10 דברים על מדעני נתונים (Data Scientists) שלא ידעתם


בעולם של ביג דאטה מדעני הנתונים הם הכוח המניע. הנה כמה מיתוסים על המקצוע הנחשק.

  1. לא חייבים לדעת לקודד: בניגוד לעבר, כיום לא חייבים לדעת לקודד ויש אפילו תכניות לימוד אוניברסיטאיות שלא נדרש בהן רקע בתכנות על מנת לקבל תואר Data Scientists.
  2. זה עולם של גברים: זה נכון חלקית. ההערכה היא כי בארה”ב כ- 75% מהעוסקים בתחום הם גברים. בישראל מעל 80% הם גברים.
  3. חייבים להיות מתמטיקאים: זה יכול לעזור אך זו לא חובה. אפשר להיות מדען נתונים מעולה גם בלי להיות מתמטיקאי מעולה. דווקא בארגונים גדולים בהם יש צוות מדעני נתונים, חשובה יותר היכולת לעבוד בצוות ויכולת שיתוף. חלק מהצוות יהיה חזק במתמטיקה ואילו אחרים שאולי חלשים במתמטיקה, דווקא הם יביאו את הפיצוח כי הם היצירתיים.
  4. תואר Data Scientists = מדען נתונים: תואר בהחלט יכול לקדם אותך למטרה, אך מבלי לצלול לחיים האמיתיים והתנסות של חודשים ואף שנים מעשית מחוץ לכותלי התיאוריה והאקדמיה, קשה מאוד להיות מדען נתונים טוב. במילים אחרות תואר אינו תחליף לניסיון חיים.
  5. “Data Scientist” = “Business Analyst”: מדען נתונים הוא מושג מודרני יותר. למען הפשטות: אנליסט נתונים ידע להגיד מה קרה. מדען נתונים ידע לומר לא רק שתופעה מסוימת קרתה, אלא גם אם היא תחזור על עצמה.
    מדען נתונים אמור לדעת לחפש דאטה ולהכין דאטה לניתוח. שלב הכנת הנתונים לניתוח (data prep – תקנון וטיוב נתונים והכנתם לניתוח) הוא שלב קריטי שבמקרים רבים יכול לקחת אפילו כ-70% מזמן העבודה של מדען הנתונים או האנליסט.
  6. קיים מחסור במדעני נתונים: בניגוד למצב לפני 2-3 שנים, נכון ל-2019 (תלוי כמובן איפה בעולם), יש תכניות לימוד רלוונטיות בשפע ולכן גם קיים היצע של מדעני נתונים. תמיד יהיו חסרים מדעני נתונים מעולים.
    התחזית של “פורום הכלכלה העולמית” לגבי שוק העבודה ב-2022 היא כי מדעני נתונים יהיו מהמקצועות הנדרשים ביותר (קישור מטה).
  7. מדעני נתונים עושים המון כסף: בסקרי שכר בארה”ב ניכרים פערי שכר גדולים. את הכסף הגדול עושים בעלי הדוקטורט בתחום ושדרת הניהול הבכירה. תמונת מצב מקומית אפשר לקבל בכתבה של דה- מרקר (קישור מטה).
  8. AI יחליף את מדען הנתונים: אולי בעתיד הרחוק. ככל שניתן לנבא, קיים צורך במדעני נתונים מעולים בעתיד הנראה לעין. הצד החלש של ה- AI הוא יצירתיות, יכולת לקבל החלטות אתיות ובקיצור לחשוב כמו בנאדם.
  9. הכי חשוב באיזה כלי ניתוח נתונים משתמשים: אמנם התנסות מעשית ב-SAS או R בהחלט יכולים לסייע, אך הם עוד כלי בארגז הכלים של מדען הנתונים. הסוד טמון בהתאמת כלים נכונים למשימה שעל הפרק והפעלתם בצורה יצירתית.
  10. מדען נתונים הוא מקצוע לכל החיים: בתחום המחשבים והתכנה שום דבר אינו לתמיד. לימוד תחומים נוספים, התפתחות בהתאם למגמות והתאמה חיוניים כדי להיות רלוונטיים בשוק שמתפתח ומשתנה בקצב מסחרר.
    מעניין להביט שוב בדוח פורום הכלכלה העולמי (קישור למטה) לגבי מקצועות בדעיכה ומקצועות בפריחה.

קישורים:

מקור עיקרי: https://www.datasciencecentral.com/profiles/blogs/10-myths-about-data-scientists

פורום הכלכלה העולמי: https://www.weforum.org/agenda/2018/09/future-of-jobs-2018-things-to-know/

כתבה בדה-מרקר: https://www.themarker.com/techblogs/ormigoldstein/BLOG-1.5890585


יש לכם שאלה שקשורה למאמר?

לחצו כאן למעבר לדף יצירת הקשר

תוכן המאמר היה מעניין או עזר לכם? שתפו אותו