기술 스타트 업들 사이에서, 데이터 과학자는 전통적으로 분리 된 데이터 인텔리전스의 기능 영역을 연결할 수있는 데이터 괴짜를 지칭하기 위해 점점 더 일반적으로 사용되는 용어입니다. 데이터 과학자는 데이터 인텔리전스 프로젝트의 여러 가지 측면을 모두 편안하게 수행 할 수있는 사람입니다.
- 데이터 수집 : 비 전통적인 데이터 소스에 대한 특정 웹 서비스 또는 API를 대상으로하는 사용자 정의 파서 및 웹 크롤러 또는 스크립트 작성이 수반 될 수 있습니다.
- 데이터 관리 : 데이터베이스, 키-값 저장소 또는 Hadoop에서 데이터를 ETL, 조작, 쿼리 및 유지 관리합니다.
- 정보 시각화 : Flash, JavaScript 또는 Processing을 기반으로하는 정적 시각화 툴킷 및 / 또는 대화 형 플랫폼을 사용하여 패턴을 발견합니다.
- 분석 : 다변량 통계, 머신 러닝 및 NLP의 간단한 기술부터 복잡한 기술까지 다양합니다.
- 통찰력 : 주요 결과를 추출하고 요약하여 광범위한 청중에게 제시하십시오.
많은 도구, 기술 및 기술적 세부 사항이 있으며 위에 나열된 각 항목을 마스터하는 데 몇 년을 소비 할 수 있습니다. 데이터 과학자는 어떤 분야에서도 진정한 전문가 지식을 가지고 있지는 않지만, 앞뒤로 건너 뛰고 모든 작업에서 기본적인 작업을 수행하는 것이 편안합니다. 결과적으로 데이터 프로젝트를 신속하게 조사하고 경영진으로부터 (높은 수준의) 질문에 대한 답변을 얻을 수있을 정도로 빠른 데이터 괴짜입니다. (데이터 과학자 : 기술 세계의 새로운 록 스타에있는 데이터 과학자에 대해)
데이터 과학자를 육성하기 위해 기업은 문화 및 조직 구조에 더 집중해야합니다. 많은 데이터 작업자가 여러 영역의 데이터 인텔리전스에서 빠르게 생산성을 발휘할 수있는 충분한 기술과 교육을 갖추고 있습니다. 문제는 대부분 데이터 과학자가되도록 장려하는 환경에서는 효과가 없다는 것입니다. 이들은 사일로에 갇혀 있으며 데이터 인텔리전스의 한두 영역으로 제한되어 있습니다. 종종 관리자가 "승인 한"도구를 사용하도록 제한되어 있습니다.
