"데이터 과학자가하는 일"과 같은 질문에 대해 궁금한 적이 있습니까? "데이터 과학은 새로운 것"입니까? "데이터 과학자는 통계학자를위한 성별화 된 레이블이 아닙니다."
이 기사를 통해 일부 신화와 혼란을 해결하고자합니다. 하지만 데이터 세계에서 모두 흑백이 아닙니다. 회사는 특정 직업이 무엇으로 구성되고 무엇이 아닌지에 대한 공유 된 정의를 사용하지 않습니다. 대학 과정조차도 때때로 같은 레이블을 공유하지만이 영역에서 내용이 다릅니다.
데이터 과학이란 무엇입니까?
데이터 과학은 하나 이상의 분야에서 활동하는 일련의 활동입니다. 데이터 과학자 인 경우 데이터 수집 (또는 데이터 마이닝), 데이터 분석 및 모델링, 데이터 준비에 참여합니다. 정보로 변하다 결정을 내리는 데 사용할 수 있습니다. 이 마지막 비트는 "데이터 기반 의사 결정”기업가 정신 분야에서. 우리 시대에 데이터 과학은 또한 컴퓨터 과학의 일부로 간주되거나 적어도 오늘날에는 동일하게 강하게 관련되어 있다고 말할 수 있습니다.
데이터 과학자는 알고리즘 및 기타 시스템으로 데이터를 처리하는 과학적 방법을 사용하여 데이터를 정보로 변환하고 이전에 불분명하거나 완전히 알려지지 않았던 지식을 습득합니다. 이를 위해 데이터 과학자는 정형 데이터와 비정형 데이터를 모두 활용할 수 있습니다. 정확한 요구 사항은 사용 된 방법론과 작업의 목적에 따라 크게 달라집니다.
데이터 과학의 역사
데이터 과학이라는 용어는 1960년 덴마크 컴퓨터 과학의 선구자 Peter Naur에 의해 만들어졌다고 합니다. 그는 나중에 1974년에 "데이터학"이라는 용어를 도입했습니다. 아마도 그 단어는 그냥 아니었다 지속되는 의미. 데이터 과학은 1996년 일본 고베에서 열린 원탁 토론에서 하야시 치키오(Chikio Hayashi)가 소개하면서 회의 제목의 일부로 처음 언급되었습니다.
Thomas H. Davenport와 DJ Patil이 "데이터 과학자 : 21st 세기의 가장 섹시한 직업”2012 년 XNUMX 월 Harvard Business Review 잡지의 경우 데이터 과학 및 데이터 과학자라는 용어가 유행어가되기 시작한 순간이었습니다. 그 이후로이 "새로운"레이블은 이전에 비즈니스 분석가, 통계 학자 및 기타 유사한 직책으로 불렸던 직책을 대체하기 시작했습니다. 찾고있는 위치에 따라 수석 데이터 과학자 또는 데이터 마법사를 찾을 수도 있습니다.
데이터 과학자는 무엇을합니까?
데이터 과학자를 고용하려는 회사의 직업 설명을 살펴보면 모든 것을 찾을 수 있으며 적절하게 정의 된 것은 없습니다. 일반적으로 이러한 유형의 작업 활동은 기업의 HR 부서와 연결되지 않기 때문에 모호하고 명확하지 않습니다. 그러나 데이터 과학자로 고용되면 가장 가능성이 높은 작업은 무엇입니까?
기본적으로 작업의 결과물은 기회를 가리키고 결정을 내리고 회사의 수익성을 높이는 데 도움이되어야합니다. 이를 달성하려면 데이터를 수집하고, 구조화하고, 분석하고, 집합과 변수를 정렬하는 가장 좋은 방법을 결정해야합니다. "빅 데이터"문제에 직면 한 경우 현재와 미래에 의미가 있도록 결과를 정렬해야합니다.
이러한 모든 히스토리 소스를 일종의 미들웨어에 연결하여 "골든 소스"에서 데이터를 소싱하고 관리하는 데 필요한 여러 데이터베이스를 만날 수 있습니다. 데이터 과학자는 또한 비정형 데이터를 구조화하고 연속 데이터를 비트 단위로 분할하여 사용할 수있는 방법을 찾아야합니다. 낭비되는 데이터를 제거하고 유용한 데이터를 최적의 방식으로 활용합니다.
