Skip to content

Latest commit

 

History

History
139 lines (72 loc) · 8.22 KB

decoding-the-data-scientist-hierarchy-from-junior-to-senior-what-sets-them-apart-566158a0d5ff.md

File metadata and controls

139 lines (72 loc) · 8.22 KB

解码数据科学家层级:从初级到高级——是什么使他们与众不同?

原文:towardsdatascience.com/decoding-the-data-scientist-hierarchy-from-junior-to-senior-what-sets-them-apart-566158a0d5ff

揭示初级、中级和高级数据科学家的工作期望范围

Guillaume ColleyTowards Data Science Guillaume Colley

·发表于 Towards Data Science ·5 分钟阅读·2023 年 10 月 11 日

--

图片由 Edvard Alexander Rølvaag 提供,来源于 Unsplash

经验和技术专长在定义初级或高级数据科学家时扮演重要角色——但在工作范围方面,这些级别的业务期望是什么?

尽管许多资源和 职位描述 讨论了与每个级别相关的技术职责(或 管理时间),但在数据科学家的不同资历水平的更广泛业务期望方面明显缺乏清晰度。

在这篇文章中,我将揭示初级、中级和高级数据科学家的工作期望范围,这一框架在我的管理角色中证明了其无价之宝——如果你也有以下需求,它可能对你同样有用:

  • 你正在建立一个正式的数据科学实践,并且想知道你需要哪些角色和级别。

  • 你是一名数据科学从业者,希望晋升到下一个级别(或者说服你的老板你已经达到了)。

所以——让我们深入探讨吧!

初级/助理数据科学家

图片由 John Schnobrich 提供,来源于 Unsplash

入门级数据科学家通常是刚毕业的本科或硕士学位的学生,专业为数据科学/应用统计/大数据,或是最近获得数据科学认证的经验丰富的数据分析师。

初级/助理数据科学家专注于明确的任务而非完整项目。通常,分析或模型由其经理或高级数据科学家设计,并设定项目时间表和交付节奏。

初级/助理数据科学家熟悉数据,并利用数据响应于明确的任务进行分析或建模。

初级/助理数据科学家在经理或高级数据科学家的指导下承担定义明确的数据科学任务。

初级/助理数据科学家的期望:

  • 在经理/高级数据科学家的指导下,开发预测模型并进行高级分析。

  • 计划接下来几周的工作。

  • 在经理/高级数据科学家的指导下,将洞察转化为商业建议。

  • 向同事和经理展示发现/技术工作。

  • 理解并建立与紧密跨职能业务领域和直接利益相关者的关系。

  • 学习组织的工具、流程和程序

数据科学家

图片由Glenn Carstens-Peters提供,发布在Unsplash

中级数据科学家拥有几年的经验,能够理解业务问题,设计并领导整个分析或模型的完成,几乎不依赖于经理或高级数据科学家的输出。他们分享中期结果并提出潜在障碍,但在其他方面独立解决技术问题。

拥有良好的组织知识和商业洞察力,他们提出改进建议并识别新数据科学应用的潜在机会。

数据科学家理解业务背景,独立设计和执行数据科学项目。

数据科学家期望:

  • 在跨职能领域识别潜在项目机会,并与经理/高级数据科学家进行优化/优先排序

  • 计划未来几个月的工作项目和交付节奏

  • 在经理/高级数据科学家的最低指导下,设计和开发预测模型及高级分析

  • 独立将洞察转化为商业建议

  • 向同事和业务利益相关者展示洞察/建议/技术工作。

  • 理解并建立与更广泛跨职能领域和利益相关者的关系。

  • 支持组织内的初级数据科学家和数据分析师

  • 了解并遵循组织的工具、流程和程序

高级/首席数据科学家

图片由Jason Goodman提供,来源于Unsplash

高级/首席数据科学家是分析组织和更广泛业务中的推动力量。通过对业务职能领域的深刻理解和建立的关系,他们始终识别改进机会或新的数据科学应用,以推动业务价值。他们优先考虑并推动这些机会的利用,需要最少的管理支持。

高级数据科学家识别更广泛跨职能领域的潜在机会。他们规划、启动、交付复杂的数据科学项目,并影响业务测试、部署和利用他们的解决方案。

高级/首席数据科学家的期望:

  • 在管理者的最小指导下,识别和优化更广泛跨职能领域内的潜在项目机会

  • 支持团队为接下来的六个月构建和完善路线图

  • 在最小的管理指导下,从构想到业务利用,领导数据科学项目的全过程

  • 开发和拥有项目路线图、利益相关者管理和交付成果。

  • 将见解转化为战略建议,并推动建议的实施。

  • 向同行、业务和高层利益相关者展示见解/建议/技术工作

  • 与更广泛的跨职能领域和利益相关者建立关系。

  • 为组织中的初级数据科学家、数据科学家和数据分析师提供参考点:导师和教练

  • 了解并遵循组织工具、流程和程序。推荐新的工具和/或改进流程和程序。

注意: 上述高级数据科学家的范围是“业务”高级数据科学家的角色。在某些情况下,可能更有意义为技术性人才制定一个“技术”高级数据科学家角色,使其成为技术专家(深入研究),而不是业务数据科学家(广泛研究)。

总结

在数据科学领域,区分初级数据科学家、数据科学家和高级数据科学家角色不仅仅涉及经验和技术专长。它取决于工作的范围和业务期望。

本质上,这些角色可以总结为管理“任务”、“项目”和“产品”:

初级数据科学家管理数据科学任务。

数据科学家管理数据科学项目。

高级数据科学家管理数据科学产品。

确定这些工作范围差异并与我的团队分享,确实有助于支持数据科学家的成长和发展。这清楚地设定了每个数据科学家层级所需的期望,使从业者明确知道他们必须展示什么才能晋升到下一级。

你在组织中的运作情况如何?使用了类似的框架吗?我是否遗漏了什么?请在下方评论中分享!

参考资料

[1] M. Crabtree, 如何编写数据科学家职位描述 (2022), www.datacamp.com/blog/data-scientist-job-description

[2] H. Brooks, S. Gutierrez, 初级、中级和高级数据科学家职位的区别 (2020), www.datascienceweekly.org/articles/the-difference-between-junior-mid-level-and-senior-data-scientist-jobs