데이터 과학자

Working Schedule
 

• 데이터 과학자는 일상적인 일정에 따라 풀타임으로 일할 수 있습니다. 까다로운 분야인 만큼, '근무 외' 재교육, 추가 인증 및 기타 무급 학습 경험이 필요할 수 있는 기술을 날카롭게 유지하는 것이 필수적입니다. 

일반적인 의무

• 새로운 기술을 설계하거나 기존 기술의 활용을 극대화하기 위해 지식과 기술을 적용합니다.
• 경영진, 엔지니어 및 외부 고객과 협력하여 문제를 파악하세요. 
• 조직의 정책 개발 및 목표 달성 전략 지원
• 팀과 협업하고 작업 및 일시 중단을 관리하세요.
• 특정 역할에 따라 데이터 과학자는 Python, R, SQL, 데이터베이스, 분석 도구, 머신 러닝 및 빅 데이터를 다룰 수 있습니다.
• 복잡한 소프트웨어 또는 비즈니스 문제에 대한 실현 가능한 솔루션 개발
• 새로운 이론과 모델 개발 
• 최종 사용자, 고객, 직원 및 이해관계자와의 대화를 통해 하드웨어 및 소프트웨어 요구 사항 파악 
• 프로젝트 컨셉을 검토하고 개선 사항을 제안하세요.

추가 책임

• 다양한 분야의 프로젝트 참여
• 새 시스템 테스트 실행
• 전문 조직에 참여하여 연구 및 결과 공유

소프트 스킬

• 문제 예측 가능 
• 능동적 학습 
• 분석
• 세부 사항 주의
• 다른 사람을 위해 아이디어를 맥락화하는 능력
• 창의력과 호기심
• 비판적이지만 유연한 사고
• 결정적인
• 초점
• 질서 정연
• 지속성 및 복원력
• 문제 해결 
• 건전한 판단
• 강력한 의사 소통 기술

기술 능력

• 웹 플랫폼 개발 소프트웨어: SQL(구조화된 쿼리 언어), Python, Tableau, R
• 커뮤니케이션 기술: 데이터 수집을 통해 도출된 통계를 IT, 재무 등 기업의 다른 부서에 알기 쉽게 설명할 수 있어야 합니다.
• 팀워크: 의사 결정을 위해 데이터에서 수집한 정보를 필요로 하는 다양한 부서를 연결하는 역할을 하게 됩니다.
• 데이터/통계 분석: 사용자 피드백 및 연구 분석 및 적용 필요
• 좋은 시야 
• 시스템 분석 및 평가 가능 
• 영업 및 마케팅, 고객 서비스, 통신, 디자인, 관리 원칙 및 공학 과학에 대한 기본 이해
• 비즈니스 인텔리전스/데이터 분석 프로그램(예: IBM Cognos Impromptu, Oracle Business Intelligence Enterprise Edition, QlikView 및 Tableau)
• 폴라리스 병렬 컴파일러, 그린힐스 Ada 컴파일러, LLVM 컴파일러와 같은 컴파일러 소프트웨어
• 데이터베이스 관리 및 사용자 인터페이스/쿼리 프로그램
• LabVIEW, Apache Kafka 또는 Eclipse IDE와 같은 개발 환경 소프트웨어
• 그래픽 이미징
• Minitab, StataCorp Stata, MATLAB과 같은 분석 및 과학 소프트웨어에 대한 지식
• 객체 또는 컴포넌트 지향 개발 소프트웨어(C++, ActiveX, Java, Python)
• 대수, 기하학, 미적분, 통계를 포함한 강력한 수학 능력

• 교육 기관
• 은행 및 금융 부문
• 클라우드 서비스 및 호스팅
• 컨설팅
• 서비스형 소프트웨어(SAAS), 웹, 모바일
• 컴퓨터 소프트웨어 게시자
• 배달 회사
• 연방 정부/군 기관
• 대기업
• 소매 기업
• 보험 대행사
• 통신
• 기타 연구 개발 조직
• 민간 전문 기업
• 검색/소셜 네트워킹

