Cambio de carrera a Big Data Analytics

Soy un profesional de TI de 35 años que es puramente técnico. Soy bueno programando, aprendiendo nuevas tecnologías, entendiéndolas e implementando. No me gustaban las matemáticas en la escuela, así que no obtuve buenos resultados en matemáticas. Estoy muy interesado en seguir una carrera en análisis de Big Data. Estoy más interesado en Analytics que en las tecnologías de Big Data (Hadoop, etc.), aunque no me desagrada. Sin embargo, cuando busco en Internet, veo que las personas que son buenas en análisis (Data Scientists) son principalmente graduados de Matemáticas que han realizado sus PHds y suenan como criaturas inteligentes, que están muy por delante de mí. A veces me da miedo pensar si mi decisión es correcta, porque aprender estadísticas avanzadas por su cuenta es muy difícil y requiere una gran cantidad de trabajo y tiempo invertido.

Me gustaría saber si mi decisión es correcta, o debería dejar este trabajo solo a intelectuales que han pasado su vida estudiando en universidades prestigiosas y obtuvieron sus títulos y doctorados.

Debido a la gran demanda, es posible comenzar una carrera en ciencia de datos sin un título formal. Mi experiencia es que tener un título es a menudo un "requisito" en las descripciones de trabajo, pero si el empleador está lo suficientemente desesperado, eso no importará. En general, es más difícil entrar en grandes corporaciones con procesos de solicitud de empleo formalizados que las compañías más pequeñas sin ellos. "Conocer a la gente" puede llevarte lejos, en cualquier caso.

Independientemente de su educación, no importa cuán alta sea la demanda, debe tener las habilidades para hacer el trabajo.

Tienes razón al notar que las estadísticas avanzadas y otras matemáticas son muy difíciles de aprender de forma independiente. Es una cuestión de qué tanto quieres hacer que la carrera cambie. Mientras que algunas personas tienen 'talento natural' en matemáticas, todos tienen que hacer el trabajo para aprender. Algunos pueden aprender más rápido, pero todos tienen que tomarse el tiempo para aprender.

De lo que se trata es de su capacidad para mostrar a los empleadores potenciales que tiene un interés genuino en el campo y que podrá aprender rápidamente en el trabajo. Cuanto más conocimiento tenga, más proyectos podrá compartir en una cartera, y más experiencia laboral en su haber, los trabajos de mayor nivel estarán disponibles para usted. Es posible que primero deba comenzar en una posición de nivel de entrada.

Podría sugerir formas de estudiar matemáticas de forma independiente, pero esa no es parte de su pregunta. Por ahora, solo sé que es difícil, pero posible si estás decidido a hacer un cambio de carrera. Golpee mientras el hierro esté caliente (mientras la demanda sea alta).

Debería analizar más el lado de la infraestructura si no le gustan las matemáticas. Cuanto más bajo se encuentre en la pila de software, más se alejará de las matemáticas (del tipo de ciencia de datos). En otras palabras, podría construir la base que otros usarán para crear las herramientas que servirán a los analistas. Piense en compañías como Cloudera, MapR, Databricks, etc. Las habilidades que serán útiles son los sistemas distribuidos y el diseño de bases de datos. No te convertirás en un científico de datos sin las matemáticas; esa es una noción ridícula!

En mi experiencia, tener un doctorado no significa necesariamente ser bueno en el entorno de la empresa de ciencia de datos, trabajo como científico de datos y solo soy ingeniero, pero conozco a algunos maestros universitarios que trabajan en colaboración con mi empresa y a veces les he dicho que su punto de vista no era correcto porque, a pesar de que sus ideas y razonamientos eran correctos, no son aplicables a las actividades de la empresa, por lo que tuvimos que modificar algunos modelos de datos para que sean útiles para la empresa y los resultados. perdieron su valor, así que tuvimos que buscar nuevos modelos. Lo que quiero decir es que Data Science es un área multidisciplinaria, por lo que se necesitan muchas personas diferentes que trabajen juntas, así que creo que sus habilidades podrían ser muy útiles en un equipo de científicos de datos, solo tiene que encontrar dónde encaja;)

Puede ser que sea un poco tópico, pero me gustaría recomendarle que revise este MOOC https://www.coursera.org/course/statistics . Esta es una muy buena y clara introducción a las estadísticas. Le brinda una base de principios sobre el campo central en la ciencia de datos. Espero que sea un buen punto de partida para comenzar la amistad entre usted y las estadísticas.

No he visto esto mencionado, pero es importante tener en cuenta que puede ver una disminución en el salario. Digo esto sin saber cuánto gana, pero pasar de (supongo) un profesional de TI experimentado a un nivel de científico de datos de nivel de entrada puede no ganarle tanto.

Aquí hay un enlace a una parte del estudio de Burtch Works de 2015 sobre los salarios de Data Science:

http://www.burtchworks.com/files/2015/05/DS-2015_Changes-in-Base-Salaries.pdf

Como puede ver, el salario medio para los contribuyentes individuales de nivel 1 es de 90k (en todo el país). El informe completo tiene el desglose basado en la región, pero nuevamente, suponiendo que sea un profesional de TI experimentado, probablemente esté haciendo más que eso.

Historia anecdótica con n = 1: uno de mis compañeros de clase en mi programa de maestría DS era un desarrollador Java experimentado con una casa, familia, etc. Aunque estaba muy interesado en el análisis de datos (pagó el programa de su bolsillo) haciendo su salario potencial El análisis de datos no podría soportar el estilo de vida que tenía actualmente como desarrollador de Java. Como resultado, esencialmente "desperdició" su título y volvió al desarrollo. Realmente odiaría ver que eso le pase a más personas.

Tenga en cuenta que "big data" es una cosa cada vez más moderna para que una empresa diga que está involucrada. Los superiores podrían leer un artículo al respecto en HBR y decirse a sí mismos: "Tengo que conseguir algo de eso "(no es que estén necesariamente equivocados).

Lo que esto significa para usted es que el análisis avanzado no es tan necesario para esa compañía como lo es simplemente obtener algo en funcionamiento.

Afortunadamente para usted, la mayoría de los componentes que las compañías podrían necesitar son gratuitos. Además, creo que tanto Hortonworks como Cloudera tienen máquinas virtuales "sandbox" gratuitas, que puede ejecutar en su PC, para jugar y orientarse.

El análisis avanzado en plataformas de big data es valioso, sin duda, pero muchas empresas necesitan aprender a rastrear antes de poder ejecutar.

Esta es una pregunta realmente extraña en mi opinión. ¿Por qué vas a moverte en una nueva dirección si no estás seguro de que amas esta nueva dirección o al menos la encuentras muy interesante? Si amas Big Data, ¿por qué te importan las criaturas inteligentes de doctorado que ya están en el campo? La misma cantidad de criaturas de doctorado se encuentran en todas las áreas de TI. Por favor, lea este artículo muy agradable http://www.forbes.com/sites/louisefron/2013/09/13/why-you-cant-find-a-job-you-love/ y luego pregúntese si amas Big Data lo suficiente y estás listo para agregar tu granito de arena a la montaña del conocimiento