Wat is een kennis Wetenschapper?

Datawetenschap kan een complex en soms verwarrend vakgebied zijn, en het gaat om tientallen verschillende vaardigheden die het definiëren van het beroep tot een voortdurende strijd maken.

In wezen is een kenniswetenschapper iemand die verzamelt en analyseert met het doel om tot een conclusie te komen. Ze doen dit door middel van vele verschillende technieken. ze presenteren de informatie tijdens een visuele context, die meestal “visualiseren van de informatie” wordt genoemd, waardoor een gebruiker voor duidelijke patronen lijkt te staan die niet merkbaar zouden zijn als de kennis in harde cijfers op een spreadsheet zou worden gepresenteerd. Ze creëren vaak zeer geavanceerde algoritmen die niet in staat zijn om patronen te bepalen en de informatie uit een wirwar van getallen en statistieken naar iets te brengen dat nuttig zal zijn voor een bedrijf of organisatie. De kern van datawetenschap is dat de praktijk van het proberen te vinden van betekenis in massale hoeveelheden kennis.

Laten we eens kijken naar een redelijk typisch voorbeeld van een kenniswetenschapper in actie. Misschien wil een serieus bedrijf, zegt een telefoonbedrijf, begrijpen welke huidige klanten meer kans hebben om diensten aan te passen aan hun concurrent. Ze huren een kennisanalist in die veel verschillende datapunten kan checken (of meer specifiek, een algoritme kan creëren om op veel datapunten te lijken) die geassocieerd zijn met voormalige klanten. Ze zullen ontdekken dat klanten die een bepaalde hoeveelheid bandbreedte gebruiken meer kans hebben om weg te gaan, of dat klanten die getrouwd zijn en tussen de 35 en 45 jaar oud zijn de grootste kans hebben om dragers aan te passen. Het telefoonbedrijf kan dan zijn businessplan of marketinginspanningen wijzigen om deze klanten te laten interageren en behouden.

Netflix-gebruikers zien een echt voorbeeld van kennismanagement in actie wanneer ze toegang krijgen tot hun account. De videostreamingdienst is voorzien van een programma dat is ontworpen om u suggesties te bieden die het beste bij uw voorkeuren passen. Met behulp van informatie uit uw eerdere kijkgeschiedenis geeft een algoritme u aanbevelingen voor shows waar u van zult genieten. Dit wordt vaak ook gezien in diensten zoals Pandora met hun duimen omhoog en omlaag knoppen, en van Amazon, met hun winkelaanbevelingen.

Gegevenswetenschap vs. statistiek

Gegevenswetenschap mag niet worden verward met statistiek. Hoewel deze twee gebieden vergelijkbare vaardigheden combineren en gemeenschappelijke doelen hebben (zoals het inzetten van veel kennis om conclusies te kunnen trekken), zijn ze uniek in één duidelijk aspect. De datawetenschap, die wellicht een nieuwer gebied is, wordt sterk ondersteund door het gebruik van computers en technologie. Het heeft toegang tot informatie uit grote databases, gebruikt code om gegevens te controleren en visualiseert getallen tijdens een digitaal formaat.

Statistiek daarentegen maakt over het algemeen gebruik van gevestigde theorieën en richt zich meer op hypothesetests. Het is een meer traditionele discipline die, vanuit een breed perspectief, weinig is veranderd in de afgelopen 100 jaar of meer, terwijl de datawetenschap in wezen is geëvolueerd met het toenemende gebruik van computers.

Wie kan een goede kandidaat zijn?

Dus wat zijn de hoogste eigenschappen van een kenniswetenschapper? Hoe kun je bepalen of je de basis hebt voor een uitgebreide carrière binnen de kenniswetenschap? Er zijn veel unieke kenmerken die van toepassing zijn op de datawetenschap, dus het is waarschijnlijk dat je een of meer van die vaardigheden hebt.

Ten eerste wil je een nieuwsgierig karakter hebben dat een voortdurend streven naar leren stimuleert. Er zijn veel gebieden die dan veel datapunten voor onderzoek zijn, dat een kenniswetenschapper een inherente nieuwsgierigheid moet hebben die hem of haar aanzet tot het vinden van antwoorden.

Je hebt ook een robuust vermogen tot organisatie nodig. Zoals we al eerder zeiden, zijn er veel potentiële datapunten, dus het is belangrijk om alles overzichtelijk in een eigen hoekje te houden en ervoor te zorgen dat de informatie op een nuttige manier wordt georganiseerd. Een goede organisatie zal u helpen om de juiste conclusies te trekken aan de top van uw werk.