• 머신 러닝에 대한 이해: 분석 모델 구축을 자동화하는 데이터 분석 방법입니다. 머신 러닝을 통해 컴퓨터는 명시적인 프로그래밍 없이 데이터에서 학습하는 알고리즘을 사용하여 숨겨진 인사이트를 찾을 수 있습니다.
• 데이터 과학과 IoT의 결합: 인터넷 연결을 위한 IP 주소가 있는 물리적 객체의 네트워크가 증가하고 이러한 객체와 다른 인터넷 지원 장치 및 시스템 간에 통신이 이루어집니다.
• IoT와 연동되는 RIL(무선 인터페이스 레이어)과 함께 작업할 수 있는 기능
• 의료 분야에서 데이터 과학의 활용: 이러한 과학자들이 수집한 데이터는 에볼라의 재유행과 같은 질병 동향을 예측하는 데 사용될 수 있습니다.

데이터 과학자를 고용하는 대부분의 조직은 데이터 과학자가 제공하는 기술과 정보에 크게 의존하기 때문에 데이터 과학자를 고용합니다. 데이터 과학자는 말 그대로 판매되는 제품이나 서비스를 개발하는 경우도 있지만, 어떤 경우에는 기업이 무엇을 판매할지, 누구에게 판매할지, 어떻게 하면 더 많이 판매할지 결정하는 데 도움을 주기도 합니다. 따라서 기대치가 높지만 금전적인 보상도 높습니다!

위스콘신 대학교에 따르면, 초급 직원은 최대 95,000달러, 중간급 직원은 평균 128,750달러, 중간급 관리자는 최대 185,000달러, 경력 관리자의 평균 연봉은 250,000달러에 달할 수 있다고 합니다. 이러한 금액을 지불하는 조직은 분명히 최고 수준의 전문성과 부가가치가 높은 업무를 요구할 것입니다. 따라서 데이터 과학자가 모든 영역에서 숙련도를 달성하고 유지하며, 새롭게 개발되는 기술을 따라잡거나 앞서가는 것은 큰 희생이라고 할 수 있습니다. 이를 위해서는 대규모의 장기적인 노력이 필요하며, 많은 작업을 '근무 시간 이후' 개인 시간에 수행해야 합니다. 

데이터 과학자는 어릴 때부터 컴퓨터에 관심이 많았고, 퍼즐이나 문제를 풀거나 다른 방법으로 해결해야 하는 것에 흥미를 느꼈습니다. 이들은 정보를 발견하고 그 정보를 어떻게 사용하는지가 승리의 열쇠가 되는 지적 도전을 좋아합니다. 미스터리나 추리 소설을 읽거나 보는 것을 즐겼을 수도 있습니다. 심리학, 사람들의 사고 방식, 동기 부여, 컴퓨터가 개인부터 그룹, 심지어 사회 전체에 이르기까지 다양한 수준에서 사람들을 더 잘 이해할 수 있는 방법을 찾는 방법에 관심이 있습니다.

훌륭한 데이터 과학자는 성장하면서 '큰 그림'을 보고 작은 요소, 요소 또는 결정이 어떻게 큰 결과를 초래할 수 있는지 볼 수 있는 사람일 가능성이 높습니다. 이들은 고도로 조직화된 것처럼 보일 수 있지만, 머릿속에 있는 정보는 정적인 것이 아니라 가변적이고 유연합니다. 다시 말해, 이들은 일반적으로 다른 사람들이 생각하지 못한 방식으로 데이터를 창의적으로 사용하기 위해 '틀에서 벗어난 사고'를 할 수 있습니다. 또한 기술적인 내용을 일반인이 이해하기 쉬운 용어로 설명하는 데 능숙합니다.