DJ Patil, první hlavní vědecký pracovník Bílého domu za bývalého prezidenta Baracka Obamy.abin Botsford / The Washington Post přes Getty Images Pokud jste trhu práce v poslední době věnovali i tu nejmenší pozornost, možná jste si v dnešní době všimli strhujícího trendu v přijímání zaměstnanců: každý náborář, od velkých korporací i malých startupů, se snaží obsadit pozici nazvanou datový vědec. Pokud se podíváte blíže, je pravděpodobné, že někteří z vašich přátel, kteří nemají žádné vědecké zázemí, již tento buzz dohnali a rebrandovali své profesionální já jako datové vědce na LinkedIn.
Termín datový vědec, který byl před několika lety neslýchaný, nyní na stránce Jobs LinkedIn vrací přes 25 000 výsledků - to je o 2 000 více než výsledky vyhledávání univerzálně trendy finančního analytika (alespoň pro nás Newyorčany).
Proč náhlý nárůst zájmu? A co to vlastně znamená, stejně jako v, co dělají datoví vědci? Vzal jsem tyto otázky na osobu, o které jsem si myslel, že je nejkvalifikovanější odpovědět na ně: na člověka, který vytvořil termín datový vědec.
DJ Patil, a bývalý výkonný pracovník LinkedIn (od roku 2008 do roku 2011), který později působil jako hlavní vědecký pracovník Bílého domu za prezidenta Baracka Obamy, je známý jako vůbec první vědecký pracovník v oblasti dat v USA. Jeho vládní role byla vytvořena jako součást rozsáhlého úsilí o digitalizaci v rámci správy vedené Obama, ale o výběru slov použitých k popisu této role bylo rozhodnuto během jeho dnů na LinkedIn.
Byl jsem na LinkedIn, kde jsem budoval datový tým, a Jeff Hammerbacher [spoluzakladatel Cloudera] rušil datový tým Facebooku a někdy jsme spolupracovali a porovnávali poznámky. Jednou z věcí, které jsme si uvědomili, bylo, že jsme nevěděli, co si máme říkat, řekl Patil minulý měsíc v rozhovoru pro Braganca.
Říkáte si analytik? Je to příliš Wall Street. Vědecký pracovník nebo statistik? Je příliš akademický, vzpomínal. Ale protože jsem pracoval na LinkedIn, právě jsem otestoval všechny pracovní názvy, které nás napadly, abych zjistil, který z nich bude mít největší zájem uchazečů o zaměstnání. Ukázalo se, že všichni chtěli být datovými vědci, takže jsme rádi, OK, tak si budeme říkat.
Název zní sofistikovaně a dost neurčitě, aby překonal průmyslová odvětví a byl brán vážně, dokonce i lidmi, kteří nemají tušení, o co jde.
Myslím, že základním důvodem, proč to vzlétlo, je to, že lidé si nejsou úplně jisti, co to znamená. A to je síla, řekl Patil. Když se označíte jako něco, lidé také označí to, čím byste neměli být. Když jste tedy v místnosti a říkáte, že jste datový analytik, budou si myslet, že na těchto úrovních schůzek nemáte být. Ale když řeknete, že jste datový vědec, budou jako, chvalabohu, že tu máme chytré lidi.
Růst poptávky po datových vědcích je částečně způsoben bezprecedentním množstvím dat, které jsme nashromáždili ve věku internetu, což vyvolalo rozmach velkých pracovních míst souvisejících s daty v různých průmyslových odvětvích. Díky sexy znějícímu názvu práce bylo pro náborové pracovníky snadné zadávat inzeráty pracovních míst a pro uchazeče o zaměstnání bylo výhodné se prosazovat. Ale její inherentní nejednoznačnost vyvolala kritiku i od těch, kteří jsou zmatení, co to vlastně znamená.
Clint Chegin, produktový manažer kariérního webu, vyjádřil své zklamání v a Střední příspěvek s názvem Neexistuje nic takového jako datový vědec.
Drtivá většina popisů pracovních pozic v oblasti datové vědy neodpovídá skutečným požadavkům na pozici, kterou inzerují, napsal Jeremie Harris, zakladatelka kariérové mentorské platformy SharpestMinds.
Jsem obecně proti tomu, abych se to snažil definovat příliš důsledně, řekl Patil. Důležité je, jak pomocí dat komunikujete se světem, studujete je a snažíte se přijít s novými věcmi.
Některé z těchto věcí jsou nové produkty, například auto s vlastním řízením nebo vaše počasí aplikace . Jinými jsou analýzy dat, které lidem pomáhají při hodnocení všeho, od půjček až po rozhodnutí o zdravotní péči, pokračoval. Existuje mnoho druhů datových vědců.Možná název přežije a možná se změní v něco jiného. Ale myslím, že nejmocnější věcí zde je, že používáme data novými způsoby, jak věci budovat.