U zult waarschijnlijk merken dat dit carrièrepad soms gevuld kan zijn met frustratie, dus een stevige dosis koppigheid kan een goede zaak zijn. Wanneer het moeilijk wordt en het lijkt erop dat er geen oplossing voor de zaak is, zal een eerlijke datawetenschapper blijven reorganiseren, heranalyseren en de informatie delen in de hoop dat een vervangingsperspectief een “Eureka!” moment zal veroorzaken.

Andere eigenschappen, zoals creativiteit, het sterke vermogen om gefocust te blijven, en een scherp oog voor detail, zullen je allemaal helpen om een kenniswetenschapper te worden.

Eisen aan de opleiding tot datawetenschapper

Er zijn vele wegen naar de landing van een carrière in de datawetenschap, behalve dat het voor alle duidelijkheid onmogelijk is om een carrière in het veld te starten zonder een universitaire opleiding. Je zult op zijn minst een vierjarige bachelordiploma nodig hebben. Maar vergeet niet dat 73% van de professionals die binnen de sector werken een diploma hebben en 38% een doctoraat. Als je een gecompliceerde leidinggevende functie nastreeft, moet je een master- of doctoraatsdiploma behalen.

Sommige scholen bieden data science graden aan, wat een duidelijke keuze is. Deze graad biedt u de vereiste vaardigheden om een chique set van kennis te verwerken en te analyseren, en kan veel technische informatie in verband met statistieken, computers, analysetechnieken, en nog veel meer omvatten. De meeste datawetenschappelijke programma’s zullen ook een ingenieus en analytisch element hebben, waardoor je in staat bent om beoordelingsbeslissingen te nemen die je bevindingen ondersteunen.

Terwijl een kenniswetenschappelijke graad is dat het meest flagrante carrièrepad, zijn er ook technische en computergebaseerde graden die zullen helpen bij het lanceren van uw data science-carrière. Veel voorkomende diploma’s die je helpen bij het leren van datawetenschap zijn onder andere:

Computerwetenschap

Statistieken

Fysica

Sociale wetenschappen

Wiskunde

Toegepaste wiskunde

Economie

Aan de top van 1 of meer van die diploma’s heb je waarschijnlijk een goed scala aan vaardigheden die van toepassing zijn op de datawetenschap. Deze vaardigheden omvatten experimenteren, coderen, kwantitatieve probleemoplossing, omgaan met grote sets van kennis, en nog veel meer.

Het vermogen om mensen, bedrijven en marketing te kennen is bovendien een sterk hulpmiddel tijdens een carrière in de datawetenschap. De talenten worden vaak belicht in het bedrijfsleven, de psychologie, de politiek en diverse humanistische disciplines. Deze zijn vaak een uitstekende minor, als aanvulling op een kenniswetenschappelijke graad of een technische graad.

Datawetenschappelijke specialisaties

Datawetenschap is nodig voor bijna elk bedrijf, elke organisatie en elk agentschap in het land en over de hele wereld, dus er is zeker het vooruitzicht op specialisatie. Veel datawetenschappers gaan zich sterk specialiseren in het bedrijfsleven, vaak specifieke segmenten van de economie (zoals de auto-industrie of de verzekeringssector) of bedrijfsgerelateerde gebieden zoals marketing of prijsstelling. Zo kan een kenniswetenschapper zich bijvoorbeeld concentreren op het helpen van autodealers bij het analyseren van hun klantinformatie en het maken van effectieve marketingcampagnes. Een andere datawetenschapper kan grote winkelketens helpen bij het bepalen van de juiste prijsklasse voor zijn of haar producten.

Sommige datawetenschappers werken voor het Ministerie van Defensie, gespecialiseerd in de analyse van bedreigingsniveaus, terwijl andere zich concentreren op het helpen van kleine startende bedrijven bij het vinden en behouden van klanten.

Datawetenschapper Carrièrepad

Hoewel je de talenten hebt om direct na schooltijd een kenniswetenschapper te worden, is het niet ongewoon dat mensen een aantal van de werkopleidingen wensen voordat ze weggaan en gaan rennen in hun carrière. Deze training is meestal gecentreerd rond de specifieke programma’s en het interne systeem van het bedrijf, maar het gaat om geavanceerde analysetechnieken die niet worden onderwezen op de universiteit.

De wereld van de kenniswetenschap is een voortdurend veranderend gebied, dus mensen die op dit gebied werken moeten hun vaardigheden voortdurend bijschaven. Ze worden voortdurend getraind om voorop te blijven lopen op het gebied van data en technologie.

Datawetenschappelijke banen

Datawetenschappers voegen veel verschillende instellingen toe, maar het grootste deel daarvan voegt kantoorachtige instellingen toe die mensen in staat stellen om in teams samen te werken, samen te werken aan projecten en effectief te communiceren. Veel van het werk kan bestaan uit het uploaden van getallen en gegevens in het systeem of het schrijven van code voor een programma dat de kennis zal analyseren.

