Qu'est-ce qui mijote dans l'analyse de données ? Les données de l'équipe d'UpGrad s'expriment !

Team Data Analytics crée l'expérience d'apprentissage la plus immersive pour les professionnels en activité chez UpGrad.

Data Insider m'a récemment contacté pour obtenir mon avis sur l'industrie de l'analyse de données ; y compris les tendances à surveiller et les compétences indispensables pour les développeurs d'aujourd'hui. Voici comment ça s'est passé :

Dans quelle mesure l'industrie de l'analyse de données est-elle compétitive aujourd'hui ? Quelle est la demande pour ces types de professionnels ?

Parlons quelques chiffres, un rapport McKinsey largement cité indique que les États-Unis seront confrontés à une pénurie aiguë d'environ 1,5 million de professionnels des données d'ici 2018. En Inde, qui est en train de devenir le centre mondial de l'analyse, la pénurie de ces professionnels pourrait augmenter. jusqu'à 200 000. Rien qu'en Inde, le nombre d'emplois dans le domaine de l'analyse a augmenté de 120 % entre juin 2015 et juin 2016. Nous avons donc clairement un défi à relever. Naturellement, en raison de la pénurie aiguë de talents, les professionnels talentueux sont très demandés.

Quelles tendances suivez-vous dans l'industrie de l'analyse de données aujourd'hui ? Pourquoi vous intéressez-vous à eux ?

Il y a trois tendances clés auxquelles nous devons faire attention :

Personnalisation

Je pense que l'utilisation des données pour créer des systèmes personnalisés est une tendance clé qui est adoptée extrêmement rapidement, à tous les niveaux. La plupart des services Internet suppriment l'anonymat des utilisateurs en ligne et s'orientent vers un traitement différencié. Par exemple, des recommandations de mots lorsque vous saisissez vos messages ou des recommandations de destinations lorsque vous utilisez Uber.

Fin de la loi de Moore

Une autre tendance intéressante à surveiller est la façon dont les entreprises deviennent de plus en plus créatives alors que nous atteignons la fin de la loi de Moore. La loi de Moore stipule essentiellement que tous les deux ans, nous pourrons installer le double du nombre de transistors qui pouvaient être installés sur une puce, il y a deux ans. Grâce à cette loi, nous avons libéré le pouvoir de stocker et de traiter d'énormes quantités de données, responsables de toute la révolution des données. Mais que va-t-il se passer ensuite ?

IdO

Une autre tendance à surveiller, pour les nombreuses possibilités qu'elle apporte. C'est l'émergence de systèmes intelligents rendue possible par la rencontre du cloud, du big data et de l'IoT (internet des objets).

Quels ensembles de compétences sont essentiels pour les ingénieurs de données aujourd'hui ? Que doivent-ils savoir pour rester compétitifs ?

Un bon scientifique des données se trouve à un rare chevauchement de trois domaines :

Connaissance du domaine

Cela permet de comprendre et d'apprécier les nuances d'un problème commercial. Par exemple, une entreprise de commerce électronique souhaiterait recommander des produits complémentaires à ses acheteurs.

Connaissance statistique

Les connaissances statistiques et mathématiques aident à éclairer la prise de décision basée sur les données. Par exemple, on peut utiliser l'analyse du panier de consommation pour trouver des produits complémentaires pour un achat particulier.

Connaissance technique

Cela permet d'effectuer des analyses complexes à grande échelle ; comme la création d'un système de recommandation qui montre qu'un acheteur pourrait préférer acheter également un stylo tout en achetant un ordinateur portable.
Comment pouvez-vous passer à l'analyse de données ?

En dehors de leur expertise technique, quelles autres compétences les acteurs de l'analyse de données et de l'intelligence d'affaires devraient-ils être sûrs de développer ?

