Karrierewechsel zu Big Data Analytics

Ich bin ein 35 Jahre alter IT-Experte, der rein technisch ist. Ich kann gut programmieren, neue Technologien lernen, verstehen und implementieren. Ich mochte Mathematik in der Schule nicht, deshalb habe ich in Mathematik nicht gut abgeschnitten. Ich bin sehr daran interessiert, eine Karriere in der Big Data-Analytik zu verfolgen. Ich interessiere mich mehr für Analytics als für Big Data-Technologien (Hadoop usw.), obwohl ich es nicht mag. Wenn ich mich jedoch im Internet umsehe, sehe ich, dass Menschen, die sich mit Analytik auskennen (Data Scientists), hauptsächlich Absolventen der Mathematik sind, die ihre Doktorarbeiten gemacht haben und wie intelligente Wesen klingen, die mir weit voraus sind. Ich habe manchmal Angst zu überlegen, ob meine Entscheidung richtig ist, weil das Erlernen von Vorausstatistiken selbst sehr schwierig ist und harte Arbeit und Zeitinvestitionen erfordert.

Ich würde gerne wissen, ob meine Entscheidung richtig ist oder ob ich diese Arbeit nur Intellektuellen überlassen sollte, die ihr Leben mit dem Studium an renommierten Hochschulen verbracht und ihre Abschlüsse und Doktorarbeiten erworben haben.

Aufgrund der hohen Nachfrage ist es möglich, eine Karriere in der Datenwissenschaft ohne formalen Abschluss zu beginnen. Ich habe die Erfahrung gemacht, dass ein Abschluss in Stellenbeschreibungen oft eine „Voraussetzung“ ist, aber wenn der Arbeitgeber verzweifelt genug ist, spielt das keine Rolle. Im Allgemeinen ist es schwieriger, mit formalisierten Bewerbungsprozessen in große Unternehmen einzusteigen, als in kleinere Unternehmen ohne diese. "Menschen kennen" kann in beiden Fällen einen langen Weg bringen.

Unabhängig von Ihrer Ausbildung, egal wie hoch die Nachfrage ist, müssen Sie über die Fähigkeiten verfügen, um die Arbeit zu erledigen.

Sie haben Recht, wenn Sie feststellen, dass fortgeschrittene Statistiken und andere Mathematik nur schwer unabhängig voneinander zu erlernen sind. Es kommt darauf an, wie sehr Sie die Karriere verändern wollen. Während einige Leute ein "natürliches Talent" in Mathematik haben, muss jeder die Arbeit machen, um zu lernen. Einige lernen vielleicht schneller, aber jeder muss sich die Zeit nehmen, um zu lernen.

Worauf es ankommt, ist Ihre Fähigkeit, potenziellen Arbeitgebern zu zeigen, dass Sie ein echtes Interesse an diesem Bereich haben und dass Sie in der Lage sind, schnell am Arbeitsplatz zu lernen. Je mehr Wissen Sie haben, je mehr Projekte Sie in einem Portfolio teilen können und je mehr Berufserfahrung Sie haben, desto mehr Jobs auf höherer Ebene stehen Ihnen zur Verfügung. Möglicherweise müssen Sie zuerst in einer Einstiegsposition beginnen.

Ich könnte Wege vorschlagen, um Mathematik unabhängig zu studieren, aber das ist nicht Teil Ihrer Frage. Im Moment wissen Sie nur, dass es schwierig ist, aber möglich, wenn Sie entschlossen sind, eine berufliche Veränderung vorzunehmen. Schlagen Sie, solange das Eisen heiß ist (während die Nachfrage hoch ist).

Sie sollten sich mehr mit der Infrastruktur befassen, wenn Sie Mathematik nicht mögen. Je tiefer Sie in den Software-Stack gehen, desto weiter entfernt sind Sie von der Mathematik (der Art Data Science). Mit anderen Worten, Sie könnten die Grundlage schaffen, auf der andere die Tools erstellen, die Analysten dienen. Denken Sie an Unternehmen wie Cloudera, MapR, Databricks usw. Fähigkeiten, die sich als nützlich erweisen, sind verteilte Systeme und Datenbankdesign. Sie werden kein Datenwissenschaftler ohne Mathematik. Das ist eine lächerliche Vorstellung!

