Was kocht in der Datenanalyse? Teamdaten bei UpGrad sprechen sich aus!

Team Data Analytics schafft die umfassendste Lernerfahrung für Berufstätige bei UpGrad.

Data Insider hat kürzlich bei mir eingecheckt, um meine Einblicke in die Datenanalysebranche zu erhalten. einschließlich Trends, auf die Sie achten sollten, und Must-Have-Fähigkeiten für die Entwickler von heute. So lief es:

Wie wettbewerbsfähig ist die Datenanalysebranche heute? Wie hoch ist die Nachfrage nach solchen Fachkräften?

Lassen Sie uns über Zahlen sprechen: Ein viel zitierter McKinsey-Bericht besagt, dass die Vereinigten Staaten bis 2018 mit einem akuten Mangel an rund 1,5 Millionen Datenfachleuten konfrontiert sein werden. In Indien, das sich zum globalen Analysezentrum entwickelt, könnte der Mangel an solchen Fachkräften zunehmen bis zu 200.000. Allein in Indien stieg die Zahl der Analytics-Jobs von Juni 2015 bis Juni 2016 um 120 Prozent . Wir haben also eindeutig eine Herausforderung vor uns. Aufgrund des akuten Talentmangels sind talentierte Fachkräfte natürlich sehr gefragt.

Welche Trends verfolgen Sie heute in der Datenanalysebranche? Warum interessieren Sie sich für sie?

Es gibt drei wichtige Trends, auf die wir achten sollten:

Personalisierung

Ich denke, dass die Verwendung von Daten zur Erstellung personalisierter Systeme ein Schlüsseltrend ist, der extrem schnell auf breiter Front angenommen wird. Die meisten Internetdienste heben die Anonymität der Online-Nutzer auf und bewegen sich in Richtung einer differenzierten Behandlung. Zum Beispiel Wortempfehlungen, wenn Sie Ihre Nachrichten eingeben, oder Zielempfehlungen, wenn Sie Uber verwenden.

Ende des Mooreschen Gesetzes

Ein weiterer interessanter Trend, auf den Sie achten sollten, ist, wie Unternehmen immer kreativer werden, je mehr wir das Ende von Moore's Law erreichen. Das Mooresche Gesetz besagt im Wesentlichen, dass wir alle zwei Jahre in der Lage sein werden, die doppelte Anzahl von Transistoren unterzubringen, die noch vor zwei Jahren auf einem Chip untergebracht werden konnten. Aufgrund dieses Gesetzes haben wir die Macht freigesetzt, riesige Datenmengen zu speichern und zu verarbeiten, die für die gesamte Datenrevolution verantwortlich sind. Aber was wird als nächstes passieren?

Internet der Dinge

Ein weiterer Trend, auf den Sie achten sollten, wegen der schieren Möglichkeiten, die er mit sich bringt. Es ist die Entstehung intelligenter Systeme, die durch das Zusammenkommen von Cloud, Big Data und IoT (Internet of Things) ermöglicht wird.

Welche Fähigkeiten sind heute für Dateningenieure entscheidend? Was müssen sie wissen, um wettbewerbsfähig zu bleiben?

Ein guter Data Scientist sitzt an einer seltenen Überschneidung von drei Bereichen:

Fachwissen

Dies hilft, die Nuancen eines Geschäftsproblems zu verstehen und zu schätzen. Beispielsweise möchte ein E-Commerce-Unternehmen seinen Käufern ergänzende Produkte empfehlen .

Statistisches Wissen

Statistisches und mathematisches Wissen hilft bei der datengestützten Entscheidungsfindung. Zum Beispiel kann man die Warenkorbanalyse verwenden , um ergänzende Produkte für einen bestimmten Kauf zu finden.

Technisches Wissen

Dies hilft bei der Durchführung komplexer Analysen im großen Maßstab; Beispielsweise die Erstellung eines Empfehlungssystems, das anzeigt, dass ein Käufer beim Kauf eines Notizbuchs möglicherweise auch einen Stift kaufen möchte.
Wie können Sie auf Datenanalyse umsteigen?

Welche anderen Fähigkeiten sollten die Mitarbeiter in den Bereichen Datenanalyse und Business Intelligence neben ihrem technischen Fachwissen unbedingt entwickeln?