En fin de compte, les data scientists sont des résolveurs de problèmes. Et chaque problème a un contexte, un contenu et une histoire spécifiques. C'est là qu'il devient extrêmement important de lier tous ces facteurs ensemble - dans un récit commun. Essentiellement, tous les professionnels des données doivent être de grands conteurs.

À cet égard, l'une des compétences clés que les analystes doivent affiner serait de décomposer les complexités de l'analyse pour les autres qui travaillent avec eux. Ils peuvent apprécier les informations réelles qui en découlent et travailler vers un objectif commercial commun.

De plus, ce qui est tout aussi crucial, c'est de prendre l'habitude d' apprendre constamment. Même si cela signifie se réveiller chaque matin et lire ce qui est pertinent et actuel dans votre domaine.

Que doivent faire ces professionnels pour garder une longueur d'avance sur les tendances et les innovations dans le domaine ?

De nos jours, les professionnels doivent constamment se perfectionner et être prêts à désapprendre et à réapprendre. Le monde du travail et le paysage industriel des domaines à forte composante technologique tels que l'analyse de données évoluent chaque année. La seule façon de garder une longueur d'avance, voire d'être à la hauteur de ces tendances, est d'investir dans l'apprentissage, de se lancer dans des projets passionnants et pertinents pour l'industrie, de participer à des concours comme Kaggle , etc.

Quelle est l'importance du mentorat dans l'industrie des données ? Vers qui les professionnels peuvent-ils se tourner pour faire avancer leur carrière et leurs compétences ?

Extrêmement important. Compte tenu de la vitesse à laquelle ce domaine a émergé, le milieu universitaire et les universités, en général, n'ont pas eu la chance de suivre aussi rapidement. Par conséquent, la seule façon de rester pertinent pour l'industrie en ce qui concerne ce domaine est d'avoir un apprentissage spécifique à l'industrie.

Cela ne peut se faire que de deux manières - par le biais d'études de cas réels et de mentors qui sont des professionnels en activité / seniors et issus de l'industrie de l'analyse de données.
En fait, chez UpGrad, on insiste beaucoup sur le mentorat de l'industrie pour les aspirants spécialistes des données. Cela s'ajoute à toute une série d'études de cas et de projets pertinents pour l'industrie.

Obtenez une certification en science des données des meilleures universités du monde. Apprenez les programmes Executive PG, les programmes de certificat avancés ou les programmes de maîtrise pour accélérer votre carrière.

Quels sont les meilleurs endroits où les professionnels des données peuvent trouver des mentors ?

Bien qu'il soit important pour les professionnels des données en herbe ou en herbe de puiser dans leurs réseaux pour trouver les bons mentors, il est certes difficile de le faire. Il y a deux raisons principales qui peuvent être blâmées pour cela.

• Premièrement, en raison du stade naissant où se trouve l'industrie, il est extrêmement difficile de trouver quelqu'un possédant les compétences requises pour être un mentor.
• Même si vous trouvez quelqu'un avec une expérience considérable dans le domaine, tout le monde n'a pas le temps et l'envie d'être un mentor efficace. Par conséquent, la plupart des gens ne savent pas où aller pour être encadrés.

C'est là qu'interviennent des plateformes comme UpGrad, qui vous offrent une expérience d'apprentissage riche et pertinente pour l'industrie. Nulle part ailleurs vous ne risquez de tomber sur un tel éventail de liens ou d'associations de l'industrie pour le mentorat de professionnels très expérimentés et réputés.

Quelles ressources les acteurs de l'industrie de l'analyse de données devraient-ils utiliser pour s'assurer qu'ils sont informés et à jour sur les développements, les tendances et les compétences ?

Il y a beaucoup de. Pour commencer, voici quelques bons et assez intéressants blogs et ressources qui serviraient bien aux analystes de données en herbe/actuels pour suivre les podcasts comme Data Skeptic, Freakonomics, Talking Machines, et bien plus encore.

Cette interview a été initialement publiée sur Data Insider.