
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
基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15