞争。来自世界各地的自由职业者试图和你在同一个池塘里钓鱼。
你可能会想:
“考虑到我的技能和生活成本,让我们设定一个比我认为合理的低的工资,以增加我找到第一份工作的机会。”
大错。顺便说一句,我犯了两次这个错误。在我的第二个自由职业项目中,我和同一时区的另一位数据工程师一起工作,他的工资是我的两倍多。他第一次做自由职业。无数次我后悔我的聪明的定价。
大多数客户愿意支付更高的费率以减少项目的不确定性。你是一个非常合格的工作,过度的价格折扣也被解释为项目成功的更高的不确定性。此外,请记住,你试图说服另一个人,而不是成本最小化的Android。你需要表现出自信,设定一个比你认为自己价值更低的价格与此相反。
如今,有很多自由职业平台。我已经使用了其中的3个(Upwork,Toptal和Braintrust),但也可以随意探索其他的。
这些平台可分为两类:
大多数客户不是寻找一个全面的数据科学家,而是寻找一个可以解决他们问题的特定配置文件。一个非常了解如何
试图把自己表现为无所不能的终极自由数据科学家是很有诱惑力的,但这不是客户想要的。此外,数据科学是一个巨大的市场。通过缩小你的侧写,你仍然在一个相当大的池塘里钓鱼。记住这一点。
我的第一份自由职业可以粗略地描述为“我们的数据工程师没有一个能在Tableau中构建一个漂亮的仪表板。你能吗?“。这不是我能想到的最令人兴奋的工作,但这是我在以前的工作中做过一千次的事情。我是这方面的专家,这是对客户有价值的。
从专注于你已经是专家的项目开始你的道路。避免冒名顶替综合症,赢得你的第一张支票,建立信心。
兼职工作,甚至每小时工作,你可以学到和以前朝九晚五一样的东西。利用这个机会,在额外的时间里学习新的技能,为下一份合同中你想要工作的下一个领域做准备。
一个典型的错误是这样开始一个提案:
“亲爱的X。我叫Y,是一名数据科学家,在a、B、C和D领域有N年的经验。我有E方面的背景,而且……”
当然可以。你的潜在客户想知道你不可思议的背景。但她不是你爸妈。他想解决这个问题,所以直奔主题。从第一段开始专注于问题,没有序言和只能让她打哈欠的陈述。使用项目符号来列举与问题直接相关的非常具体的事情,并减少认知负荷。还有,把BS控制在最小。你喜欢读别人如何赞美自己吗?你的潜在客户也一样。
自从我开始做自由职业以来,我一直保留着我写的每一份提案。所有为我赢得工作的提案都有这样的结构:
“嗨X!我的名字是Y,最近我构建了N个与您的问题Z直接相关的东西:
我很乐意帮你做这件事。让我们本周打个电话来了解细节。最佳,Y.“
作为一名数据科学家的自由远程工作在智力和经济上都是令人难以置信的回报。如果这些建议能在你的自由职业道路上帮助你,我会感到非常高兴。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19