Letztlich sind Data Scientists Problemlöser. Und jedes Problem hat einen spezifischen Kontext, Inhalt und eine Geschichte dahinter. Hier wird es extrem wichtig, all diese Faktoren miteinander zu verknüpfen – in einer gemeinsamen Erzählung. Im Wesentlichen müssen alle Datenexperten großartige Geschichtenerzähler sein.

In dieser Hinsicht wäre eine der Schlüsselkompetenzen, die Analysten schärfen sollten, die Komplexität der Analytik für andere, die mit ihnen zusammenarbeiten, aufzuschlüsseln. Sie können die tatsächlich gewonnenen Erkenntnisse wertschätzen – und auf ein gemeinsames Geschäftsziel hinarbeiten.

Darüber hinaus ist es ebenso entscheidend, sich das ständige Lernen anzugewöhnen. Auch wenn es bedeutet, jeden Morgen aufzuwachen und zu lesen, was in Ihrem Bereich relevant und aktuell ist.

Was sollten diese Fachleute tun, um Trends und Innovationen auf diesem Gebiet immer einen Schritt voraus zu sein?

Berufstätige müssen sich heutzutage kontinuierlich weiterbilden und bereit sein, zu verlernen und neu zu lernen. Die Arbeitswelt und die Industrielandschaft in technologielastigen Bereichen wie Data Analytics verändert sich jedes Jahr. Der einzige Weg, um diesen Trends voraus zu bleiben oder sogar auf Augenhöhe mit diesen Trends zu bleiben, besteht darin, in das Lernen zu investieren, spannende branchenrelevante Projekte anzunehmen, an Wettbewerben wie Kaggle teilzunehmen usw.

Wie wichtig ist Mentoring in der Datenbranche? An wen können sich Fachleute wenden, um ihre Karriere und ihre Fähigkeiten zu fördern?

Extrem wichtig. Wenn man bedenkt, wie schnell sich dieser Bereich entwickelt hat, hatten Wissenschaft und Universitäten im Allgemeinen nicht die Chance, gleich schnell Schritt zu halten. Daher ist der einzige Weg, in Bezug auf diesen Bereich branchenrelevant zu bleiben, branchenspezifisches Lernen.

Dies kann nur auf zwei Arten geschehen – durch Fallstudien aus dem wirklichen Leben und Mentoren, die Berufstätige/Senior Professionals sind und aus der Datenanalysebranche stammen.
Tatsächlich wird bei UpGrad viel Wert auf die Branchenbetreuung für angehende Datenspezialisten gelegt. Hinzu kommen eine ganze Reihe von Fallstudien und branchenrelevanten Projekten.

Holen Sie sich eine Data-Science-Zertifizierung von den besten Universitäten der Welt. Lernen Sie Executive PG-Programme, Advanced Certificate-Programme oder Master-Programme, um Ihre Karriere zu beschleunigen.

Wo finden Datenexperten am besten Mentoren?

Während es für angehende oder angehende Datenexperten wichtig ist, ihre Netzwerke zu nutzen, um die richtigen Mentoren zu finden, ist dies zugegebenermaßen schwierig. Es gibt zwei Hauptgründe, die dafür verantwortlich gemacht werden können.

• Erstens ist es aufgrund der Anfangsphase, in der sich die Branche befindet, äußerst schwierig, jemanden mit den erforderlichen Fähigkeiten als Mentor zu finden.
• Selbst wenn Sie jemanden mit beträchtlicher Erfahrung auf diesem Gebiet finden, hat nicht jeder die Zeit und Lust, ein effektiver Mentor zu sein. Daher wissen die meisten Menschen nicht, wohin sie gehen sollen, um betreut zu werden.

Hier kommen Plattformen wie UpGrad ins Spiel, die Ihnen eine reichhaltige, branchenrelevante Lernerfahrung bieten. Nirgendwo sonst werden Sie wahrscheinlich auf ein so breites Spektrum an Branchenverbindungen oder Verbänden für die Betreuung durch sehr erfahrene und renommierte Fachleute stoßen.

Welche Ressourcen sollten diejenigen in der Datenanalysebranche nutzen, um sicherzustellen, dass sie über Entwicklungen, Trends und Fähigkeiten informiert und auf dem Laufenden sind?

Da sind viele. Für den Anfang sind hier einige gute und ziemlich interessante Blogs und Ressourcen, die angehenden/aktuellen Datenanalysten gut dienen würden, um mit Podcasts wie Data Skeptic, Freakonomics, Talking Machines und vielem mehr Schritt zu halten.

Dieses Interview wurde ursprünglich auf Data Insider veröffentlicht.