Nach meiner Erfahrung bedeutet ein Doktortitel nicht unbedingt, dass man in der Umgebung eines datenwissenschaftlichen Unternehmens gut ist. Ich arbeite als Datenwissenschaftler und bin nur Ingenieur, aber ich kenne einige universitäre Lehrer, die mit meinem Unternehmen zusammenarbeiten und Manchmal habe ich ihnen gesagt, dass ihre Sichtweise nicht richtig war, weil sie trotz ihrer Ideen und Argumente nicht auf die Unternehmensaktivitäten anwendbar sind. Deshalb mussten wir einige Datenmodelle modifizieren, um sie für das Unternehmen und die Ergebnisse nützlich zu machen verloren ihren Wert und wir mussten nach neuen Modellen suchen. Was ich damit meine ist, dass Data Science ein multidisziplinärer Bereich ist, in dem so viele verschiedene Leute zusammenarbeiten müssen. Ich denke, dass Ihre Fähigkeiten in einem Data Scientist-Team sehr nützlich sein könnten. Sie müssen nur herausfinden, wo Sie passen;)

Vielleicht ist es ein wenig offtopisch, aber ich möchte Ihnen wärmstens empfehlen, dieses MOOC https://www.coursera.org/course/statistics durchzugehen . Dies ist eine sehr gute und klare Einführung in die Statistik. Es gibt Ihnen Grundprinzipien über das Kernfeld der Datenwissenschaft. Ich hoffe, es ist ein guter Ausgangspunkt, um eine Freundschaft zwischen Ihnen und der Statistik zu beginnen.

Ich habe dies nicht erwähnt gesehen, aber es ist wichtig zu bedenken, dass Sie möglicherweise einen Rückgang des Gehalts sehen. Ich sage dies, ohne zu wissen, wie viel Sie verdienen, aber wenn Sie von einem erfahrenen IT-Experten zu einem Data Scientist-Einstiegsniveau wechseln (ich nehme an), verdienen Sie möglicherweise nicht so viel.

Hier ist ein Link zu einem Teil der Burtch Works-Studie 2015 zu Data Science-Gehältern:

http://www.burtchworks.com/files/2015/05/DS-2015_Changes-in-Base-Salaries.pdf

Wie Sie sehen können, beträgt das Durchschnittsgehalt für einzelne Beitragszahler der Stufe 1 90.000 (landesweit). Der vollständige Bericht enthält eine Aufschlüsselung nach Regionen. Wenn Sie jedoch ein erfahrener IT-Experte sind, machen Sie wahrscheinlich mehr als das.

Anekdotengeschichte mit n = 1: Einer meiner Klassenkameraden in meinem DS-Masterprogramm war ein erfahrener Java-Entwickler mit einem Haus, einer Familie usw. Obwohl er sehr an Datenanalyse interessiert war (für das Programm aus eigener Tasche bezahlt), machte er sein potenzielles Gehalt Datenanalysen könnten den Lebensstil, den er derzeit als Java-Entwickler hatte, nicht unterstützen. Infolgedessen "verschwendete" er im Wesentlichen seinen Abschluss und kehrte zur Entwicklung zurück. Ich würde es wirklich hassen zu sehen, dass das mehr Menschen passiert.

Denken Sie daran, dass "Big Data" für ein Unternehmen immer trendiger wird, wenn es sagt, dass es daran beteiligt ist. Höhere Unternehmen lesen möglicherweise einen Artikel darüber in HBR und sagen sich: "Ich muss mir etwas besorgen." das "(nicht, dass sie notwendigerweise falsch sind).

Für Sie bedeutet dies, dass die erweiterte Analyse für dieses Unternehmen nicht so notwendig ist, wie es nur sein könnte, etwas in Betrieb zu nehmen.

Zum Glück sind die meisten Komponenten, die Unternehmen möglicherweise benötigen, kostenlos. Darüber hinaus glaube ich, dass sowohl Hortonworks als auch Cloudera kostenlose virtuelle "Sandbox" -Maschinen haben, mit denen Sie auf Ihrem PC herumspielen und sich orientieren können.

Erweiterte Analysen auf Big-Data-Plattformen sind zwar wertvoll, aber viele Unternehmen müssen erst das Crawlen lernen, bevor sie ausgeführt werden können.

Dies ist meiner Meinung nach eine wirklich seltsame Frage. Warum bewegen Sie sich in eine neue Richtung, wenn Sie nicht sicher sind, ob Sie diese neue Richtung lieben oder sie zumindest sehr interessant finden? Wenn Sie Big Data lieben, warum interessieren Sie sich dann für die PhD-intelligenten Kreaturen, die bereits auf dem Gebiet sind? In jedem Bereich der IT gibt es die gleiche Anzahl von Doktoranden. Bitte lesen Sie diesen sehr schönen Artikel http://www.forbes.com/sites/louisefron/2013/09/13/why-you-cant-find-a-job-you-love/ kurz durch und fragen Sie sich dann Wenn Sie Big Data genug lieben und bereit sind, Ihr Sandkorn dem Berg des Wissens hinzuzufügen