ビッグデータ分析へのキャリア転換

私は35歳の純粋に技術的なITプロフェッショナルです。私はプログラミング、新しいテクノロジーの学習、それらの理解と実装が得意です。学校では数学が苦手だったので、数学の成績が上がらなかった ビッグデータ分析のキャリアを追求することに非常に興味があります。ビッグデータテクノロジー（Hadoopなど）よりもアナリティクスに興味がありますが、嫌いではありません。ただし、インターネットを見回すと、分析が上手な人（データサイエンティスト）は主に数学の卒業生で、PHdsを実行していて、はるかに先を行っているインテリジェントな生き物のように聞こえます。自分で事前統計を学習するのは非常に難しく、多大な労力と時間を費やす必要があるため、私の決定が正しいかどうかを考えるのが怖くなることがあります。

私の決定が正しいかどうか知りたいのですが、この仕事を一流の大学での勉強に生涯を費やし、学位とPHDを取得した知識のある人にのみ任せるべきでしょうか。

需要が高いため、正式な学位がなくてもデータサイエンスのキャリアを始めることができます。私の経験では、学位を取得することは職務記述書での「要件」であることが多いですが、雇用主が十分に必死である場合、それは重要ではありません。一般に、正式な求人応募プロセスを備えた大企業に参入することは、それらを持たない中小企業よりも困難です。どちらの場合でも、「人を知る」ことはあなたに長い道のりを与えることができます。

あなたの教育に関係なく、どんなに高い需要があったとしても、あなたは仕事をするスキルを持っている必要があります。

あなたは、高度な統計や他の数学が独立して学ぶことは非常に難しいことに注意するのは正しいです。どれだけひどくキャリアを変えたいかが問題です。一部の人々は数学に「自然な才能」を持っていますが、誰もが学ぶために仕事をしなければなりません。もっと速く学ぶ人もいますが、誰もが時間をかけて学ぶ必要があります。

それは、あなたがその分野に真の興味を持っていること、そしてあなたがその仕事で素早く学ぶことができることを潜在的な雇用主に示す能力です。知識が多ければ多いほど、ポートフォリオで共有できるプロジェクトが多くなり、実務経験が豊富になればなるほど、より高いレベルの職に就けるようになります。最初にエントリーレベルのポジションから始める必要があるかもしれません。

数学を独自に学ぶ方法を提案できますが、それはあなたの質問の一部ではありません。今のところ、それは難しいことですが、転職を決意した場合は可能です。アイロンが熱いうちに（需要が高い間）ストライクします。

数学が気に入らない場合は、インフラストラクチャの側面を詳しく調べる必要があります。ソフトウェアスタックの下位に行くほど、（データサイエンスソートの）数学から遠ざかります。つまり、アナリストに役立つツールを作成するために他の人が使用する基盤を構築できます。Cloudera、MapR、Databricksなどの企業を考えてみてください。便利になるスキルは、分散システムとデータベース設計です。数学がなければデータサイエンティストになることはできません。それはとんでもない概念です！

私の経験では、博士号を取得することは、必ずしもデータサイエンス企業の環境に優れていることを意味しません。私はデータサイエンティストとして働いており、私は単なるエンジニアですが、自分の会社と協力して働く大学教師を知っています。時々私は彼らの見解は正しくなかったと彼らの考えや推論が正しいにもかかわらず彼らは会社の活動に適用できないので彼らに会社と結果にそれらを有用にするためにいくつかのデータモデルを修正しなければならなかったと彼らに言いましたその価値を失ったため、新しいモデルを探す必要がありました。つまり、データサイエンスは学際的な領域であり、多くの異なる人々が共同で作業する必要があるため、スキルはデータサイエンティストチームで非常に役立つ可能性があると思います。

少し話題にならないかもしれませんが、このMOOC https://www.coursera.org/course/statisticsを一読することを強くお勧めします。これは、統計の非常に優れた明確な紹介です。データサイエンスのコアフィールドに関する基本原則を提供します。あなたと統計の間の友情を始めるための良い出発点になることを願っています。

これについて言及したことはありませんが、給与が減少する可能性があることを覚えておくことが重要です。私はあなたがどれだけ稼いでいるのかを知らずにこれを言いますが、経験豊富なITプロフェッショナルから（エントリーレベルの）データサイエンティストレベルに移行しても、それほど多くの収入を得られない可能性があります。

データサイエンスの給与に関する2015年のBurtch Works調査の一部へのリンクは次のとおりです。

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

ご覧のとおり、レベル1の個人の貢献者の平均給与は90k（全国）です。完全なレポートには地域に基づく内訳がありますが、ここでも、経験豊富なITプロフェッショナルであれば、おそらくそれ以上のものを作成していることになります。

n = 1の事例ストーリー：私のDSマスタープログラムのクラスメートの1人は、家や家族などの経験豊富なJava開発者でした。データ分析は、彼が現在Java開発者として持っていたライフスタイルをサポートすることはできません。その結果、彼は本質的に学位を「浪費」し、開発に戻りました。それがもっと多くの人に起こるのを見たくありません。

「ビッグデータ」は、企業が関与していると言うのがますます流行するものであることを覚えておいてください。それ」（必ずしも間違っているわけではない）。

これがあなたにとって何を意味するかというと、その会社にとって、高度な分析は、何かを立ち上げて実行するだけの場合ほど必要ではないということです。

幸いなことに、企業が必要とする可能性のあるコンポーネントのほとんどは無料です。さらに、HortonworksとClouderaの両方に無料の「サンドボックス」仮想マシンがあり、PCで実行して、遊んでベアリングを取得できると思います。

ビッグデータプラットフォームでの高度な分析は確かに価値がありますが、多くの企業は実行前にクロールを学ぶ必要があります。

これは私の奇妙な質問です。この新しい方向が好きであるか、または少なくとも非常に興味深いものであると確信できない場合、なぜ新しい方向に移動するのですか？あなたがビッグデータを愛しているなら、なぜあなたはすでにフィールドにいるPhDインテリジェントな生き物を気にするのですか？ITのすべての領域に同じ数のPhD生き物がいます。この非常に素晴らしい記事http://www.forbes.com/sites/louisefron/2013/09/13/why-you-cant-find-a-job-you-love/を一読してから、自問してください。ビッグデータを十分に愛していて、砂利を知識の山に追加する準備ができている場合