Het tempo, de sfeer en het all-around tempo van de werkomgeving zal grotendeels afhangen van het bedrijf en dus van de branche waarin u werkzaam bent. u zult een snelle werkomgeving toevoegen die de nadruk legt op snelle resultaten, anders zou u kunnen werken voor een bedrijf dat waarde hecht aan langzame, methodische, gedetailleerde vooruitgang.

U kunt een werkomgeving vinden die ontworpen is om creativiteit te stimuleren, anders zou u een kantoor kunnen toevoegen dat ontworpen is voor efficiëntie en effectiviteit; het hangt echt af van het soort kenniswetenschap dat u doet en dus van de aard van het bedrijf waar u voor werkt.

Voors en tegens

Er zijn veel voordelen aan het worden van een kenniswetenschapper, en het is niet allemaal gericht op de beloning. Het werk kan een unieke maar uitdagende carrière zijn die een goed soort dagelijkse taken geeft, en deze verscheidenheid wordt meestal bij elkaar geciteerd van de meeste voordelen. Als kenniswetenschapper werk je voor een goed soort bedrijven, met oplossingen en kennis die verband houden met klantenbinding, marketing, nieuwe producten of algemene bedrijfsoplossingen. Dit suggereert dat je de interactie aangaat met unieke en interessante onderwerpen en onderwerpen die je een goed perspectief bieden op de economie en de wereld in het algemeen.

Net als bij elke carrière zijn er enkele duidelijke nadelen. Hoewel het acute soort onderwerpen je nieuwe uitdagingen geeft, kan het ook betekenen dat je gewoonweg nooit volledig in een geselecteerd onderwerp kunt duiken. De technologieën die je gewoonweg gebruikt zullen voortdurend evolueren, dus je zult merken dat de systemen en software die je gewoonweg onder de knie hebt, plots verouderd zijn. Voordat je het herkent, wil je eerst een heel nieuw systeem ontdekken. Dit zal ook veel verwarring veroorzaken, want het bepalen welke systemen het eenvoudigst zijn voor specifieke taken is uiterst lastig.

Salaris van de Datawetenschapper

Welke bron u ook kiest, één ding is zeker: deze professionals verdienen een aanzienlijk inkomen. De eenvoudigste bron voor carrièresalarissen is dat het Bureau voor de Arbeidsstatistiek, maar helaas verzamelen ze niet specifiek informatie voor datawetenschappers. Ze hebben echter wel informatie over “Computer- en kenniswetenschappers”, waarin wat zij “data mining” noemen, een vaardigheid is opgenomen die in sommige opzichten een afspiegeling is van de datawetenschap. In overeenstemming met de BLS, verdienen de mensen die als computer en kenniswetenschappers werken een gemiddeld inkomen van $108.360 per jaar, en elke computergerelateerde beroepen trekken een gemiddelde van $79.390. Inspecteer het BLS rapport over grote gegevens hier.

Deze cijfers lijken ook te correleren met de looncijfers uit andere bronnen. Glassdoor meldt een gemiddelde van $113.436, terwijl PayScale hun verdiensten op $93.146 heeft. Een kennis wetenschapper met 9 of meer jaren ervaring kan een salaris verwachten rond de $ 150,000 en mensen die teams van tien of meer managen kunnen verwachten om te verdienen op de rand van $ 232,000.

Bij elke bron die u bekijkt, zult u zien dat er veel vraag is naar deze geavanceerde vaardigheden. Als je de talenten, training en knowhow hebt die nodig zijn om een kenniswetenschapper te worden, verdien je waarschijnlijk een aanzienlijk inkomen voor de duur van je carrière. Er is ook meer uitstekend nieuws, aangezien er in de nabije toekomst veel vraag zal zijn naar deze professionals.

Iedereen die binnen de kenniswetenschap werkt, kan de een-twee klappen van de baanzekerheid verwachten. Niet alleen verdienen ze een inkomen dat ver boven het landelijk gemiddelde ligt, ze verwachten ook dat hun vakgebied in het komende decennium nog zal groeien. De vraag naar datawetenschappers ligt ruim boven het landelijk gemiddelde en 50% boven die van software-ingenieurs (17%) en data-analisten (21%). het aantal kenniswetenschappers is in de afgelopen vier jaar verdubbeld en een aantal citeert zelfs de uitbreiding met 300%.

Nu steeds meer bedrijven geloven dat harde informatie voor zijn of haar beslissingen noodzakelijk is, zal de noodzaak voor mensen die de kennis niet alleen kunnen verzamelen, maar ook kunnen organiseren, opslaan, interpreteren en trends ontdekken, des te belangrijker zijn. Het verzamelen van gegevens door bedrijven zal nog steeds groeien, en data-analisten mogen verwachten dat er jarenlang veel vraag naar zal zijn om terug te keren.