DJ Patil, der erste Chef-Datenwissenschaftler des Weißen Hauses unter dem ehemaligen Präsidenten Barack Obama.abin Botsford/The Washington Post über Getty Images Wenn Sie in letzter Zeit dem Arbeitsmarkt auch nur die leiseste Aufmerksamkeit geschenkt haben, haben Sie heutzutage vielleicht einen aufrüttelnden Trend bei der Einstellung bemerkt: Jeder Recruiter, von großen Konzernen bis hin zu kleinen Start-ups, sucht eine Stelle namens Data Scientist. Wenn Sie genauer hinschauen, ist es wahrscheinlich, dass einige Ihrer Freunde ohne jeglichen wissenschaftlichen Hintergrund die Begeisterung bereits aufgegriffen haben und sich auf LinkedIn als Data Scientists umbenannt haben.
Der Begriff Data Scientist, der noch vor wenigen Jahren so gut wie unbekannt war, liefert mittlerweile über 25.000 Ergebnisse auf der Jobseite von LinkedIn – das sind gut 2.000 mehr als die Suchergebnisse des allseits trendigen Finanzanalysten (zumindest für uns New Yorker).
Warum das plötzliche Interesse? Und was heißt das überhaupt, zum Beispiel, was machen Data Scientists? Ich stellte diese Fragen der Person, von der ich dachte, dass sie am besten geeignet ist, sie zu beantworten: dem Mann, der den Begriff Data Scientist geprägt hat.
DJ Patil, a ehemaliger LinkedIn-Manager (von 2008 bis 2011), der später unter Präsident Barack Obama Chef-Datenwissenschaftler des Weißen Hauses war, gilt als der erste Datenwissenschaftler in den USA Obama, aber die Wortwahl zur Beschreibung dieser Rolle wurde während seiner Zeit bei LinkedIn entschieden.
Ich war bei LinkedIn, um das Datenteam aufzubauen, und Jeff Hammerbacher [Mitbegründer von Cloudera] war im Datenteam von Facebook beschäftigt, und wir arbeiteten manchmal zusammen und tauschten unsere Notizen aus. Eines der Dinge, die uns klar wurden, war, dass wir nicht wussten, wie wir uns nennen sollten, sagte Patil letzten Monat in einem Interview mit Braganca.
Nennen Sie sich Analytiker? Es fühlt sich zu Wall Street an. Ein Wissenschaftler oder Statistiker? Fühlt sich zu akademisch an, erinnerte er sich. Aber da ich bei LinkedIn arbeitete, habe ich einfach alle uns einfallenden Berufsbezeichnungen getestet, um zu sehen, welche das meiste Interesse bei den Bewerbern wecken würde. Es stellte sich heraus, dass jeder Datenwissenschaftler werden wollte, also sagen wir: OK, so werden wir uns nennen.
Der Titel klingt anspruchsvoll und vage genug, um branchenübergreifend und ernst genommen zu werden, selbst von Leuten, die keine Ahnung haben, was es ist.
Ich denke, der Hauptgrund für den Erfolg ist, dass die Leute nicht wirklich wissen, was es bedeutet. Und das ist die Macht, sagte Patil. Wenn Sie sich selbst als etwas bezeichnen, bezeichnen die Leute auch das, was Sie nicht sein sollen. Wenn Sie also in einem Raum sind und sagen, dass Sie ein Datenanalyst sind, werden sie denken, dass Sie nicht auf dieser Ebene von Meetings sein sollten. Aber wenn Sie sagen, dass Sie der Datenwissenschaftler sind, werden sie sagen, Gott sei Dank haben wir hier die schlauen Leute.
Die steigende Nachfrage nach Data Scientists ist zum Teil auf die beispiellose Fülle von Daten zurückzuführen, die wir im Zeitalter des Internets angesammelt haben, das einen Boom von Big Data-bezogenen Jobs in verschiedenen Branchen angeheizt hat. Die sexy klingende Berufsbezeichnung hat es Personalvermittlern leicht gemacht, Stellenanzeigen aufzugeben, und Jobsuchenden ist es bequem, für sich selbst zu werben. Aber seine inhärente Mehrdeutigkeit hat auch Kritik von denen hervorgerufen, die verwirrt sind, was es eigentlich bedeutet.
Clint Chegin, Produktmanager bei der Karriereseite Indeed, drückte seine Frustration in einem Mittlerer Beitrag mit dem Titel Es gibt keinen Datenwissenschaftler.
Die überwiegende Mehrheit der Stellenbeschreibungen im Bereich Data Science vermittelt nicht die tatsächlichen Anforderungen der ausgeschriebenen Position. schrieb Jeremie Harris, Gründer der Karriere-Mentorship-Plattform SharpestMinds.
Ich bin im Allgemeinen dagegen, zu streng zu definieren, sagte Patil. Wichtig ist, wie Sie Daten nutzen, um mit der Welt zu interagieren, sie zu studieren und zu versuchen, neue Dinge zu entwickeln.
Einige dieser Dinge sind neue Produkte, wie ein selbstfahrendes Auto oder Ihr Wetter-App . Andere sind Datenanalysen, die den Menschen helfen, Bewertungen von Krediten bis hin zu Gesundheitsentscheidungen vorzunehmen, fuhr er fort. Es gibt alle Arten von Data Scientists.Vielleicht überlebt der Titel und vielleicht wird er zu etwas anderem. Aber ich denke, das Wichtigste hier ist, dass wir Daten auf neuartige Weise verwenden, um Dinge zu bauen.