그런 다음 데이터 과학자는 패턴과 추세를 파악하기 위해 데이터를 처리합니다. 그렇게함으로써 그 또는 그는 무시할 경우 해로울 수 있거나 회사가 이벤트에 대해 미리 알고 준비 할 수있는 경우 더 많은 수익을 창출 할 수있는 반복적 인 문제 또는 기타 이벤트에 대해 비즈니스에 "경고"할 수 있습니다. 데이터 과학자는 또한 사례를 작성하고 이해 관계자와 경영진에게 결과를 설명합니다. 예를 들어 시각적 표현 또는 기타 수단의 형태로 발생할 수 있습니다.
데이터 과학자 일자리를 얻는 데 도움이되는 기술
우선, 데이터, 숫자, 그래프, 수식 등에 관심이 있다면 많은 도움이됩니다. 이런 종류의 일이 정말 편하지 않다면 이것은 올바른 직업이 아닐 수도 있습니다.
데이터 과학자가되는 것을 생각한다면 수학, 컴퓨터 과학, 프로그래밍, 통계, 기계 학습, 소프트웨어 엔지니어링 및 데이터 시각화와 같은 주제에 대한 지식을 늘려 작업 결과를 전달해야합니다.
데이터 과학 vs. 통계
나는 데이터 과학이 단지 통계의 새로운 단어라고 생각하지 않습니다. 일부 활동은 비슷할 수 있다고 생각하지만이 두 가지 사이에 기록 할 몇 가지 차이점이 있다고 생각합니다. 산업을 살펴보면 기술, 금융 및 제조 회사에서 데이터 과학을 더 많이 사용하는 것을 볼 수 있지만 통계는 종종 상업, 무역, 인구 연구 및 기타 과학 분야를 지원하는 곳을 찾습니다.
Python 및 Matplotlib를 사용하여 Jupyter Notebook 내에서 생성 된 진화 알고리즘의 예 (by 샤힌 로스 타미)
데이터 과학자와 통계학 자의 실제 관행은 종종 다릅니다. 예를 들어 데이터 과학자는 미들웨어 솔루션이 될 수있는 데이터웨어 하우스를 만들고 관리해야 할 가능성이 높습니다. 내가 아는 바에 따르면 통계학자는 관리 IT 및 소프트웨어 엔지니어링 작업을 거의 다룰 필요가 없습니다. 그들은 동일하게 사용할 수 있지만 준비하거나 유지하지 않을 수 있습니다.
다른 방식으로 보신다면 이것에 대한 여러분의 생각을 듣고 싶습니다. 댓글 섹션에서 아래의 의견을 공유하십시오.
제품 개요
몇 년 전 비즈니스 인텔리전스 (BI) 또는 관리 정보 (MI)와 같은 용어는 데이터 과학자가 수행해야하는 작업에 대한 현재 작업 설명과 함께 활동을 공유했습니다. 특히 인공 지능 (AI) 및 머신 러닝 (ML)과 결합하여 데이터 사이언스 용어에 대한 유행어 효과와 과대 광고가있는 것으로 보이지만, 여전히 혁신적 / 인공 지능 분야에서 데이터 과학자의 작업이 많이 요구되고 있습니다. 파괴적인 회사.
용어 및 직위 이름은 추세에 따라 변경되지만 실제로 중요한 것은 찾을 수있는 모든 직무 설명에서 활동과 책임을 확인해야한다는 것입니다. 이름은 이름 일 뿐이지 만 활동이 당신이 잘하는 것과하고 싶은 것과 일치한다면. 그것을 위해 가십시오!
추가 읽기
- 이유, 상관 관계, 인과 관계 및 똑똑한 바보 정보
- 전략적 의사 결정을 개선하기위한 3 가지 팁
- 반 취약성 : 시스템이 혼돈과 변동성의 이점을 누릴 때
- 데이터, 정보, 지식 및 지혜의 차이점은 무엇입니까?
- 협업 인텔리전스 란 무엇입니까?
사진 제공 : 사진 (1, 2, 3) 모두 세바스티안 테 부르크. 그만큼 생기 에 의해 행해졌 다 샤힌 로스 타미.
출처: 토마스 H. 대번 포트, DJ 파틸 (HBR) / 위키피디아 기사 데이터 과학
